荣耀推荐算法架构快速演进实践_冯晓东

荣耀推荐算法架构演进实践

背景

荣耀智能推荐中心支持多种业务领域和内容类型，如荣耀商城的商品推荐、信息流推荐、视频推荐等。推荐算法面临的主要挑战包括新用户和游客占比高、数据稀疏、行为序列跨度长等问题。

推荐算法的演进

1. 1.0阶段：采用基于行为序列的召回模型，处理低频高价值数据。
2. 2.0阶段：引入跨域特征融合，提高新用户的推荐效果。
3. 3.0阶段：结合实时行为序列的双塔召回模型，进一步优化推荐精度。

基于跨域特征的用户冷启动

1. 效果分析：通过跨域特征融合，新用户和游客的比例从0.18提升至0.7，首页商品详情页、购物车页、个人中心页等页面的CTR均有显著提升。
2. 存在问题：前期跨域用户较少，未充分考虑行为序列。

基于跨域序列化的召回模型

1. 建模思路：通过注意力机制和多头注意力机制，实现跨域行为序列的建模。
2. 效果分析：离线和实时双塔召回模型在推荐效果上表现良好，尤其在多样性方面有明显提升。

总结与展望

1. 技术应用：协同过滤、LR+GBDT、实时双塔等技术的应用提高了推荐系统的准确性和多样性。
2. 未来方向：进一步探索跨领域和多模态注意力机制，以及基于DeepFM的推荐模型，以更好地适应复杂的数据环境。