Graph Embeding（图嵌入）在短视频推荐系统的落地实战-part1

背景：众所周知，在个性化推荐系统，后端算法核心逻辑，分为召回，排序以及strategy调整，用户访问系统时，受限于排序模型的耗时等因素，不可能将库里所有的item 都过一下排序模型然后给出展现顺序。在这种情况下，召回负责为用户提供初选item集。所以，召回会决定最终推荐效果的天花板。排序会决定逼近天花板的程度。现行推荐系统下，召回往往可以分为以下几类，基于邻域，基于内容，基于深度语义。这里不做详细展开。由于现存的基于内容的推荐因为短视频在item profile过程中较难达到较高的分类准确率而存在一些不足。现存的基于邻域的召回，没有用户行为的扩充，缺少一定的惊喜性。所以决定在召回中增加一路基于深度语义的召回。

效果：2018年7月初上线，在短视频频道，ctr+1.5%，人均阅读时长+1.6%，人均点击+1.0%。在图文频道中插入的短视频。ctr+1.1%，人均阅读时长+1.6%。 PS：我们系统在加入graph embeding之前，已经有了诸如item2vec，YouTube deepmatch等深度语义召回，所以基线已经很高，这个涨幅不能完全代表graph embeding的实际威力。如果您的系统处在不通的阶段可能。可能会有不同的收益。

内容大纲：第一次了解graph embeding，是从淘宝当时对外发的几篇graph embeding的技术pr文章，17年在朋友圈看到的，当时尚未加入我们公司。每前进一点都是因为站在巨人的肩上，引用1，引用2。根据文中所说的思路，我结合短视频推荐的产品形态，在实现上我做了一些改变。所以本文的行为将从以下几个大方面展开：1.详述deep walk论文思想以及实现细节。2.详述我基于deep walk源码做的几点算法改进，并描述离线在线工程落地架构。以及展示算法结果并介绍我在算法落地时做过的不算成功的一些尝试。这里打一个小广告：我利用业余时间在慕课网讲录了几个课：免费课链接：https://www.imooc.com/learn/1029，当然如果您想系统的学习一下个性化推荐算法的召回与排序体系，在慕课网有一个付费课程您可以学习。

第一部分，图嵌入是由deep walk演变而来，首先叙述一下原始deep walk的原理。deep walk分为两步，第一步基于点击序列，采用random walk，生成扩展item序列。第二步，将这些生成item序列经过embeding变成向量。图1是论文中基于点击序列生成graph的过程(这里以adjlist的语料形式，以及点击序列之间是无向的来介绍，这比较符合我们的产品，当然您在做的时候需要结合自有产品)。图1的第一部分是用户的点击序列，用户A点击了itema，itemb，itemd。依次类推，图1的中间部分是由原始语料经过简单处理得到的最初graph。原始的deepwalk，不考虑user因素。所以输入的序列就是abd，ac，be，cd。首先合并起始item相同的序列。也就得到abdc，继而是将有联系的item补充到其余序列。举个例子，由于ab在第一个序列abdc中出现了，所以ab有联系，将a补充到以b开始的序列中，所以原始的be序列变成了bea。相同原理得到了后面的部分。得到初始图之后开始随机游走。图1中第三部分是随机游走之后得到的部分序列，来简要说明一下。每一次随机游走都是从graph里的序列的首节点开始，以a节点举例，等概率随机选择bdc中一个，比如c，选择了c之后，在c为首的节点序列中，随机选择一个节点（也就是da中选择一个）。此处也会以一定的概率会到起点，也就是aca，如果不回到起点，在da中选择一个假使选择了d也就得到acd，依次类推。知道满足随机游走序列的最大长度。这里我们发现仅a节点为首的随机游走就得到了三条序列，显然最终我们得到的序列数量比输入的序列数量多了很多，也就起到了扩展的作用。随机游走完成之后。得到的序列我们可以看成是一个一个的句子，放入word2vec完成embedding。也就得到了item对应的向量，有了向量，我们就可以完成在线推荐。大家可以关注一下deepwalk源码。引用3

图1 原始deepwalk

本文为原创文章，如需转发请标明出处。part2 传送：https://www.jianshu.com/p/1a090f997f4d

引用1，一天造出10亿个淘宝网页，阿里工程师如何实现，https://yq.aliyun.com/articles/552859

引用2， 千人千面智能淘宝店铺背后的算法研究登陆人工智能顶级会议AAAI 2017，https://yq.aliyun.com/articles/108555

引用3:deepwalk源码：https://github.com/phanein/deepwalk