VK Клипы: замена бустинга нейросетевым ранжированием DCDN
Описание проекта
Вместо градиентного бустинга внедрена нейросеть DCDN. Непрерывные признаки переводятся в бакеты через piecewise-linear encoding, ядро DCDN умеет выполнять операцию деления на уровне сети и потому напрямую моделирует отношения вроде CTR. Гетерогенный механизм внимания реализует Task Fusion. Модель трёхголовая: отдельные головы предсказывают вероятность лайка, риск дизлайка и время просмотра, а объединяются они слоем Learning to Rank.
Вендор и технология: Команда рекомендательных технологий AI VK, собственная архитектура DCDN (доработанный Deep Cross Network).
Задача
Бустинг выдаёт плоский жёстко зафиксированный одномерный скор, который нельзя адаптировать под несколько целей одновременно. Расширение качества требовало постоянного ручного фичеинжиниринга.
Цели внедрения
-
Уйти от одномерного скора бустинга
-
одновременно оптимизировать время просмотра, лайки и негатив
-
сократить ручной фичеинжиниринг
-
повысить вовлечённость в ленте Клипов
Результаты
-
Результаты
-
Время просмотра (TVT) +5,5%
-
лайки +5%
-
репосты +15% Нагрузка и масштаб
-
Продуктовая лента VK Клипов