干货 | 当你在携程搜索时，背后的推荐系统是如何工作的

作者简介

葛荣亮，携程搜索部门高级研发工程师。2015年加入携程，目前主要负责搜索平台的前端+数据挖据工作。

一、前言

随着旅游业的发展，人们对搜索的要求越来越高。智能化大趋势下，个性化的推荐系统的应用及用户需求也越来越广泛。

旅游推荐系统主要面临的问题及挑战包括：

用户维度，用户的需求多种多样，如本地异地的差异，年龄、家庭结构的差异等；
时间、地理维度，每个时间点的需求都是不同的，如季节(冬季的温泉，夏季避暑...)、早中晚的需求差异，不同城市用户对同一目的地的旅游产品类别需求可能不同；
产品维度，如何输出多样性的产品也是推荐系统考虑的重点，如相似的酒店、景点等。

针对以上面临的问题和挑战，本文将分享携程推荐系统的更新迭代过程。

二、推荐系统架构

携程搜索推荐系统架构如下：

抛开业务和数据部分，这里只简单介绍推荐服务的结构，其简要构造如下：

2.1 用户行为

用户行为数据展示了用户的操作习惯和偏好。对这部分数据进行离线分析，可以更好地理解用户，以此来做线上产品的推荐源。

对线上需要的行为数据，可以取一个月或者近7天的历史数据，以保证数据的时效性。

2.2 可用产品

这部分指的是可供用户使用的产品及可以提供帮助的文章等。主旨在于告诉系统，我们有什么产品，哪些产品是可以提供给用户的，及哪些是优质的产品。产品的定义比较广泛，可以不限定具体的售卖产品，也可指定用户偏好，比如用户对酒店、景点的偏向等。

2.3.召回

这部分是整个系统的重点，也是规划场景最多的地方。这部分可以细分成几大召回策略（以推荐实际酒店、文章、景点的系统为例）：

2.3.1 补充策略

这部分主要输出当前热门的产品信息，比如当季热门的酒店、景点等。

在具体实现的时候可以考虑季节性的变化，比如以两周为周期，统计产品的点击情况，当用户对于温泉搜索量增加时，可以输出一些热门的温泉景点。

这部分补充策略，只是为了解决冷启动问题，即当用户没有行为，或者没有地理位置信息时，做最基本的补充。

2.3.2 基于位置召回

当得到具体位置信息之后，可以做更具体的补充召回：

1）根据当前用户所在地，推荐当地的热门产品；

2）判断用户是否在常住地。如常驻上海的用户，在上海搜索产品时，更喜欢周边游，而常驻北京的用户，在上海搜产品时，更喜欢东方明珠和迪士尼。

具体分类为：

本地需求(定位城市=常驻城市)，输出当地人热搜/点击的产品；

外地需求(定位城市!=常驻城市)，输出外地人热搜/点击的产品；

3）根据地理位置信息，输出用户周边的几公里内的产品。

2.3.3 基于历史关联策略

这部分内容是基于用户历史行为，推出相关的产品。需要对数据和行为进行总结，并提供相应的产品展示逻辑，丰富推荐召回的内容。比如用户预定迪士尼乐园的门票，可以推迪士尼附近的酒店等。

2.3.4 协同过滤

协同过滤是推荐系统经典的算法。其对用户行为、产品的相关性做了抽象和泛化。协同过滤算法主要分为USER CF和ITEM CF，即基于用户的协同过滤和基于物品的协同过滤。

在这里我们主要用到基于物品的协调过滤，相比用户的协同过滤，物品的内容属性和数量更便于统计和计算。具体算法可以参看《推荐系统实践》这本书。

大体可以理解为，定了某一酒店的用户，又定了哪些酒店，及通常订了又订的逻辑。比如，以用户一个月的点击或订单数据为基础，计算出物品的相似度，当用户搜了某条产品时，推荐与其相似的其他产品。具体示例为：假设东方明珠、外滩、迪士尼产品相似，当用户搜索东方明珠的时，推荐外滩和迪士尼。

2.4 排序

上述召回策略，会召回大量的产品，如何对这些产品进行合理排序，是推荐系统的核心部分，同时也是反映系统优劣的指标。

这部分，经历几次迭代。

在1.0时代，在排序策略上进行了几次变动：

1）对召回产品按照类别，对相同类型产品，进行销量排序；

2）考虑到操作时间问题，加入操作时间权重。对历史行为的时间进行归一化得出权重，最大为1。操作时间越近，权重越大；

3）考虑规则的重要性，加入规则分；

上述排序策略取得一定效果，但很难完善排序问题。

最终，选取了机器学习的排序算法。其基本实现为：对每个输出产品，规划特征，输出特征集。比如季节特征，当地人/外地人特征，一天内的早、中、晚特征等。接下来根据订单和点击数据，输出训练样本，为每个召回产品做一个打分，最高5分，最低1分。最后使用XGBoost工具，对样本进行训练，这样就能得出基本模型。

通过模型，对线上每个召回产品进行打分并排序，得出最终结果。同时在系统上线后，定期的进行更新，并通过ABTest系统不断对模型进行迭代。

大致流程如下：

2.5 过滤输出

这部分内容，主要做格式化输出，并过滤一些无效，黑名单产品。

每个场景的输出，都不太一样，就需要对其数据进行筛选。比如进入搜索默认页时，提前给出推荐产品，减少用户操作。还可以在用户搜某个具体城市时，输出相应的结果。

这里需要注意的是马太效应。由于推出的内容有限，对于一些产品，会导致点击多的会越来越多，而点击少的，则慢慢退出推荐序列。这里需要对那些不常用产品做展示规划。比如随机出一两条，给一定曝光，消除一部分马太效应。

三、展望

目前推荐系统已经运用在多个场景，但对场景及产品的引入毕竟有限，同时对query 分析还不够完善，后续将丰富产品，并引入更多机器学习的内容，让系统更智能化和自动化。同时会加入更多深度学习内容，在搜索意图和NLP相关方面做更进一步的分析。