PAI-Rec引擎重排打散的配置案例-人工智能平台 PAI(PAI)-阿里云帮助中心

在推荐系统的重排阶段，主要目标是平衡推荐质量（相关性）与用户体验（多样性）。以下是针对您提供的配置项的具体说明（在真实业务中未必合理，仅作为本文配置案例使用）：

1、对叶子类目和品牌重排打散

为了防止同一类目或同一品牌的商品过于集中，导致用户视觉疲劳，我们通过“滑动窗口”机制进行打散。

核心逻辑：在指定的窗口大小（WindowSize）内，限制特定维度的商品出现次数（FrequencySize）。
参数详情：
- DiversitySize (20)：仅对推荐列表前 20 个商品执行打散逻辑，保证头部流量的体验。
- 规则 A （叶子类目打散）：
  - 维度：category_id（后台一级类目/叶子类目）。
  - 约束：在连续的 5 个商品中，同一个类目的商品最多只能出现 1 次。
- 规则 B （品牌打散）：
  - 维度：brand_id（品牌 ID）。
  - 约束：在连续的 4 个商品中，同一个品牌的商品最多只能出现 1 次。
  配置建议：若您的商品库较小或特定类目权重极高，过严的打散（如 WindowSize 过大）可能会导致整体点击率下降。建议参考 PAI-Rec 官方文档了解更多重排插件细节。

 {
    "Name": "CategoryDiversityRuleSort",
    "SortType": "DiversityRuleSort",
    "DiversitySize": 20,
    "DiversityRules": [
        {
            "Dimensions": [
                "category_id"
            ],
            "WindowSize": 5,
            "FrequencySize": 1
        },
        {
            "Dimensions": [
                "brand_id"
            ],
            "WindowSize": 4,
            "FrequencySize": 1
        }
    ]
}

2、根据用户性别和商品性别匹配的时候加权

通过配置规则，对符合特定条件的商品进行分值提权，以实现精准的人货匹配。

核心逻辑：当用户的性别标签与商品的性别属性一致时，动态提高该商品的最终排序分。
参数详情：
- 判断条件 (Conditions)：
  1. item.gender != nil 且 user.gender != nil：确保双方性别数据不为空。
  2. item.gender == user.gender：匹配用户与商品的性别。
- 提权公式 (Expression)：score * 1.5。
  - 效果：匹配成功的商品，其排序分将提升 50%，显著增加其进入推荐列表前排的概率。

{
    "Name": "BoostScoreSort",
    "SortType": "BoostScoreSort",
    "Debug": false,
    "BoostScoreConditions": [
        {
            "Conditions": [
                {
                    "Operator": "expression",
                    "Value": "item.gender!= nil and user.gender != nil and item.gender==user.gender"
                }
            ],
            "Expression": "score * 1.5"
        }
    ]
}