智能搜索模型預估框架Augur的建設與實踐

1. 背景

在過去十年,機器學習在學術界取得了衆多的突破,在工業界也有很多應用落地。美團很早就開始探索不同的機器學習模型在搜索場景下的應用,從最開始的線性模型、樹模型,再到近兩年的深度神經網絡、BERT、DQN等,並在實踐中也取得了良好的效果與產出。

本文將與大家探討美團搜索與NLP部使用的統一在線預估框架Augur的設計思路、效果、優勢與不足,希望對大家有所幫助或者啓發。

搜索優化問題,是個典型的AI應用問題,而AI應用問題首先是個系統問題。經歷近10年的技術積累和沉澱,美團搜索系統架構從傳統檢索引擎升級轉變爲AI搜索引擎。當前,美團搜索整體架構主要由搜索數據平臺、在線檢索框架及雲搜平臺、在線AI服務及實驗平臺三大體系構成。在AI服務及實驗平臺中,模型訓練平臺Poker和在線預估框架Augur是搜索AI化的核心組件,解決了模型從離線訓練到在線服務的一系列系統問題,極大地提升了整個搜索策略迭代效率、在線模型預估的性能以及排序穩定性,並助力商戶、外賣、內容等核心搜索場景業務指標的飛速提升。

首先,讓我們看看在美團App內的一次完整的搜索行爲主要涉及哪些技術模塊。如下圖所示,從點擊輸入框到最終的結果展示,從熱門推薦,到動態補全、最終的商戶列表展示、推薦理由的展示等,每一個模塊都要經過若干層的模型處理或者規則干預,纔會將最適合用戶(指標)的結果展示在大家的眼前。

原文鏈接:【https://www.infoq.cn/article/MXdf0oh67pjRIqEcvOIX】。未經作者許可,禁止轉載。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章