阿里巴巴B2B电商算法首次对外公开-技术圈

导读：本文详解阿里巴巴1688日常业务中的榜单算法。

作者：阿里集团新零售技术事业群 CBU技术部

来源：大数据DT（ID：hzdashuju）

在1688日常的业务场景中，榜单（如图6-14所示）一直以来都对买家起到了很好的风向标作用，但在日常场景中，运营对榜单的人工干预较大，人力成本较高，同时多是大颗粒度的投放，并没有进行深层的细分挖掘。

▲图6-14 榜单产品示意图

随着我们对流量和商品的进一步挖掘，更多的细分主题市场、流量特征被挖掘出来，使得在细分主题市场上生成榜单，并对流量做精准的匹配变成可能。在日常，以类目为主线，在细粒度的主题市场上生成了上万个榜单，投放于榜单会场中，并个性化地呈现在买家面前。

01 榜单生成

传统的榜单生成需要大量的人力参与，所以让人在大促的时候生成榜单，成本会非常大。也正因为如此，我们尝试用纯算法的方式自动化生成。

与人工生成榜单相比，算法生成榜单无论是在榜单的多样性还是生产效率上都有非常大的优势，如图6-15所示，但在榜单的准确度和重复度上，可能不及人工生成的榜单。所以，这次算法生成榜单要在保证效率和多样性的基础上，再提高准确度，同时降低榜单语义上的重复。

▲图6-15 榜单生成过程示意图

在榜单生成上，我们刚开始考虑直接用叶子类目，这种做法的好处是可以非常快地对商品进行聚合，并用叶子类目的名称对榜单进行定义，然后进行排序并展示给用户。

但是这也会有问题，问题在于不同的行业类目的层级和细分程度是不一样的。就以女装为例，连衣裙是女装的一个叶子类目，但是生成一个连衣裙榜，这个榜单个性化程度还是太粗，凡是偏好连衣裙的用户看到的榜单内容还是完全一致的。用户会迅速产生使用疲劳。

从算法的角度来讲，榜单生成可以看成对指定的一批商品，根据商品特征进行聚类，然后对聚类后的内容进行定义的过程，如图6-16所示，其中属性词为基于商品标题和属性的电商命名体识别，品类词为基于商品标题识别的品类词+类目信息+威尔逊置信区间打分。

▲图6-16 榜单主题生成过程示意图

这样就可以得到每个商品对应的属性词和品类词。将这些属性词和品类词制作成商品的标签，然后利用属性词和品类词的组合来生成榜单。假设商品类目和属性如下所示，定义榜单主题集合为收脚运动裤、垂钓头灯、户外登山鞋。

女装：款式元素&材质&场景&风格
男装：款式元素&材质&场景&风格
配饰：人群&元素&材质&功能&风格
个护：功效&材质&人群&地点

利用以上方式可以快速从0到1生成初始榜单，并且绝大部分主题效果是不错的，但还是会出现雷同的主题。考虑到在无线会场推荐的时候，如果根据用户行为召回榜单却出现雷同的主题榜单，那么用户体验会非常差，也会浪费流量，因此在初始榜单生成后，需要对榜单进行合并归一化。

在生成的榜单中可能会出现类似下面这样的榜单，从产品的角度来看，这类榜单必须合并。

榜单1：卡通杯子榜、卡通水杯榜。
榜单2：垃圾桶榜、纸篓榜、垃圾筒榜。
榜单3：长袖T恤榜、长袖T恤衫榜。

仅仅从名称入手，榜单3是比较好合并的，而榜单1和榜单2就不太好合并了。榜单的合并必须从榜单中的商品集合入手。这里我们用了jaccard相似度计算的方式解决这个榜单合并的问题。

假设A榜单的商品集合为A，B榜单的商品集合为B，那么通过jaccard相似度计算的公式，A与B的交集除以A与B的并集，就得到榜单A和榜单B的相关度了。相关度越高，两个榜单就越好合并。

利用这个方法，可以非常快速地找到两个相似的榜单，但是如果直接拿jaccard相似度来计算会有一些极端情况。比如要计算A和B两个榜单的相关度，假设A榜单中所有的商品几乎都出现在了B榜单中，但是A榜单的商品集合相对较小，B榜单的商品集合很大，那么根据jaccard相关度计算公式，两个榜单的相关度会非常小，从而使两个榜单无法合并。这个时候我们需要把jaccard的相关度算法做个小改进：