cosJin

1、立项背景和目标 为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。 2、核心功能模块 系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。 3、业务流程描述 用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。