阿里 PI2I：基于排序模型的个性化物品协同过滤召回框架，转化率提升1%

本文解读阿里在 arXiv 上发布的论文《PI2I: A Personalized Item-Based Collaborative Filtering Retrieval Framework》。这篇论文提出了一种创新的 物品到物品（Item-to-Item, I2I） 召回框架，通过在训练阶段引入独特的负样本挖掘策略，实现了训练与线上推理的一致性，并在淘宝“猜你喜欢”场景的线上 AB 测试中带来了 在线交易率提升 1.05% 的显著效果。

核心问题与框架概述

传统的 I2I 推荐旨在回答一个问题：给定一个用户和一个触发物品（trigger item），用户喜欢另一个目标物品（target item）的概率是多少？即建模 P(target item | user, trigger item)。

论文提出的 PI2I (Personalized Item-to-Item) 框架，本质上是一个使用了复杂排序模型的召回方法。其整体流程可以概括为：

1. 离线构建 I2I 关联表：为全站物品预先计算共现关系，形成 trigger -> [target1, target2, ..., targetT] 的映射。
2. 在线异步推理与缓存：当用户点击某个物品（成为 trigger）时，异步调用 PI2I 模型，使用用户的历史行为序列作为 triggers，计算出推荐候选列表并缓存。
3. 推荐服务读取缓存：当用户访问推荐页面时，服务直接读取已缓存的推荐结果，实现高效召回。

模型结构与训练创新

模型本身采用了在推荐系统中较为常见的架构：

1. 输入特征：包含用户画像、触发物品（trigger item）特征、目标物品（target item）特征以及它们之间的交叉特征。
2. 序列建模：使用 Multi-Head Target Attention (MHA) 对用户历史行为序列进行建模，其中 Query 是由 trigger、target 及交叉特征拼接后经 MLP 得到的向量。
3. 预测层：将序列建模的输出与其他特征向量拼接，送入一个深度神经网络（DNN），最终输出一个标量分数，代表用户对“trigger-target”对的兴趣概率。
4. 损失函数：采用 Softmax 交叉熵损失，核心目标是让正样本的分数高于所有负样本。

本文的核心创新点并非模型结构，而在于负样本的挖掘策略。传统的做法通常使用全物料库随机采样作为“易负例”，用曝光未点击样本作为“硬负例”。PI2I 则提出了一种与线上推理分布更一致的负样本构造方法。

创新的负样本挖掘策略

模型的训练样本格式为 (用户, 触发物品, 目标物品, 标签)。正样本即用户有正向交互（如点击）的 (trigger, target) 对。

负样本分为两类，均从基于历史行为构建的 I2I 关联表中采样：

• 硬负例（Hard Negatives）：从与正样本相关的触发物品（称为“正触发”）所关联的目标物品池中随机采样（排除正样本本身）。
  • 为什么“硬”：这些负例与正样本高度相似（因为它们来自同一触发物品的关联池），迫使模型学习更细微的区别，从而提升模型的判别能力和鲁棒性。
• 易负例（Easy Negatives）：从用户历史行为序列中，非正触发的其他物品所关联的目标物品池中采样。
  • 为什么“易”：这些负例与正样本关联较弱，为模型提供了明确的对比信号，帮助其快速区分明显不相关的物品。

为什么不使用曝光未点击或完全随机的物品作为负例？
关键在于与线上推理分布保持一致。线上推理时，模型使用用户历史行为序列中的所有物品作为 triggers，根本不会涉及“曝光未点击”或“完全随机”的物品。如果在训练中引入这类分布外的样本，会导致训练-推理偏差，从而影响最终的检索效果。

关键技术：I2I 关联表构建

负样本挖掘依赖一个预计算的 I2I 关联表。构建方法如下：
对于每个物品 i (作为 trigger)，计算其与所有其他物品 j 的关联分数 s(i, j)（例如，基于共现频率的统计指标）。然后对分数进行降序排序，取 Top-T 个物品作为 target，最终形成 trigger -> [target1, ..., targetT] 的映射关系表。这张表是离线周期更新的。

线上异步推理流程

一个自然的疑问是：如此复杂的模型（类似排序模型）用于召回，线上耗时如何保证？
PI2I 采用了 在线异步推理 的方案来解决这个问题：

1. 用户在浏览商品详情页时，会有点击行为。
2. 该点击行为触发一个异步请求，将当前物品作为关键 trigger，结合用户实时行为序列，调用 PI2I 模型进行推理。
3. 推理结果（一批推荐候选）被写入缓存（如 Redis）。
4. 当用户随后访问推荐 feed 流（如“猜你喜欢”）时，推荐服务直接从缓存中读取结果并展示，避免了实时的高耗时模型计算。

图：PI2I 框架全貌。(a)传统基于物品的协同过滤；(b)负采样策略；(c)个性化物品到物品框架；(d)在线异步推理流程。

总结与思考

技术要点总结：

1. 一致性是关键：PI2I 最大的亮点在于其负样本构造策略严格对齐了线上推理的数据分布，消除了因训练样本偏差带来的性能损失。这在 召回 阶段尤为重要。
2. 创新负样本源：不同于仅在同一个请求上下文（session）内挖掘负样本，PI2I 创新地从用户整个历史行为序列中，利用 I2I 关系挖掘负例，拓宽了对比学习的视野。
3. 工程架构设计：通过“在线异步计算 + 结果缓存”的架构，巧妙地将一个“重”模型应用于对延迟极其敏感的召回阶段，这是算法落地的重要工程实践。

可探讨的方向：
论文将“构建 I2I 表”作为第一步先行介绍，而将核心的召回模型作为第二步。从读者理解的角度，或许以核心任务（个性化 I2I 召回）为主线，将 I2I 表作为支撑性的负样本挖掘工具来介绍，逻辑会更顺畅。

阿里团队在电商推荐场景下的这一实践表明，在召回阶段精细化地设计 Deep Learning 模型，特别是负样本采样策略，仍然能带来显著的性能提升。这为推荐系统的优化提供了一个扎实的技术思路。对这类 算法 模型细节和工程实现感兴趣的开发者，可以关注云栈社区的智能与数据板块，那里有更多深入的讨论和技术分享。