iFood上餐饮与餐厅集合的个性化推荐

食品配送平台面临帮助用户浏览海量餐厅与菜品目录，以找到他们真正喜爱的餐食的挑战。本文介绍了RED系统，这是为iFood——拉美最大的即时食品配送平台设计的自动化推荐系统，旨在为数以百万计的用户个性化展示精选餐饮集合的选择。我们的方案采用LightGBM分类器，对集合进行评分，基于三个特征组：集合特征、用户-集合相似性以及上下文信息。为解决针对新创建集合的冷启动问题，我们开发了基于物品嵌入的内容表示，并实施单调性约束以提升泛化能力。我们通过从类别轮播交互中进行自助学习，解决数据稀缺问题；通过对生产环境中的展示与购买进行无偏抽样，消除可见性偏差。该系统通过对iFood用户基数5%-10%的大规模A/B测试显示出显著的实际影响。我们的A/B测试线上结果显示，相较于基于流行度的基线，卡片转化率提升97%，整体应用转化率提升1.4%。值得注意的是，我们的离线准确度指标与线上表现高度相关，使我们能够在部署前可靠地预测实际影响。据我们了解，这是首个详细阐述在动态商业环境中大规模精选餐饮集合推荐的工作。