067|推荐的Exploit和Explore算法之一：EE算法综述
2018-03-19洪亮劼来自北京
《AI技术内参》
上周，我们聊了一些比较高级的模型，包括张量分解和协同矩阵分解，讨论这些模型如何能够
抓住更多的用户和物品之间的关系。最后，我们还讨论了如何优化更加复杂的目标函数。
这周，我们来看一个完全不同的话题，那就是Exploitation（利用）和Exploration（探索）
的策略，俗称“EE策略”。
一个推荐系统，如果片面优化用户的喜好，很可能导致千篇一律的推荐结果。其实，EE策略
是推荐系统里很有意思，但也非常有争议的一个话题。一方面，大家都明白这类算法的目的，
每年有很多相关论文发表。但另一方面，工业界对于部署这类算法非常谨慎，有的产品经理甚
至视之为“洪水猛兽”。我们今天就来分析一下导致这个现象的一些因素。
走一步看一步的策略
这里再简单阐述一下什么是EE。简单来说，就是我们在优化某些目标函数的时候，从一个时
间维度来看，当信息不足或者决策不确定性（Uncertainty）很大的时候，我们需要平衡两类
决策：
选择现在可能是最佳的方案；
选择现在不确定，但未来可能会有高收益的方案。
在做这两类决策的过程中，我们也逐渐更新对所有决策不确定性的认识。最终，从时间的维度
上来看，我们在不确定性的干扰下，依然能够去优化目标函数。
也就是说，EE可以看作是一个优化过程，需要多次迭代才能找到比较好的方案。
EE的应用历史
早期把EE应用于新闻推荐系统的文章，主要关注在雅虎的今日新闻（TodayModule）这一
产品上，这也基本上是EE最早在互联网应用的尝试，目的是为了优化点击率（CTR）。而更
早的一些奠基性的文章，则是在广告的数据集上展示实验结果。
雅虎的今日新闻其实为EE提供了一些被很多学者和工业界人士忽视了的条件和成功因素。如
果不考虑这些因素，鲁莽地在其他场景中使用这些文献中相似的算法，很可能会产生相当差的
效果。那么是哪些因素呢？主要有两点。
1.相对少量的优质资源。今日新闻每天的内容池（ContentPool）其实并不大。这里面都是
网站编辑精选了的大概100篇文章。这些文章原本的质量就非常高，无论是这里面的任何
一组，用户体验都没有明显变差。内容池每天都人为更换。
2.非常大的用户量。有亿万级的用户，最终可能是从算法随机产生的文章排序中选择了阅读的
文章。因为用户数量巨大，所以算法就相对比较容易收敛（Converge）到稳定的方案，也
就是前面讲的，优化CTR的状态。
正因为有了以上两个因素，在这个模块上，工程师和科学家们享受了后来学者们所无法想象的
“奢侈”，比如运行Epsilon-Greedy这种简单粗暴的EE算法；甚至是完全随机显示新闻，
收集到了大量无偏（Unbiased）的数据，都为很多学术工作奠定了数据基础。时至今日，依
然有不少后续学者，在今日新闻随机数据的基础上进行算法改进。
如果没有了这两条因素，最早的解决方案可能都没法在当时的雅虎施行。原因很简单，如果资
源良莠不齐，资源数量非常大，那么在仅有的几个展示位置，优质资源显示的可能性在短期内
就会比较小（因为系统对于大多数的资源还有很高的不确定性，需要Explore）。
由于优质资源显示得少了，用户就会明显感受到体验下降，最直接的可能就是倾向于不点击甚
至放弃使用产品。用户不和系统交互这样的行为，又进一步减缓了系统学习资源不确定性的速
度。这时，也许亿万级用户数都没法满足学习所有资源的用户数量（毕竟所有用户只有一部分
会落入Exploration）。
关于这个解决方案有一个很有意思的点值得一提，在雅虎的研究人员跳槽到了LinkedIn以
后，LinkedIn也推了相似的方案。为了模拟雅虎今日新闻的这些条件，就对用户内容流里的
数据进行了大规模的过滤。这样就有少数的信息符合高质量的要求，并且能够在用户数允许的
情况下探索到合适的解决方案。
EE的产品部署难点
我们来讲一下EE的产品部署难点，这些难点普遍高于具体的EE算法选择（比如选某一个
UCB或者某一个ThompsonSampling）在产品工程解决方案上的抉择。
为了便于讨论，我们把所有EE算法整体叫作“Random”，简称“R算法”，而把不做EE
的算法叫作“Deterministic”，简称“D算法”。这里面的假设是，D算法比较静态，能够
产生高质量、一致性的内容。这里的一致性是指用户在短时间内的体验比较稳定，不会有大幅
度的界面和内容变