1. LR介紹
邏輯回歸（logistics regression）作為廣義線性模型的一種，它的假設是因變量y服從伯努利分布。那么在點擊率預估這個問題上，“點擊”這個事件是否發生就是模型的因變量y。而用戶是否點擊廣告這個問題是一個經典的擲偏心硬幣（二分類）問題，因此CTR模型的因變量顯然應該服從伯努利分布。所以采用LR作為CTR模型是符合“點擊”這一事件的物理意義的。LR模型的主要發展趨勢為：
- 2012年之前LR模型占據了計算廣告領域的極大部分市場，目前仍廣泛應用於大部分推薦系統中。
- 2014年Facebook提出GBDT+LR，利用GBDT（Gradient Boosting Decision Tree）自動進行特征篩選和組合，進而生成新的離散特征向量，再把該特征向量當作LR模型輸入。
- 2017年阿里公開了5年前已經在廣泛使用的MLR模型，MLR模型首先使用分割函數將數據分成多個子區域，然后針對子區域單獨使用LR建模，最后再用函數將多個子區域的模型融合成一個。
LR模型的算法說明可以參考：https://www.cnblogs.com/laojifuli/p/11982764.html
2.系統架構圖
邏輯回歸算法的線上調用流程圖如下所示：
實現非常簡單，只需要離線計算好邏輯回歸模型的權重，並將其保存到redis數據庫中。線上觸發該模型后，先獲取item的特征、用戶和item的交互特征、模型權重，再將對應的特征和權重進行加權求和，並將求和的結果過一層sigmoid函數，即可得到每個item的邏輯回歸得分。
3. 特征構建及更新
3.1 item和交叉特征
LR模型需要使用到的特征為：item特征，user和item的交叉特征（user的單獨特征不會對排序結果產生影響）。
-
item特征：item固定屬性，如item的價格、折扣率、類目、品牌等；item的質量屬性，如昨天/過去一周/過去一個月的銷量、ctr、cvr等；其他屬性，如item的標題、文本描述、圖片等。
-
user和item的交叉特征：商品價格是否與用戶價格便好相匹配、用戶歷史上是否點擊/訂購過該商品，用戶是否對相應的類目感興趣等。
-
user單獨的特征不會對排序結果產生影響，舉例如下：
假設有兩個item，分別記為\(i_1\)和\(i_2\)，根據前兩類特征已經計算出i1和i2的得分，分別記為\(s_1\)和\(s_2\)，且設\(s_1>s_2\)。此時加入用用戶特征記為\(f_u\)，加入用戶特征后的商品得分為\(snew_1=s_1+w_u*f_u\)和\(snew_2=s_2+w_u*f_u\)，由於兩個得分都加入了相同的值\(w_u*f_u\)，因此最終得分的大小順序是不變的。
3.2 實時特征
使用Flink對item和user的實時信息進行提取。
4. 模型調用和權重更新
模型使用時，只需要系統從redis數據庫中讀取到模型最新的參數，記為 w
之后讀取用戶和物品的離線特征
使用storm對用戶近實時特征進行處理
對上述特征進行交叉操作
使用公式計算每個商品的得分
權重如何更新
每天增量更新一次參數
從數據庫中提取前一天用戶的所有行為數據，並按照訓練集的清洗方法獲得當天的模型數據
使用前一天的數據進行訓練，得到新的模型參數 w_new
采用增量更新的方式 w = a * w + (1-a) * w_new
5. 服務端提供排序能力
線上如何調用特征
如何計算得分
結果打散