排序(rank)后重排(re-rank)?

说起排序，对排序的认知还停留在召回阶段召回的item经过粗排过滤，剩下较少的item在精排中打分，按epcm或者其他策略挑选出最终要曝光的item。精排模型往往都是point-wise的，一个DNN加丰富的用户/item/上下文特征预估点击率。自从看了阿里这篇 《Revisit Recommender System in the Permutation Prospective》，了解到了排序完可以再一次重排，以达到用户体验最佳，且平台收益更好。下面就来详细看下重排到底做了啥？

permutation-wise

听过point-wise，pair-wise，也听过list-wise，permutation-wise 还是第一次听。

所以什么是permutation-wise?

见下图：

这个图给了个真实的案例，一个User，给他展示了A、B、C就不会买任何item，给他展示了B、A、C就后购买A。What? 论文给了个例子，如果把贵的商品B放前面，用户就会觉得A便宜，值得购买。

好像很有道理，所以我们看到，如果是list-wise的模型给排好序的的B->A->C分别预估一个分(0.38, 0.40, 0.36)，然后按照这个分重排序，就会得到A->B->C，用户就不会购买了。

如果我们提供多个候选排列队列: A->B->C和B->A->C，然后把list-wise的分加起来，得到不同排列的分，那就会得到最优解，B->A->C。

但是一般情况下，需要重排序的item可能有上百个，上百个item做排列，再过list-wise模型预估，这是不现实的，于是论文提出了两阶段的重排序框架PRS(Permutation Retrieve System)，分别是PMatch阶段和PRank阶段，整体架构如下图所示。

PMatch

PMatch一句话总结就是，把上百个item的排列都给list-wise模型预估排列分不现实，PMatch负责挑选出候选的排列。论文提出了一种permutation-wise和goal-oriented的beam-search算法，称为 FPSA (Fast Permutation Searching Algorithm)。

首先需要离线训练模型，预估item ctr和next score，next score表示用户看完这个item后是否会往下继续浏览。这两个模型都是point-wise的，定义如下：

f函数就是relu，loss用log loss即可。

在线的时候，就要用beam search的方法，选择候选排列了。方法如下：

总结一下，就是先对所有待排列的item，预估出ctr和next score，然后设定输出长度n和beam search大小k，还有两个超参数。

beam search不过多介绍，我们看算分的地方，rPV会累加序列中每个item曝光的概率*每个item会带来下次曝光的概率，这个值肯定越大越好，能够让用户更加深度的探索。

rIPV会累加每个item曝光的概率*点击率，这个值越大，表示序列中item被点击的概率更高，因为曝光概率受上一个item影响，所以pExpose *= PNext。最后选择rSum高的排列，进入下一阶段。

PRank

这个阶段就比较简单了，先离线训练一个模型，该模型输入是一个长度为n的序列 (x1, x2, ..., xn)，然后输入到Bi-LSTM里，就会得到n个隐向量，每个隐向量concat用户特征和序列中每个item的原始特征，过mlp预测点击率即可：

线上服务时，通过上述模型对每个候选排列进行点击率预估，直接把队列中每个物品的预测点击率之和作为评判标准，挑选最终的排列:

实验

实验结果就是效果贼好，性能还贼优。