探讨淘宝粗排模型负采样蒸馏与评估指标优化-开发者社区-阿里云

淘宝粗排问题之引入未曝光样本和随机负样本对粗排模型有何影响，如何解决

2024-08-15 315

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 淘宝粗排问题之引入未曝光样本和随机负样本对粗排模型有何影响，如何解决

淘宝主搜索的多阶段检索系统主要包括哪些阶段？粗排阶段与精排阶段的主要差异是什么？

参考回答：

淘宝主搜索的多阶段检索系统主要包括召回、粗排、精排等阶段。召回阶段由文本召回、个性化等多路召回构成，粗排阶段从多路召回集合中筛选，精排阶段再进行筛选输出最终给用户的曝光商品。

粗排阶段与精排阶段的主要差异在于目标不同。粗排注重从海量候选集中选出优质的子集，而精排则更注重头部商品的排序。因此，尽管两者都是排序，但优化的方向和目标存在显著差异。

关于本问题的更多回答可点击原文查看：

为什么只提高NDCG而不增加负采样会让粗排效果更差？

参考回答：

只提高NDCG而不增加负采样会让粗排效果更差，是因为NDCG这个指标本身与粗排实际的优化方向存在很大偏差。粗排最要解决的是如何从召回集合中选出优质的子集，而NDCG无法衡量召回-粗排的损失，也无法衡量粗排负采样的好坏。因此，盲目提高NDCG并不一定能提升粗排的实际效果。

关于本问题的更多回答可点击原文查看：

今年引入的“全域成交hitrate”作为粗排评价标准有什么作用？

参考回答：

今年引入的“全域成交hitrate”作为粗排评价标准，可以帮助我们更准确地衡量召回-粗排的损失，从而更有效地评估粗排负采样的好坏。通过这一指标，我们可以对从召回->粗排->精排的全域成交漏斗损失进行系统的分析，进而规范与统一各个阶段的优化空间和优化目标。

关于本问题的更多回答可点击原文查看：

引入未曝光样本和随机负样本对粗排模型有何影响？

参考回答：

引入未曝光样本和随机负样本这两部分负样本的扩充共带来约5.5 pt的场景外的hitrate的提升，这有助于模型更好地拟合粗排阶段的打分空间。

关于本问题的更多回答可点击原文查看：

在粗排模型中，蒸馏任务的作用是什么？

参考回答：

在粗排模型中，蒸馏任务的作用是进一步提高模型与精排模型的一致性。具体做法是在曝光样本上让粗排模型学习精排模型的打分分数，从而使粗排模型能够学习到精排模型的排序逻辑。

关于本问题的更多回答可点击原文查看：

淘宝粗排问题之引入未曝光样本和随机负样本对粗排模型有何影响，如何解决