冷启动之京东搜索下拉推荐提升长尾query曝光
本文介绍了在搜索下拉推荐中提升长尾query曝光的一种方法。通过在同一个session中前向构造虚拟的点击样本，增加了长尾query在训练样本中出现的机会，从而提升冷启动的效果。
搜索下拉推荐就是用户在搜索框输入query时下方实时出现的候选query提示列表，如图。
长尾query一般搜索次数少，或者用户直接在搜索框输入完整query后回车并搜索，这些情况导致长尾query很难进入训练样本，冷启动效果差。例如用户输入“李宁长袖T恤字母”，当输入“李宁长袖T恤字”时，就没有下拉提示了。
我们提出的方案是，在同一个session中，前向构造虚拟点击训练样本，例如，用户输入“李宁长袖T恤字母”时，我们可以假想用户在输入“李”，“李宁”，“李宁长”，“李宁长袖”，“李宁长袖t”，“李宁长袖t恤”，或者“李宁长袖T恤字”，点击了“李宁长袖T恤字母”，对于这个session而言，在输入“李”时，推荐“李宁长袖T恤字母”是合适和及时的。这个session就是指某个用户输入一个完整query的过程，限制在只有这个session中来构造对应的长尾样本，才能准确的提升在特定context下的曝光。
我们目前是在每一个前向输入词下构造长尾点击样本，并随机挑选4个其他query作为负样本。
在构造样本时，需要尽量准确的构造对应的特征，在输入“李”时，“李宁长袖T恤字母”和“李”的交叉特征，这样的交叉特征在实时记录特征时是不存在的，只能在离线计算好。只有这样，才能告诉模型，在某些情况下，曝光某个长尾query是合适的。
我们在京东的店铺搜索的下拉推荐中采用这种方法，使得核心指标置信的提升2%左右。
可能的提升点是，不是在每一个前向输入词下构造样本，只是在那些用户输入有停顿的输入词下构造，此时用户想看看下拉推荐列表中有没有心仪的query，这样更符合实际情况。
感谢美女算法工程师liga
文章被以下专栏收录
