本地日子归纳性需求图谱（GENE: lifestyle GEneral NEeds net），是从用户需求视角启航，深化挖掘本地日子场景下用户多样化的需求，并将其与多作业、多类型的供应构成相关的常识图谱，旨在前进安全教育渠道途径供需匹配功率，助力事务增加。本文介绍了本地日子归纳性需求图谱的布景、系统规划和触及的算法实践，并展现了在美团多个事务线的运用落地，期望给咱们带来一些协助或启发。

一、布景

1.1 事务现状

以“帮咱们吃得更好，日子更好”为使命，美团掩盖了外卖、餐饮、酒店、民宿、旅行、门票、电影/扮演后端、休闲/玩乐、丽人、医疗、亲子、教育、成婚、产品日子服务等数百个作业，满意数以亿计用户的多样化日子服务需求。为了持续添产品艺术设计加途径价值，除安全工程专业了推动用户和商户在数量和质量上的不断前进之外，更高效地匹配用户需求和商户供应也是重要抓手之一。

为了前进匹配的功率，咱们需求更充沛、深化地了解用户需求和商户供应，而且查验产品设计从用户视角启航来安排和处理供应。当时，“作业-类目-商户-产品后端工程师首要做什么”是一种较为常见的供应安排和阿里巴巴云客服处理办法，可是跟着事务和作业的快速发展，这种安排安全期是哪几天办法带来的痛点日渐突显，举例安全期是哪几天来说：

  • 部分指向性不明晰的用户需求，较难得到合适的匹配效果。例如“周末陪宝宝去哪儿玩？”因为途径的匹配效果不抱负，用户往往只能安全教育渠道登录在线下完毕类目挑选计划，挑选带宝宝去农家乐烧烤，再到途径上查找相应的农家乐团购。
  • 部分需求跨多个类目，匹配进程不行流转。例如“周末和朋友去哪里放松一下？”用户在线下完毕类目挑选计划后，可选类目包括KTV、酒吧、密室、桌游等，但各类意图承载页面相互阿里巴巴网页版独立，用户需求在承载页面间来回切换。产品设计专业
  • 在部分指向明晰的类目中，用户依然难以找到满意自己需求的供应。例如在医美类目下，因为短少相关常识，安全工程专业用户往往并不了解商户供应的形形安全期是哪几天色色的服务项目别离具有什么成效，合适什么部位，应该运用什么材料，无法高效地找到合适自己的服务供应。

上述问题的本质原因在于供应的安排办法后端组首要是从作业视角启航，没有充沛考虑到用户视角。在当时以满产品艺术设计专业足用户需求为首要政策的商场环境下，咱们需求迭代完善现有的供应安排办法。

1阿里巴巴下载.2 问题解析

为了处理上述阿里巴巴云客服问题，咱们查验从一个外部视角，结合第一性原理去进行分析。在整个人类社会中，依照马斯洛阿里巴巴云客服需求层次[1]的理论，人的需求是能够被归纳及分层的。假定将人类社会看作一个阿里巴巴集团系统，人类在其间一个称为“商场”的子系统中，通过生意来满意自己的需求。

人类从需求层次启航，在商场中完毕生意，究竟需求得以满意，那么在商场中生意的进程能够被拆解为“起阿里巴巴集团心动念->考虑->挑选点评->生意购买->履约/服务”。而且，经由前三个阶段，用户的需求逐渐从粗产品艺术设计粒度演变为细粒度，从笼统过渡到具象。下面将结产品批号是出产日期吗合详细的比方来进行解后端开发需求把握哪些常识读：

  • 需求层次：在马斯洛需求层后端开发需求学什么次中有一个情感层次，对应了人类丰盛多样的情感需求，包括亲情、阿里巴巴集团友情、爱情等等。作为一个母亲，与自己的宝宝之间往往存在一种激烈的母子情，而且期望不断去强化这种情感。
  • 起心动念：为此，母亲往往都会极力花较多的时刻去随同宝宝。通过增加随同办法的维度，变为“陪宝宝安全期计算器玩”；通过增加时刻、空间等维度，变为“周末陪宝宝去哪儿玩？”
  • 考虑：关于上述问题，母亲会找出许多种计划，比方野外烧烤、农家采摘、主题公园阿里巴巴集团等等。当她挑选选用野外烧烤这一计划时，便会转化为详细的产品需求安全教育渠道，如购买后端烤架。
  • 点评挑选：母亲所以在可触达的供应规划中进行挑选。正如人们常说的货比三家，挑选的依据会各不相同，如价格、质量、口碑等等。
  • 生意购买：当完毕挑选之后，母亲便会进行生意，以沟通产品或服务。
  • 履约服务：安全教育渠道登录即产品到货、完毕服务等等。

商场是人类社会的一个子系统，电商途径则是商场中的一个子体强化学习系。一同，电商途径是阿里巴巴招聘一种线上化的子系统，它供应了产品查找、推荐等办法的供应检索才华。当时的一个现状是安全教育：用户往往在线下完毕了“起心动念”到产品批号是出产日期吗“考虑”的进程，转化为详细的产品/服务需求，随后进入电商途径完毕“挑选点评”到“履约服务”的后续进程（如下图1所示）。而电商途径往往集合于后三个阶段的才华前进，简单疏忽前两个阶段。

本地日子归纳性需求图谱的构建及使用

因而，用户较难构成在途径上完毕“起心动念”和“考虑”的心智，而大部分电商途径按“作业-类目-商户-产品”的办法对供应进行安排和处理。究竟，用户和电商途径之间构成了一种相互掣肘的联络。

事实上，相关于“烤架”这种明晰的产品需求，阿里巴巴网页版用户还有许多笼统的、含糊的、产品批号是出产日期吗不明晰的需求，依然停留在前两个阶段。例如，周末陪宝宝去哪儿玩？周末和朋友去哪里放松一下？成后端开发婚前怎样才华让自己变得更美？暑假怎样培育孩子的着手才华？一同，这样的需求往往跨过多个类目，或许在同类目下存在多种挑选。

电商产品司理途径只需打破既有的掣肘联后端不支持cors络产品，向用户供应前两个阶段（起心动念、考虑）的才华，才华进阿里巴巴1688货源批发官网一步满意用户的需求。用户的挑选计划本钱进一步下降，挑选计划进程更加联接强化学习，用户体会也能得到相应的前进，一同用户在商安全期是哪几天场中的生意进程也能够进一步完毕线上化。

以“工安全教育作-类目-商户-产品”作为参后端看，假定电商途径能够辨认出用户在前两个阶段的需求，而且在其和供应之间建立新的相相联络，辅以查找、推荐等检索才华，用户便有阿里巴巴或许在线上完毕前产品设计作业方向两个阶段。而常识图谱作为一种提醒实体之间联络的语义网络，用以处理上述问题显得尤为合适。

二、处理计划

2.1 处理思路

连续1.2中安全工程专业的比方，后端这位母亲将“周末陪宝宝去哪儿玩？”的需求转化为详细的“野外烧烤”需求，延伸至更为详细的“烤架”和“农家乐产品生命周期团购”需求。此时，母亲便会别离前往各类什后端言语物电商途径以及以美团为代表的日子服务电商途径进行“挑选点评”。两种电商途径别离在什物阿里巴巴云客服供应池或服务供应池中选用查找、推荐之类的召排技能定位到详细的产品/服务，并反馈给这位母亲。

关于1.2中的所述，技能团队期望到达的意图，现在比较有代表性的参看事后端开发需求把握哪些常识例是阿里巴巴安全工程电商认知图谱AliCoCo[2]。它根产品设计本构建思路是从用户视角启航，先进行各种类型的原子词挖掘，再进一步对原子词进行组合和挖掘出相关候选短语，再从中辨认出实在的用户需求，究竟相关至相应的供应。它的层次结构如图2所示：

  • 分类层：构建完备的分类系统，包括了的大千世界的各种分类，既阿里巴巴1688货源批发官网有通用的空间、时刻等类别，也有电商中触及的色彩、功用以及最为重要的品类等类别。
  • 原子概念层：在分类层许多类别的基础上进行扩展，包产品设计专业含了各种类别下的原子概念（例如空间->野外、事情->烧烤、时刻->圣诞节、色彩->赤色、功用->保暖、品类->连衣裙）及原子概念之间的联络。
  • 电商概念层：在原子概念层之上，包括了由原子概念组成或直接挖掘的短语粒度的用户购物需求，即电商概念（例如野外烧烤），然阿里巴巴云客服后将用户购物需求显式地用一个契合自然言语的短语标安全明。
  • 产品层：包括了产品与各种原子概念、电商概念之间的相相联络（例如野外烧烤->烤架、黄油、锡纸）。

本地日子归纳性需求图谱的构建及使用

依据上产品司理述图谱，这位母亲能够直接在天猫上表达“野外烧烤”的需求，而非更详细的“烤架”；天猫也会将烤架后端开发需求把握哪些常识以外其他和野外烧烤相关的重要产品反馈给这位母亲。从对应联络来看，AliCoCo的电商概后端组念层对应至“考虑”阶段，产品层对应至“挑选阿里巴巴网页版点评”阶段。明显，因为AliCoCo的存在，天猫能够从“考虑”阶段开始介入用户的生意进程。

由此推论，咱们应该能够将图谱构建得更为无缺，以掩盖“起心动念”阶段。在此阶段，人类的需求，按马斯洛安全教育渠道登录需求层次，通过增加后端言语一个或多个维度绑缚，而被逐渐具象化。关于这样的维度绑缚，咱们统称为“场景绑缚”。因而，咱们将“考虑”阶段对应的需求称为“具象需求”；将“起心动念”阶段对应的需求称为“场景需求”。为此，咱们期望构建一个本地日子归纳性需求图谱（GENE：lifestyle GEneral N后端Eeds net），如下图3所示。关于本地日子场景下所触及的数百个归纳性作业，咱们以为新的供应安排办法更能接近用户需求，也是从用户视角去处理供需匹配的问题。

本地日子归纳性需求图谱的构建及使用

2.2 详细计划

连续2.1中的构建思路，咱们查验构建一套多层次的图谱结构，并将“具象需求”和“场景后端工程师首要做什么需求”拆分为独立的层产品运营次，既避免了两种类型的需求合在同一层级中而引起稠浊，又能对用户场景化的需求进行更详尽的拆解、更丰盛的描绘。本地日子归纳性需求图谱（GENE），首要由六部分构成，包括场景需求层、场景要素层、具象需求层、需求政策层、作业系统层后端组和供应层，如下图4所示：

本地日子归纳性需求图谱的构建及使用

在场景需求层，咱们用Human-Readable的短句来表征场景化的用户需求，如“国庆节陪3岁宝宝去哪玩”、“成婚前让自己变得更美”、“小学生前进思想安全教育渠道登录才华”等。一个场景需求的后端开发薪酬一般多少表述中，一般会包括人物、意图、时刻、空间、办法等要阿里巴巴网页版素，以“国庆节陪3岁宝宝去哪玩”为例，“3岁宝宝”是人物，“陪宝宝玩”是意图，“国庆节”是时刻。

在场景要素层，为了更好地表达场景需求，咱们将这些短句进行拆解，细化成多个细粒度的词汇，用这些词汇对场景需求中的人物、意图、时刻、空间、办法等要阿里巴巴网页版素进行无缺的掩盖和系统的安排，咱们将其称为“场景要素”。

在具象需求阿里巴巴1688货源批发官网层，因为场景需求的表述往往并不显式地指向某个详细产品生命周期的服务/供应，而是隐含了一批潜在的合适这一场景的服后端务/供安全工程给。例如，在“国庆阿里巴巴1688节陪3岁宝宝去哪玩”这个比方中，野外烧烤、喂羊驼、玩滑梯、骑小马等都是合适这一场景需求的详细服务。所以咱们需求将全部这些详细的服务通过短语的办法显式的展现出来，这些短语直接反响了用户详细的服务需求，被称之为“具象需求”。

在需求政策层，为了进一步的了解具象需求，咱们将具象需求分为详细的服务需求所对应的政策，咱们称之为“需求政策”，以及该服务中用户和政策之间的交互行为。例如，关于具象需求喂羊驼，可后端开发需求把握哪些常识以分为羊驼（需求政策）和喂（服务交互），因为本地日子服务的多样性，环绕羊驼这一需求政策，除了喂羊驼外，还能够发生后端开发触摸羊驼、骑羊驼和看羊驼表产品设计演等多种具象需求。这一层除了包括需求政策节点外，也会包括需求政策的特征信息，以对需求政策进行更详尽地描绘。例如关于具象需求野外烧烤，可分为烧烤（需求政策）、野外（需求政策特征安全工程）和体会（隐含的服务交互）。

在作业系统层，因为用户的场景需求和具象需求往往产品运营会跨过多个传统的服务类目，为了给用户需求承认一个详细的事务规划，咱们还需求构建出各作业触阿里巴巴及的类目系统，作为上述各层构建的事务基础。

在供应层，包括内容这类安全工程专业虚拟供应和商户与产品这类实体供应，这些供应将会和具象需求和场后端工程师首要做什么景需求等节点进行相关，然后为用户需求供应相对应的供应支撑。例如，一个供应野外烧烤的供产品设计作业方向给将会相关上具象需求“野外烧烤”，并进一步相关上场景需求“国庆节陪3岁宝宝去哪玩”。

综上所述，在本地日子归纳性需求图谱中，用户场景化的需求和详细的服务需求被别离表到达短句等级的场景需求和短语等级的具象需求。这两种需求别离通过场景要素和需求政策进行表达。究竟，不同类型的供应都会和场景需求和具象需求相相关，然后以用户需求为枢纽，前进供应和用户的匹后端开发需求把握哪些常识配功率。

三、完毕办法

当时，本地日子归纳性需求图谱现已开始包括安全期计算器了用户在玩乐、医美和教育三个本地日子相关作业中的多元化需求。咱们在图谱的构建进程中，自底向上依照作业系统层、需求政策层、具象需求层、场景要素层、场景需求层的次序逐层进行构建，并将各层的节点与各种类型的供应建立相相联络。产品批号是出产日期吗下文将以玩乐作业为例，对图谱每一层的构建细节以及触及的算法进行介绍。

3.1 作业系统层

3.1.1 作业类目树的构建

在玩乐工阿里巴巴下载作中，作业系统层包括了能够供应玩乐服务的类目，类目信息通过一个树形结构来表征。因为玩乐作业系统的构建，对专家常识的要求非常高，而且这部分的规划对后续各层的常识挖掘至关重要，因而咱们没有直接进行人工界说，而是以当时咱们成熟的作业类目树为基础，通过对其进行剪枝和分裂来构建。

首要在类目树中挑选出和产品艺术设计玩乐相关的一级类目节点，包括“休闲文娱”、“亲子”、“旅行”、“餐饮”等。关于每个一级类目，咱们进一步挑选其和玩乐相关的下一级类目直至叶子类目，并剪去与玩乐无关的类目。此外，咱们还对剪枝后的类目树中能够细分的玩乐相关的叶子类目进行分裂，例如将“洗浴”细分为“私汤”、“洗浴中心”等，究竟得强化学习到无缺的玩乐作业安全类目树。

3.1.2 类阿里巴巴招聘意图供应相关

承认了类目树后，咱们还需求获取实体供应（商户和产品）和虚拟供应（内容，例如后端是做什么的UGC）与类意图隶属联络，然后为后续的一系列挖掘供应数据支持。因为产品和内容均可强化学习链接到商户，所以咱们只需求获取商户与类意图隶属联络即可。玩乐产品类目树是对咱们已有的类目进行剪枝和分裂得到的，除了分裂出的新类目外，其他类目安全和商户的联络均可直接承继原有的效果。关于新分裂的类目，咱们则需求从头构建商户和其之间的隶属联阿里巴巴登录主页络。

要判别一个商户归于哪个类目，最直观的依据就是商户名、产品名及产品概略，可是许多商户的商户名和产品包括的信息往往较少，添阿里巴巴下载加了类目判别的难度。为了确保商户类目判别的准确性，阿里巴巴咱们引进更多的商户信息，包括商户UGC和商户画像，规划了一个多源异构数据交融后端开发需求学什么判别模型，全体模型结构如下图5所示：

本地日子归纳性需求图谱的构建及使用

其间，不同来历数据的特征提取和处理办法如下：

  • 商户名、产品名及产品概略：均为文本数据，直接通过BERT[3]提取文本特征后输出。
  • 商户UGC：因为商户的UGC往往数量非常多，为了对其信息进行有用运用，首要通过Doc2Ve安全工程c[4后端开发需求学什么]的办法进行Encod安全教育渠道登录进口e得到UGC的特征后阿里巴巴1688，再通过一个Self-Attenti后端开发是干什么的on[5]模块进行特征处理后输出安全工程专业。
  • 商户画像：转成One-Hot特征后，通过全联接层进行非线性映射后输出。

上述三种特征相联接后进行交融，通过全联接层和softmax层完毕毕后端开发需求学什么竟的类目判别。依据多源数据的交融建模，商户信息得到了充沛运用。以洗浴细分类目为例，仅运用商户名、产品名及产品概略数据，依据BERT判别，准确率为92%，而依据多源交融模型判别后，准确率前进到98%。

3.2 需求政策层

在需求政策层，咱们期望能够挖掘出玩乐作业系统中各类目触及的玩乐政策词作为该层的节点，这些词能够描绘出用户在实践玩乐进程中的交互政策，这是用于组成具象玩乐需求的基础。为了确保玩乐政策挖掘的全面性，咱们选用多源多办法的办法。

在数据上，咱们选用来自商产品运营户和用户的相关文本作为挖掘语料。在办法上，咱们选用两种办法来挖掘玩乐政策词：

  • 第一种是无监督的扩展，在开始挖掘前运营会首要依据经历，供应一些玩乐政策词作为种安全期计算器子输入，咱们提前运用语料构建无监督的Skip-Gram结构的Word2Vec模型，对事务输入的种子词提取词向量，并结合余弦类似度，快速扩展相关的政策词。
  • 第安全工程二种是有监督的标明，咱们将其界说序列标明问题，选用依据BERT+CRF的模型，在语猜中自动辨认出新的方阿里巴巴针词。

在实践进程中，为了更高效的挖掘，咱们将无监督环节扩展和后端开发质检后安全教育渠道的政策词在语猜中进行文本匹配，后端开发需求学什么并将匹配效果转化为有监督标明环节的练习样本；一同关于有监督标明的效果，通过运营质检后，也会将其作为无监督扩展的输入，通过两个环节相结合，咱们完毕玩乐政策的挖掘，无缺流程如下图6所示。此外，在运营人工审理玩乐政策词的进程中，关于一些事务已知的中心玩乐政策，也会直接输入事务侧现已沉积的相关特征作为其特征，进一步完善玩乐政策的信息，例阿里巴巴1688货源批发官网如关于“剧本杀”这一玩乐政策，增加相应的“实景”和“桌面”等类型特征。

本地日子归纳性需求图谱的构建及使用

在获取政策词后，咱们还需求知道政策词归于哪个类目，以便下一步的具象需求挖掘及供应相关，为此产品生命周期咱们构建政策词和类目之间的联络安全期计算器。通过各类目下的语料文本中提及政策词的次数来衡量两者联络，是最直观且准确率最高的办法。因而，咱们直接运用政策词在每个类目下的语猜中进行文本匹配产品设计作业方向，通过词频凹凸来承认联络。一同，咱们进一后端是做什么的步构建政策词之间后端不支持cors的上下位和同义联络，当时常见的有通过投影和分类（如BERT句间联络模型）等办法来进行联络判别等有监督办法。在实践进程中，咱们选用规矩辅佐人工的办法，依据政策词的核算特征及Pattern共现的效果教导人工快速完毕构建。

3.3 具象需求层后端开发需求把握哪些常识

3.3.1 具象需求挖掘

具象需求层能够看成是用户在玩乐作业中的详细服务需求的调集，每个具后端开发需求学什么象玩乐需求是该层的一个节点，由玩乐政策叠加用户与政策之间的多元化的交互行为及政策描绘信息得到，它通过短安全工程专业语的办法表达出用户关于玩乐服务供应的本质诉求。详细玩乐需求挖掘的流程流程能够分为两个进程：

  1. 候选短语生成：环绕玩乐政策词，生成许多包括玩乐政策的短语，作为具象玩乐需求候选集。
  2. 短语质量判别：建立一个语义判别模型从候选会合提取实在的具象玩乐需求。产品运营

候选短语生成

在进程1中，安全期计算器首要咱们以需求方安全期计算器针词为中心，选用与玩乐政策挖掘相同的语料，进行候选短语的生成。常用的短语挖掘算法如AutoPhrase[6]，是以Ngram来进行短语组合，而这种办法关于有需求政策的短语显得过于冗余，所以咱们考虑依据句法结构来进行短语挖掘。

为了使生成短语契合句法的要求，咱们以预设的句法联络为模板进行挖掘。在大规划语猜中为了更高效地挖掘句法联络，咱们依据更简便的ELECTRA[7]预练习模型获取产品艺术设计专业语句各成分的Embedding后，再运用BiAffine[8产品司理]猜想安全工程其句法联络。通过依存句法后端开发分析，咱们在各个类意图语猜中挖掘出包括相应的玩乐政策且契合句法联络的短语。此外，需求政策层中政策的特征也会被用作政策描绘进行短语生成。究竟全部挖掘的短语，通过词频等核算强化学习特征粗筛后将作为具象玩乐需求的候选集，挖掘示例如图7(a)所示。

本地日子归纳性需求图谱的构建及使用

短语质量判别

在进程2中，通过进程1获取的候选集短语虽然契合预设的句法联络，可是从语义上依然存在许多与用户实践需求不符的表述，通过抽检分析咱们发阿里巴巴下载现契合要求的短语短少10%。怎样从海量的候选短语中挑选出反映实在的用户具象玩乐需求的短语成为亟需处理的问题。

Au产品设计toPhrase通过依据短语核算特征的判别模型进行短语打分，可是仅通过核算特征难以辨认语义质量低的短语，为此咱们进一步依据核算和语义特征联合产品艺术设计建模，构建一个Wide&Deep[9]结构的判别模型，对候选调会合的短语是否为具象玩乐需求进行判别，咱们期望判别模型能过滤掉许多的低质短语，然后为运营节约许多的人力本钱。判别模型的全体结构如图7(b)所示，其间：

  • Wide部分，安全教育渠道登录进口提取候选短语的大局和上下文的核算特征，通过全联接层进行非线性映射后输出。
  • Deep部分，提取候选短语的深度语义特征，通过BERT完毕相应特征的提取后输出。

上述Wide和Deep部分输出的特征相联接后进行交融，优势互补，通过全联接层和softmax层来完毕究竟的短后端组语判别。在实践进程中，除产品设计专业了直接运用现已堆集的短语标签作为正样本外，咱们还通过预设一些常识性的Pattern从候选会合结构正样本，例如赏识[植物]、触摸[动物]，并对候选集采样结构负样本，完毕初版模型的练习，之后结合自动产品艺术设计专业学习，通过多阿里巴巴轮迭代，模型究竟到达92%的召回率和85%的准确率。通过质量判别后保存的短语则会交由运营人工审理提炼后成为究竟的具象玩乐需求。

3.3.2 具象需阿里巴巴求的供应相关

在具象需求层中，因为具象玩乐需求是由玩乐政策得到的，所以两者之间天然地建立了对应联络。而关于具象玩乐需求之间的上下位和同义联络，则能够依据其政策之间的联络及强化学习其句法联络，在人工审理的环节来辅佐人工完毕构建。除此之外，更重要的是需求将具象玩安全期是哪几天乐需求与实体供应（商户和产品）及虚拟供应（内容，例如UGC）进行相关。

咱们将这个问题笼统为一个语义匹配的问题，通过具象玩乐需求与其对产品司理应的类意图供应的文本信息进行匹配来完毕，其间，商户运用商户名文本信产品司理息，产品运用产品名和产品概略文本信息，UGC运用阿里巴巴云客服其自身文本信息。因为UGC和产品归于商户的一部分，所以具象玩乐需求与UGC/产品的联络也会参加其与商户联络的构建中。全体匹配流程如下图8所示，咱们首要进行具象玩乐需求与UGC/产品的匹配，在此基础上再结合商户名文本的匹配效果，一同通过规矩聚合后相关到商户。

本地日子归纳性需求图谱的构建及使用

因为具象玩乐需求数量很多安全教育渠道，一同供应的文本信息一般包括多个子句，出于功率和效果的平衡考虑，咱们将匹配进程分为了召回和排序两个阶段。

在召回阶段，咱们粗筛出和具象玩乐需求或许有潜在相关的子句。关于具象玩乐需求，安全工程专业咱们依据构建后端开发的同义联安全期是哪几天络，扩展具象需求的同义标签，并将其与子句文本进行粗粒度Pattern匹配，关于匹配中的子句则将进入到排序阶段进行精细化的相相联络核算。

在排序阶段，咱们构建依据B产品设计作业方向ERT句间联络分类的语义匹配模型，通过在BERT后增加全联接层和softmax层来完毕分类。模型通过对召回阶段得到的粗筛样本进行猜想，辨认两安全者在语义阿里巴巴上的匹配联络（相关/不相关）。究竟供应相相联络的阿里巴巴平均召回率和准确率别离到达90%和95%。

3.4 场景要素层

3.4.1 场景要素拆解

场景要素层包括了组成用户场景化需求的场景要素。如文初提及，要描绘一个场景，需求奉告特安全定的人物、时刻、空间、意图等要素。例如，关于“国庆节陪3岁宝宝去哪儿玩？”这个场景化需求，咱们可做如下拆解：时刻-国庆节，人物-3产品运营岁宝宝，意图-亲情随同（陪宝宝玩）。所以咱们依照上述办法，对场景要素进行拆解，以期对场景要素的挖掘和整理尽安全或许的全面与系统。

3.4.2 场景要素挖掘

完毕了场景要素拆解后，下阿里巴巴一步就是要别离在每个拆解的类别中进行场景要素的挖掘。场景要素作为具象需求的场景化的信后端息，往往来自于用户的直观感受，所以挖掘的语料咱们挑选与具象玩乐需求相关的UGC的上下文语料。与需求政策挖掘的办法类似，咱们将每个类别的已提炼总结的场景要素作为种子词，经阿里巴巴集团过相关要素扩展后端开发需求把握哪些常识和序列标明的办法完毕场景要素的阿里巴巴招聘挖掘。

承认场景要素后，接下来的关键是完毕场景要素与具象玩乐阿里巴巴1688货源批发官网需求的联络构建，即关于每个场景要素，找出其合适的具象玩乐需求，如春季合适赏识樱花、孩子合适靠近动物。咱们通过对UGC文本分析后发现，UGC中用户提到某一具象玩乐需产品设计作业方向求的一同，往往也安全期计算器会奉告一些相后端言语关的场景要素信息，所以咱们持续挑选与具象玩乐需求相关的UGC的上下文语料，作为联络构建的数据来后端开发薪酬一般多少历。

开始咱们选用后端开发薪酬一般多少依据Pattern的办法，通过归纳可用于判别场景要素和具象玩乐需求联络的Pattern，从语猜中直接抽取包括两者的文本。但因为用户表达阿里巴巴登录主页的多样性，不只准确率无法确保，一同有限的Pattern也影响了召回，因而咱们进一步查验运用依据模型判别的办法前进泛化性，完善联络的构建。

本地日子归纳性需求图谱的构建及使用

因为咱们运用的语猜中的具象玩乐需求是已知的，假定将场景要素看成是具象玩产品质量法乐需求的特征，那么问题就能够看成是一个特征级（A后端开发需求把握哪些常识spect-Based）的分类问题。参看特征级情感分类的做法[10]，咱们通过预设语句模板的办法，结合场景要素和具象玩乐需求结构出安全教育渠道登录辅佐语句，将特征级分类转换为一个类QA的句对分类问题。例如，关于现已相关了“喂羊驼”这一具象玩乐需求的某个语料：“这个周六咱们到农家乐喂了羊驼”，其间一个辅佐语句为“周末合适喂羊驼”。

咱们选用BERT句间联络分类模型来完毕句对分类，如图9所示。辅佐语句与语料文本通过[SEP]相连后输入模型进行判别，模型输出判别效果（合适/不合适）。究竟咱们依据在全部语料上的联络提取效果，对每个场景要素和具象需求之间的联络进行投票核算评分后来承认两者的联络。

3.5 场景需求层

3.5.1 场景需求拼装

在场景需求层，咱们会将场景要素层和具象需求层的信息进行拼装，然后生成许多的产品艺术设计专业场景需阿里巴巴1688货源批发官网求。拼装出的场景需求，既或许仅含场景要后端开发素，如“国庆节陪3岁宝宝去哪儿玩？”产品艺术设计不含产品设计作业方向任何具象需求，又能够一同包括场景要素和具象需求，如“周产品生命周期末去郊外摘草莓”中，周末、郊外后端开发薪酬一般多少是场景要阿里巴巴云客服素，摘草莓是具象需求。

3.5.2 场景需求判别

关于拼装得到的场景需求，最重要的是确保其合理性，例如“周末”和“亲子”就是合理的玩乐场景产品生命周期，而“闺蜜”和“亲子”则是敌对的玩乐场景。为此，咱们首要需求核算场景要素之间的联络评分，然后教导场景需求的拼装。场景要素只需依托具象需求，搭配上合适的玩法，参加拼装的场景需求才有意义。因而，关于场景要素之间的合理联络构建，咱们查验以场景要素和具象需求的阿里巴巴招聘联络得分作为依据，通过联络传递点评两个场景要素之间的相关性。

在3.4.2节中，咱们现已量化了场景要素和具象需求之间的联络评分，一个最直观阿里巴巴股票的主见是通过场景要素-具象需求-场景要素的联络传递来进行核算场景要素之间联络的核产品设计算。如图10(a)所示，以具象需求“喂羊驼”为枢纽，阿里巴巴1688能够获取“亲子”和“闺蜜”两个场景要素的联络得分。

咱们首要构建场景要素和具象需求的联络评分矩阵，考虑到玩法数量满意长尾散布的状况，对矩阵进行具象需求维度的列归一化处理，一同为了确保场景要素-场景要素矩阵的自相联络数为1，对归一化后的场景要素-具象需求矩阵进行L2行范数归一化处理，因而阿里巴巴1688该归一化矩阵与自身转置的矩阵乘得到的新矩阵即可作为场景要素-场景要素的联络评分矩阵。

本地日子归纳性需求图谱的构建及使用

通过上述办法能够很快得到场景要素之间的联络评分，可是该办法仅以场景要素-具象需求-场产品生命周期景要素的联阿里巴巴股票络传递方式，核算场景要素在具象需求上的直接共指强产品设计作业方向弱阿里巴巴1688货源批发官网，导致场景要素联络的掩盖短少。为此，咱们扩展为更长的节点联络链传递方式，这阿里巴巴1688种节点之间的传递联络是恪守马尔可夫性质的，如图10(b)所示。可是跟着产品设计专业传递途径的增加，产品质量法核算本钱会呈指数级增加。所以咱们选用强化学习[11]中的One-阿里巴巴1688Step时序差分办法进行求解产品司理，以“累计报答的期望最大化”的概念作为节点的价值，以场景要素节点调集作为强化学习概念中的状况空间，具象需求节点调后端集作为动作空间。

例如当咱们处在“亲子”场景要素这个状况下，能够通过挑选“喂羊驼”安全教育渠道或许“角色扮演”来跳转到下一个状况“闺蜜”或“野外”。该状况跳转进程的后端工程师首要做什么挑选计划函数，依据当时场景要素状况相关的全部具象需求中随机抽取一阿里巴巴个具象需求节点作为挑选计划行为，抽取后端组概率与得分正相关；状况搬运概率则为在该具象需求节点挑选计划下，随机跳转到与之相相关的场景要素，跳转概率与得分正相关。

一同，关于特定的互斥联络，咱们依据实后端不支持cors践的事务运用后端开发需求拟定奖赏矩阵完毕多样化的场景要素联络评分模型。这样咱们将节点联络传递模型转阿里巴巴股票化为了马尔可阿里巴巴股票夫挑选计划模型，结合贝尔曼最优原理推导出的价值迭代表达安全工程专业式和节点对联络得分安全出产法猜想公式，如图10(c)所示。依据图示的公式，在保持战略阿里巴巴集团不变的前提下选用自举迭代的思想核算节点的价值，并进一步核算场景要素之间的联络评分，既能够确保更充沛产品设计专业的运用已有的联络网络信息，前进联络掩盖，又能通过奖赏矩阵的绑缚联络下降互斥联络的影响，灵活习气不伙伴务的需求。

究竟依据场景要素之间的联络评分，咱们从拼装的场后端开发是干什么的景需求调会合挑选评阿里巴巴1688货源批发官网分高的场景需求，并依据预设的模板生成究竟的场景需求表达，例如“周末和朋友放松”、“和闺蜜一同玩”、“国庆后端是做什么的节带孩子野外烧烤好去处”。这些场景需求通过其包括的场景要素/具象玩乐需求，能够链接到相应的具象玩乐需求，从而相关相关的供应，然后给用户供应场景化玩乐的处理计划。

四、运用实践

本地日子归纳性需求图谱安全教育渠道登录，包括了用户的场景需求和具象需求，一方面更前置地安全出产法参加用户挑选计划，在“起心动念产品艺术设计”、“考虑”、“挑选点评”等多个阶段影响用户，下降其挑选计划本钱，另一方面，供应更多样化的供应挑选，高效地进行供需匹配。运用办法上，运用于查找、推荐等各类事务形状。

通过近一年的制造，当时归纳安全教育渠道登录性需求图谱包括数十万中心具象需求和场景需求节点，以及数千万的联络，并在美团的亲子、休闲文娱、医美、教育培训等多个事务进行了开始的运安全出产法用实践，下面举例介绍详细的运用办法和运用效果。

4.1 亲子

亲子原频道页用户需求和供应之间匹配功率低下，产品设计专业其间ICON后端开发需求把握哪些常识依照亲子传统类目差异，无法满意用户不同类型后端工程师首要做什么的需求（图11(a)左），而底部猜喜的供应形状单一，且表产品设计专业现用户需求的优质供应短少，挑选计划信息短少（图11(b)左），因而对亲子频道页进行改版。为了贴合亲子的事务特征，咱们阿里巴巴云客服将亲子玩乐相关的需求节点和联络，运用于频道改版后的多个流量位，为其供应标签和供应数据的支撑。

本地日子归纳性需求图谱的构建及使用

其间，关于ICON，依据高频的场景和具象需求，跨类目生成需求ICON，如“靠近动物”、“带娃落空”等（图11安全工程专业(a阿里巴巴网页版)中）及相应二级页（图11(a)右），这些ICO后端开发需求把握哪些常识N包括了本来多个类目中的类似需求，在用户“考虑”阶段为其供应挑选计划信息。

关于底产品部推荐，咱们环绕亲子玩乐的具象需求进行供应优化，将其相关的内容作为优质供应进行推荐，并为每个供应提取包括相应具象需求的文本，作为推荐理由暴露，这些语句从用户实践需求的角度展现信息，极大安全出产法地招引了用户（图阿里巴巴网页版11产品设计专业(b)右）。此外，还产品批号是出产日期吗进一步依据浏览和生意行为，以供应为媒介建立具象需求与用户的相相联络，运用于个性化推荐的召回和排序的优化。改版后的亲子频道页，满意了用户多样化的推荐需求，阿里巴巴极大地改进了用户体会。

4.2 休闲文娱

在休闲文娱频道页，咱们环绕安全工程专业场景需求和具象需求进行了一系列运用。一方面，依据玩乐的场景需求安排新的场景ICON，如满意用户野外玩耍的“郊游赏花”、满意用产品设计户在室内潮流玩后端开发乐的“室内产品运营潮玩”、满意喜爱晚上玩阿里巴巴网页版乐用户的“夜日子”、满意和产品司理朋友伙伴聚会玩乐的“团阿里巴巴登录主页建聚会阿里巴巴云客服”，这些ICON从用户场景化的玩乐启航，打破了传统类意图约束，让用户和供应的匹配更加流转，每个ICON的二级页面则会展现每个场景的具象产品设计玩法需求及相关的商户和内容。

另一方面，在频道页场景导航模块中，查验运用场景需求来进一步展现场景化的玩乐信息，包括“一人乐”、“家庭暖”、“过生日”等十多个玩乐场景主题，并针对这产品设计作业方向些场景的具象需求相关的商户进行推荐。这些场景化的运用（图12(a安全)），在“起心动念”阶段即效果于用户，前进了用户的挑选计划功率。

本地日子归纳性需求图谱的构建及使用

此外，部分具象需求通过改写能够直接用于相应类意图列表页商户的快筛，例如实景剧产品本杀/桌面剧本杀，换装/汉服体会/撸宠必去/飞翔模仿等（图12(b)左和中），而咱们在作业系统层中类意图细分效果，亦能够成为商户的快筛，例如洗浴类意图细分（图12(b)右），这些快筛的运用，更加方便了用户选店。

五、总结展望

在本地日子服务中，怎样不断前进供应和用户之间的匹配功率，是摆在咱们面前的一道难题。咱们查验以用户重视政策为切入点，通过深挖用户需求并以其为枢纽来相关供应和后端组用户。阿里巴巴1688为了全方位挖掘和了解用户需求，咱们努力根究并查验构建本地日子归纳性需求图谱，以作业系统层、需求政策层、具象需求层、场景要素层、场景需求层的次序逐层构建，并为各种类型的供应建立相相联安全教育渠道登录进口络。

现在，归纳性需求图谱的效果可产品设计运用于查找、推荐等各类事务形状，并已在美团多个事务场景中取得阿里巴巴云客服实践效果。不过，咱们还处在根究的初级产品运营阶段，接下来还有很长的迭代之路要走，在此咱们提出一些后续的考虑和展望：

  • 更广的作业掩盖：一方面加深对已有的玩乐、医美和教育作业的制造，挖掘更多阿里巴巴1688货源批发官网的节点和联络，更好的了解用户需求；一方面向丽人、成婚等更多的作业进行横向掩盖；此外还将进一步扩展到用户挑选计划的全链路，构建服务体会图谱，掩盖履约服务环节，分析其间的用户需求阿里巴巴1688货源批发官网和反馈，更好地赋能商家前进用户体会。
  • 更多的数据引进：当时图谱的构建首要产品运营是以途径的用户和商户的文本语料为主，下一步将运用图画等更多模态的数据，并查验引进外部的常识，对当时的节点和联络进行完善和弥补。
  • 更深后端开发薪酬一般多少的图谱运用：现阶段图谱在查找和推荐上的实践首要会合在标签及其相关供应的直接运用，后续考虑进一步深化图谱的运用，充沛运用场景需求和场景要素的信息，为推荐产品艺术设计侧更准的用户意图辨认供应支撑，然后前进供应和用户的匹配功率，发挥出常识图谱更大的价值。

参看文献

  • [1] Maslow A H. A theory of human后端开发是干什么的 motivation[J]. Psychological review, 1943, 50(4): 370.
  • [2] Luo X, Liu L, Yang Y, et al. AliCoCo: Alibaba e-commerce cognitive co阿里巴巴ncept net[C]. Proceedings of t产品设计专业he 2020 ACM SIGMOD International Conference on Management of Data. 2020: 313-327.
  • [3] Devlin J, Chang M W安全工程, Lee K, et al. Bert: Pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint arXiv:1810.04805, 2018.
  • [4] Le Q, Mikolov T. Dist阿里巴巴ributed representations of sentences and documents[C]. International confere后端言语nce on machine learn阿里巴巴1688ing. PML强化学习R, 2014: 1188-1196.
  • [5] Vaswa阿里巴巴招聘ni A, Shazeer N, Parmar N, et al. Attention is all阿里巴巴网页版 you need[J]. arXiv preprint arXiv:1706.03762, 2017.
  • [6] Shang J, Liu J, Jiang M, et al. Automated phrase mining from massive text corp后端ora[J]. IEEE Transactions on Knowledge and Data Engineering, 2018, 30(10): 1825-1837.
  • [7] Clark K, Luon后端g M T, Le Q V, et al. Electra: Pre-training text encoders as discriminators rather than generators[J]. arXiv preprint arXiv:2003.1055后端组5, 2020.
  • [8] Dozat T, Manning C D. Deep biaffine attention for neural dependency parsing[J]. arXiv preprin安全期是哪几天t arXiv:1611.01734, 2016.
  • [9] Cheng H产品设计作业方向 T, Koc L, Harmsen J, et al. Wide & deep l阿里巴巴集团earning for recommender systems[C]. Proceedings of the 1st work阿里巴巴下载shop on deep learning for recommender systems. 2016: 7-10.安全工程专业
  • [10] Sun C, Huang L, Qiu X. Utilizing BERT for aspect-based sentiment analysis via constructing auxiliary sentenc产品e[J]. arXiv pre安全教育渠道登录print arXiv:1903.09588, 2019.
  • [11] Sutton R S, Barto A G. Reinforcement learning:后端组 An introduction[J]. 2011.

作者简介

李翔、陈焕、志产品生命周期伟、晓阳、艳婷、旭乐、曹臻等，均来自美团到店途径技能部到综事务数据团队。

招聘信息

美团到店途径技能部-到综事务数据团队，长时刻招聘算法（自然言语处理/推荐算法）、数据仓库、数据科学、系统开发等岗位同学，坐标上海。欢迎感兴趣的同学发送简历至：licong.yu@meituan.com。

阅安全期计算器览美团技能团队更多技能文章合集

前端 | 算法 | 后端 | 数据 | 安全 | 运维 | iOS | Android产品设计作业方向 | 检验

| 在群众号菜单栏对话框回复【2020年货】、【2019年货】阿里巴巴登录主页、【2018强化学习年货】、【2产品设计专业017年货】等关键词，可查看美团技能团队历年技能阿里巴巴股票文章合集。

本地日子归纳性需求图谱的构建及使用

| 本文系美团技能团队出品，著作权归属美团。欢迎出于同享和沟通等非商业意图转载或运用本文内容，敬请注明“内容转载自美团产品技能团队”。本文未经许可，不得进行商业性转载或许运用。任何商用行为，安全出产法请发送邮件至tech@meituan.com申请授权。