重排配置

重排（Sort）阶段在精排之后进行，在这里可以进行排序以及打散、添加窗口规则等逻辑

如何配置

重排的配置对应配置总览中的 SortConfs，SortConfs 是一个 []object 结构，可以配置多个重排策略，目前 pairec 内置的有 BoostScoreSort、BoostScoreByWeight、ItemRankScore、DiversityRuleSort、DPPSort、MultiRecallMixSort。

重排公共配置一览

每种重排配置，都会用到公共配置中的一部分，在此统一解释，单独的重排配置中则不再赘述。

配置示例：

"SortConfs":[
    {
        "Name":"",
        "SortType":""
    }
]

提降权重排（BoostScoreSort）

当调用精排模型后，每个 item 会有个模型返回的 score, 有时候根据业务运营需求，需要对 score 进行操作，即提降权操作。

提降权操作在设置上分为两部分

• 设置条件规则，通过 item 或者 user 的某些属性，比如类目，性别等属性来判断是否符合规则条件

• 设置提降权表达式，目前只支持对 score 设置表达式，比如 score * 1.2, score * 0.5 等等

配置示例

"SortConfs":[
    {
        "Name":"BoostScoreSort",
        "SortType":"BoostScoreSort",
        "Debug":false,
        "BoostScoreConditions":[
            {
                "Conditions":[
                    {
                        "Name":"sex",
                        "Domain":"item",
                        "Type":"string",
                        "Value":"gender",
                        "Operator":"equal"
                    }
                ],
                "Expression":"score * 2"
            }
        ]
    }
]

上面配置中所表达的意思为：对 特征（sex）的值等于 male 的item，score乘以2。

FilterParamConfig 配置如下：

具体的条件设置，可以参考数量调整过滤（AdjustCountFilter）。

权重提降权重排（BoostScoreByWeight）

在对item进行提降权的时候，不同的item可能会有不同的权重，这个权重是item表中的一个字段，需要通过权重字段对score进行提降权。

score的计算公式：weight * item.score

配置示例

"SortConfs":[
    {
        "Name":"BoostScoreByWeight",
        "SortType":"BoostScoreByWeight",
        "TimeInterval":172800,
        "BoostScoreByWeightDao":{
            "AdapterType":"hologres",
            "HologresName":"pai_rec",
            "HologresTableName":"test",
            "ItemFieldName":"item_id",
            "WeightFieldName":"weight"
        }
    }
]

BoostScoreByWeightDao

Item分数重排（ItemRankScore）

ItemRankScore 可以通过 item 的 score 对 item 进行倒序排序，这个是引擎内置的，可以直接在 SortNames 中使用。

多样性重排（DiversityRuleSort）

在推荐结果进行输出时，我们除了考虑要抓住用户的兴趣点，还要考虑推荐条目多样性的需求，即不同品类，不同属性的物品可以混合输出。

这里我们配置的规则参考如下：

配置示例

"SortConfs":[
    {
      "Name": "DiversityRuleSort",
      "SortType": "DiversityRuleSort",
      "DiversitySize": 100,
      "DiversityRules": [
        {
          "Dimensions": [
            "spfl"
          ],
          "WindowSize": 10,
          "FrequencySize": 1
        }
      ],
      "ExcludeRecalls": [
        "ColdStartVideoVectorRecall",
         "LinUcbRecall_default2"
      ],
      "Conditions": [
        {
          "Name": "spflPick",
          "Domain": "user",
          "Type": "string",
          "Value": "",
          "Operator": "equal"
        }
      ]
    }
]

此重排需要配合 ExcludeRecalls 参数使用。

DiversityRules

DPPSort

DPP多样性打散算法参考资料：《基于行列式点过程的推荐多样性提升算法的直观理解》。

前提条件：使用DPP算法的前提是已经有了item里的embedding向量，而且这个embedding向量能够表示 item 本身的内容，embedding的相似度能够表示item内容层面的相似度，而不是其他层面（如行为）的相似度。举例如下：

建议：item图片embedding/文本描述信息的embedding/类目、属性等静态item内容组合得到embedding

不建议：基于用户行为数据训练模型得到的embedding

本质上，想要打散的维度一定要能够在embedding里反映出来。比如，我们希望在推荐列表在商品价格这个维度有一些多样性，那么在训练模型得到embedding向量时就一定要有价格特征，否则就无法达到我们预期的效果。

配置示例：

    "SortConfs":[
        {
            "Name":"DPPSort",
            "SortType":"DPPSort",
            "DPPConf":[
                {
                    "Name":"DPPSort",
                    "DaoConf":{
                        "AdapterType":"hologres",
                        "HologresName":"geeko_rec"
                    },
                    "TableName":"item_embedding_metric_learning",
                    "TableSuffixParam":"embedding_date",
                    "TablePKey":"product_id",
                    "EmbeddingColumn":"embedding",
                    "Alpha":4.5,
                    "NormalizeEmb":"false",
                    "WindowSize":10
                }
            ]
        }
    ]

DPPConf

多路召回重排（MultiRecallMixSort）

一般情况下，我们会有很多路召回，有时根据业务运营需求，需要根据召回的类型进行混合输出，比如

• 对冷启动召回有曝光数量的要求

• 多某一路召回有位置的要求

也可能包括多个混排规则。

配置如下

"SortConfs":[
            {
                "Name":"MixSort",
                "SortType":"MultiRecallMixSort",
                "RemainItem":false,
                "MixSortRules":[
                    {
                        "MixStrategy":"random_position",
                        "NumberRate":0.1,
                        "RecallNames":[
                            "OTSGlobalHot"
                        ]
                    },
                    {
                        "MixStrategy":"fix_position",
                        "Positions":[
                            1,
                            3,
                            5
                        ],
                        "RecallNames":[
                            "RecallName1"
                        ]
                    }
                ]
            }
        ]

除了使用召回名称来匹配条目进行过滤，还可以使用条件过滤筛选出 item , 然后进行曝光。

"SortConfs":[
    {
        "Name":"MixSortByItemFeature",
        "SortType":"MultiRecallMixSort",
        "RemainItem":false,
        "MixSortRules":[
            {
                "MixStrategy":"random_position",
                "NumberRate":0.1,
                "Conditions":[
                    {
                        "Name":"gender",
                        "Domain":"item",
                        "Type":"string",
                        "Value":"man",
                        "Operator":"equal"
                    }
                ]
            }
        ]
    }
]

如何使用

重排配置和召回配置类似，配置好之后，提供一个分场景使用的SortNames，SortNames是一个 Map[string]object结构，其中key是场景，每个场景对应一组重排策略

"SortNames": {
  "default": [
    "ItemRankScore"
  ]
}

• default 为场景名，如果场景没有显式的配置，则使用"default"的配置。

• ItemRankScore：此参数为在SortConfis中定义的重排的自定义名称。