美團的愿景是連接消費者和商家，而搜索在其中起著非常重要的作用。隨著業務的發展，美團的商家和團購數正在飛速增長。這一背景下，搜索排序的重要性顯得更加突出：排序的優化能幫助用戶更便捷地找到滿足其需求的商家和團購，改進用戶體驗，提升轉化效果。

和傳統網頁搜索問題相比，美團的搜索排序有自身的特點——90%的交易發生在移動端。一方面，這對排序的個性化提出了更高的要求，例如在“火鍋”查詢下，北京五道口的火鍋店A，對在五道口的用戶U1來說是好的結果，對在望京的用戶U2來講不一定是好的結果;另一方面，我們由此積累了用戶在客戶端上豐富準確的行為，經分析獲得用戶的地理位置、品類和價格等偏好，進而指導個性化排序。

針對美團的O2O業務特點，我們實現了一套搜索排序技術方案，相比規則排序有百分之幾十的提升。基于這一方案，我們又抽象了一套通用的O2O排序解決方案，只需1-2天就可以快速地部署到其他產品和子行業中，目前在熱詞、Suggestion、酒店、KTV等多個產品和子行業中應用。

我們將按線上和線下兩部分分別介紹這一通用O2O排序解決方案，本文是線上篇，主要介紹在線服務框架、特征加載、在線預估等模塊，下篇將會著重介紹離線流程。

排序系統

為了快速有效的進行搜索算法的迭代，排序系統設計上支持靈活的A/B測試，滿足準確效果追蹤的需求。

美團搜索排序系統如上圖所示，主要包括離線數據處理、線上服務和在線數據處理三個模塊。

離線數據處理

HDFS/Hive上存儲了搜索展示、點擊、下單和支付等日志。離線數據流程按天調度多個Map Reduce任務分析日志，相關任務包括：

• 離線特征挖掘

產出Deal(團購單)/POI(商家)、用戶和Query等維度的特征供排序模型使用。

• 數據清洗標注 & 模型訓練

數據清洗去掉爬蟲、作弊等引入的臟數據;清洗完的數據經過標注后用作模型訓練。

• 效果報表生成

統計生成算法效果指標，指導排序改進。

• 特征監控

特征作為排序模型的輸入是排序系統的基礎。特征的錯誤異常變動會直接影響排序的效果。特征監控主要監控特征覆蓋率和取值分布，幫我們及時發現相關問題。

在線數據處理

和離線流程相對應，在線流程通過Storm/Spark Streaming等工具對實時日志流進行分析處理，產出實時特征、實時報表和監控數據，更新在線排序模型。

在線服務(Rank Service)

Rank Service接到搜索請求后，會調用召回服務獲取候選POI/Deal集合，根據A/B測試配置為用戶分配排序策略/模型，應用策略/模型對候選集合進行排序。

下圖是Rank Service內部的排序流程。

• L1 粗粒度排序(快速)

使用較少的特征、簡單的模型或規則對候選集進行粗粒度排序。

• L2 細粒度排序(較慢)

對L1排序結果的前N個進行細粒度排序。這一層會從特征庫加載特征(通過FeatureLoader)，應用模型(A/B測試配置分配)進行排序。

• L3 業務規則干預

在L2排序的基礎上，應用業務規則/人工干預對排序進行適當調整。

Rank Service會將展示日志記錄到日志收集系統，供在線/離線處理。

A/B測試

A/B測試的流量切分是在Rank Server端完成的。我們根據UUID(用戶標識)將流量切分為多個桶(Bucket)，每個桶對應一種排序策略，桶內流量將使用相應的策略進行排序。使用UUID進行流量切分，是為了保證用戶體驗的一致性。

下面是A/B測試配置的一個簡單示例。

{ 
    "search": { 
        "NumberOfBuckets": 100, 
        "DefaultStrategy": "Base", 
        "Segments": [ 
            { 
                "BeginBucket": 0, 
                "EndBucket": 24, 
                "WhiteList": [123], 
                "Strategy": "Algo-1" 
            }, 
            { 
                "BeginBucket": 25, 
                "EndBucket": 49, 
                "WhiteList": [], 
                "Strategy": "Algo-2" 
            } 
        ] 
    } 
} 

對于不合法的UUID，每次請求會隨機分配一個桶，以保證效果對比不受影響。白名單(White List)機制能保證配置用戶使用給定的策略，以輔助相關的測試。

除了A/B測試之外，我們還應用了Interleaving[7]方法，用于比較兩種排序算法。相較于A/B測試，Interleaving方法對排序算法更靈敏[9]，能通過更少的樣本來比較兩種排序算法之間的優劣。Interleaving方法使用較小流量幫助我們快速淘汰較差算法，提高策略迭代效率。

特征加載

搜索排序服務涉及多種類型的特征，特征獲取和計算是Rank Service響應速度的瓶頸。我們設計了FeatureLoader模塊，根據特征依賴關系，并行地獲取和計算特征，有效地減少了特征加載時間。實際業務中，并行特征加載平均響應時間比串行特征加載快約20毫秒。

FeatureLoader的實現中我們使用了Akka[8]。如上圖所示，特征獲取和計算的被抽象和封裝為了若干個Akka actor，由Akka調度、并行執行。

特征和模型

美團從2013年9月開始在搜索排序上應用機器學習方法(Learning to Rank[1])，并且取得很大的收益。這得益于準確的數據標注：用戶的點擊下單支付等行為能有效地反映其偏好。通過在特征挖掘和模型優化兩方面的工作，我們不斷地優化搜索排序。下面將介紹我們在特征使用、數據標注、排序算法、Position Bias處理和冷啟動問題緩解等方面的工作。

特征

從美團業務出發，特征選取著眼于用戶、Query、Deal/POI和搜索上下文四個維度。

• 用戶維度

包括挖掘得到的品類偏好、消費水平和地理位置等。

• Query維度

包括Query長度、歷史點擊率、轉化率和類型(商家詞/品類詞/地標詞)等。

• Deal/POI維度

包括Deal/POI銷量、價格、評價、折扣率、品類和歷史轉化率等。

• 上下文維度

包括時間、搜索入口等。

此外，有的特征來自于幾個維度之間的相互關系：用戶對Deal/POI的點擊和下單等行為、用戶與POI的距離等是決定排序的重要因素;Query和Deal/POI的文本相關性和語義相關性是模型的關鍵特征。

模型

Learning to Rank應用中，我們主要采用了Pointwise方法。采用用戶的點擊、下單和支付等行為來進行正樣本的標注。從統計上看，點擊、下單和支付等行為分別對應了該樣本對用戶需求的不同的匹配程度，因此對應的樣本會被當做正樣本，且賦予不斷增大的權重。

線上運行著多種不同類型模型，主要包括：

• Gradient boosting decision/regression tree(GBDT/GBRT)[2]

GBDT是LTR中應用較多的非線性模型。我們開發了基于Spark的GBDT工具，樹擬合梯度的時候運用了并行方法，縮短訓練時間。GBDT的樹被設計為三叉樹，作為一種處理特征缺失的方法。

選擇不同的損失函數，boosting tree方法可以處理回歸問題和分類問題。應用中，我們選用了效果更好的logistic likelihood loss，將問題建模為二分類問題。

• Logistic Regression(LR)

參考Facebook的paper[3]，我們利用GBDT進行部分LR特征的構建。用FTRL[4]算法來在線訓練LR模型。

對模型的評估分為離線和線上兩部分。離線部分我們通過AUC(Area Under the ROC Curve)和MAP(Mean Average Precision)來評價模型，線上則通過A/B測試來檢驗模型的實際效果，兩項手段支撐著算法不斷的迭代優化。

冷啟動

在我們的搜索排序系統中，冷啟動問題[6] 表現為當新的商家、新的團購單錄入或新的用戶使用美團時，我們沒有足夠的數據用來推測用戶對產品的喜好。商家冷啟動是主要問題，我們通過兩方面手段來進行緩解。一方面，在模型中引入了文本相關性、品類相似度、距離和品類屬性等特征，確保在沒有足夠展示和反饋的前提下能較為準確地預測;另一方面，我們引入了 Explore&Exploit機制，對新商家和團單給予適度的曝光機會，以收集反饋數據并改善預測。

Position Bias

在手機端，搜索結果的展現形式是列表頁，結果的展示位置會對用戶行為產生很大的影響。在特征挖掘和訓練數據標注當中，我們考慮了展示位置因素引入的偏差。例如CTR(click-through-rate)的統計中，我們基于Examination Model[5]，去除展示位置帶來的影響。

總結

本文主要介紹了美團搜索排序系統線上部分的結構、算法和主要模塊。在后續文章里，我們會著重介紹排序系統離線部分的工作。

一個完善的線上線下系統是排序優化得以持續進行的基礎。基于業務對數據和模型上的不斷挖掘是排序持續改善的動力。我們仍在探索。

參考文獻

Learning To Rank. Wikipedia

Friedman, J. H. (2001). Greedy function approximation: a gradient boosting machine. Annals of statistics, 1189-1232.

He, X., Pan, J., Jin, O., Xu, T., Liu, B., Xu, T., ... & Candela, J. Q. (2014, August). Practical lessons from predicting clicks on ads at facebook. In Proceedings of 20th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (pp. 1-9). ACM.

McMahan, H. B., Holt, G., Sculley, D., Young, M., Ebner, D., Grady, J., ... & Kubica, J. (2013, August). Ad click prediction: a view from the trenches. In Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 1222-1230). ACM.

Craswell, N., Zoeter, O., Taylor, M., & Ramsey, B. (2008, February). An experimental comparison of click position-bias models. In Proceedings of the 2008 International Conference on Web Search and Data Mining (pp. 87-94). ACM.

Cold Start. Wikipedia

Chapelle, O., Joachims, T., Radlinski, F., & Yue, Y. (2012). Large-scale validation and analysis of interleaved search evaluation. ACM Transactions on Information Systems (TOIS), 30(1), 6.

Akka: http://akka.io

Radlinski, F., & Craswell, N. (2010, July). Comparing the sensitivity of information retrieval metrics. In Proceedings of the 33rd international ACM SIGIR conference on Research and development in information retrieval (pp. 667-674). ACM.