发布人：Google Research 软件工程师 Michael Bendersky 和 Xuanhui Wang
2018 年 12 月，我们 推出了 TF-Ranking，这是一个基于 TensorFlow 的开源代码库，用于开发可扩容的 learning-to-rank (LTR) 神经模型。当用户期望收到有序的项目列表来辅助查询时，该模型可以发挥出色作用。LTR 模型与一次只对一个项目进行分类的标准分类模型不同，它会将整个项目列表接收输入，并学习排序，充分提升整个列表的效用。
虽然 LTR 模型最常用于搜索和推荐系统，但自其发布以来，我们已经看到 TF-Ranking 在除搜索以外的各领域，均有应用，其中包括 电子商务、SAT 求解器 和 智能城市规划 等。
Learning-to-rank (LTR) 的目标是学习一个函数 f()，该函数会以项目列表（文件、产品、电影等）作为输入，并以最佳排序（相关性降序）输出项目列表。上图中，深浅不一的绿色表示项目的相关性水平，标有 “x” 的红色项目是不相关的
2021 年 5 月，我们发布了 TF-Ranking 的一个 重要版本，实现了全面支持使用 Keras（TensorFlow 2 的一个高阶 API），以原生方式构建 LTR 模型。我们为原生 Keras 排序模型加入了全新的工作流设计，其中包括灵活的 ModelBuilder、用于设置训练数据的 DatasetBuilder， 以及利用给定数据集训练模型的 Pipeline。有了这些组件，构建自定义 LTR 模型会比以往更轻松，且有利于快速探索、生产和研究的新的模型结构。如果您选择的工具是 RaggedTensors，TF-Ranking 现在 也 可以和这些工具协作。
此外，我们在 最新版本 中结合了 Orbit 训练库，其中包含了许多进展成果，而这些成果正是近两年半内，神经 LTR 研究结晶。下面我们分享一下 TF-Ranking 最新版本中的一些重要改进。
构建和训练原生 Keras 排序模型的工作流。蓝色模块由 TF-Ranking 提供，绿色模块支持自定义
利用 TFR-BERT 的 Learning-to-Rank
最近，BERT 之类的预训练语言模型在各种语言理解任务中性能表现突出。为利用这些模型，TF-Ranking 实现了一个新颖的 TFR-BERT 架构——通过结合 BERT 与 LTR 的优势，来优化列表输入的排序过程。举个例子，假设有一个查询和一个由 n 个文件组成的列表，而人们想要在对此查询响应中的文件进行排序。LTR 模型并不会为每个 <query, document> 学习独立的 BERT 表示，而是会应用一个排序损失来共同学习 BERT 表示，充分提升整个排序列表相对于参照标准标签的效用。
这个过程如下图所示。首先，我们把查询响应中需要排序的 n 个文件组成的列表扁平化为一个 <query, document> 元组列表。把这些元组反馈至预训练的语言模型（例如 BERT）。然后用 TF-Ranking 中的专用 排序损失，对整个文件列表的池化 BERT 输出进行联合微调。
结果表明，这种 TFR-BERT 架构在预训练的语言模型性能方面有了明显改善，因此，可以在执行 多个热门 排序任务时体现出十分优越的性能。若将多个预训练的语言模型组合在一起，则效果更为突出。我们的用户现在可以通过这个 简单的例子 完成 TFR-BERT 入门。
TFR-BERT 架构的说明，在这个架构中，通过使用单个 <query, document> 对的 BERT 表示，在包含 n 个文件的列表上构建了一个联合 LTR 模型
具有可解释性的 Learning-to-Rank
透明度和可解释性是在排序系统中部署 LTR 模型的重要因素，在贷款资格评估、广告定位或指导医疗决定等过程中，用户可以利用这些系统来确定结果。在这种情况下，每个单独的特征对最终排序的贡献应具有可检查性和可理解性，以此确保结果的透明度、问责制和公正性。
实现这一目标的可用方法之一是使用广义加性模型 (Generalized additive model，GAM)，这是一种具有内在可解释性的机器学习模型，由唯一特征的平滑函数线性组合而成。然而，我们虽然已经在回归 (Regression analysis) 和分类任务方面对 GAM 进行了广泛的研究，但将其应用于排序设置的方法却并不明确。举个例子，虽然可以直接利用 GAM 对列表中的每个单独项目进行建模，然而对项目的相互作用和这些项目的排序环境进行建模，仍是一个更具挑战性的研究问题。为此，我们开发了 神经排序 GAM，这是可为排序问题的广义加性模型所用的扩展程序。
与标准的 GAM 不同，神经排序 GAM 可以同时考虑到排序项目和背景特征（例如查询或用户资料），从而得出一个可解释的紧凑模型。这同时确保了各项目级别特征与背景特征的贡献具有可解释性。例如，在下图中，使用神经排序 GAM 可以看到在特定用户设备的背景下，距离、价格和相关性是如何对酒店最终排序作出贡献的。目前，神经排序 GAM 现已作为 TF-Ranking 的一部分 发布。
为本地搜索应用神经排序 GAM 的示例。对于每个输入特征（例如价格、距离），子模型会产生可以检查的子分数，支持公开查看。背景特征（例如用户设备类型）可以用于推算子模型的重要性权重
神经排序还是梯度提升？
神经模型虽然在多个领域展现出了十分优越的性能，但 LambdaMART 之类的专门梯度提升决策树 (Gradient Boosted Decision Trees, GBDT) 仍然是利用各种开放 LTR 数据集时的性能标杆。GBDT 在开放数据集中的成功可归结于几个原因。首先，由于其规模相对较小，神经模型在这些数据集上容易过度拟合 (Overfitting)。其次，由于 GBDT 使用决策树对其输入特征空间进行划分，它们自然更能适应待排序数据的数值尺度变化，这些数据通常包含具有 Zipfian (Zipf’s law) 或其他偏斜分布的特征。然而，GBDT 在更为现实的排序场景中确实有其局限性，这些场景往往同时包含文本和数字特征。举个例子，GBDT 不能直接应用于像原始文档文本这种，较大的离散特征空间。一般来说，它们的可扩容性也要弱于神经排序模型。
因此，自 TF-Ranking 发布以来，我们团队大大加深了对于神经模型在数字特征排序中优势的理解。。最能充分体现出这种理解的是，ICLR 2021 的一篇论文中所描述的数据增强自觉潜在交叉 (DASALC) 模型，该模型首次在开放 LTR 数据集上建立了与强大的、与 LambdaMART 基线相同的神经排序模型，并且在某些方面取得了统计学上的重大改进。这一成就是通过各种技术的组合实现的，其中包括数据增强、神经特征转换、用于建模文档交互的自注意机制、列表式排序损失，以及类似 GBDT 中用于提升的模型组合。现在 DASALC 模型的架构完全由 TF-Ranking 库实现。
结论
总而言之，我们相信基于 Keras 的 TF-Ranking 新版本能够让开展神经 LTR 研究和部署生产级排序系统变得更加轻松。我们鼓励大家试用 最新版本，并按照 这个引导例子 进行实践体验。虽然这个新版本让我们感到非常激动，但我们的研发之旅远未结束，所以我们将继续深化对 learning-to-rank 问题的理解，并与用户分享这些进展。
致谢
本项目的实现离不开 TF-Ranking 团队的现任和前任成员：Honglei Zhuang、Le Yan、Rama Pasumarthi、Rolf Jagerman、Zhen Qin、Shuguang Han、Sebastian Bruch、Nathan Cordeiro、Marc Najork 和 Patrick McGregor。另外要特别感谢 Tensorflow 团队的协作者：Zhenyu Tan、Goldie Gadde、Rick Chao、Yuefeng Zhou、Hongkun Yu 和 Jing Li。
