通过DNN-MAB动态排序范式优化商品交易总额

随着web 2.0时代人们从传统的“实体店”购物转向在线移动购物模式，推荐系统在电子商务和电子零售中扮演着关键角色。在为超过2.36亿日活跃用户设计该系统时尤其如此。排序策略作为推荐系统的核心模块，需要精确、准确且快速地响应以估计客户意图。我们提出了一种名为DNN-MAB的动态排序范式，该范式由一个成对深度神经网络（DNN）预排序器连接一个修正的多臂老虎机（MAB）动态后排序器组成。通过考虑显式和隐式的用户反馈，如展示、点击、转化等，DNN-MAB能够调整DNN预排序分数，以帮助客户最快、最频繁地定位到他们最感兴趣的商品，从而促进其快速且频繁地达成交易。据我们所知，类似DNN-MAB的框架在以往的文献中尚未向电子商务或机器学习领域的读者讨论过。在实践中，DNN-MAB已被部署到生产环境中，并显著提升了京东的目标指标——商品交易总额（GMV），轻松超越了其他最先进的模型。