知识图谱在美团推荐场景中的应用 知识图谱峰会-知识图谱与智能推荐论坛 美团-NLP中心-知识计算 杨玉基 2022年3月 1 目录 • 一、美团知识图谱介绍 • 二、美团推荐场景介绍 • 三、美团推荐中的知识应用 • 四、总结与展望 2 目录 • 一、美团知识图谱介绍 • 二、美团推荐场景介绍 • 三、美团推荐中的知识应用 • 四、总结与展望 3 生活服务领域需要大量知识 !"#$%& 10人聚餐 4 美团大脑 | 构建进程 2018 !"#$ 2019 ,-#$ ./#$ 2020 %&#$ '&#$ ()#$ 2021 *+#$ #$01233 围绕吃喝玩乐，构建生活娱乐领域超大规模的知识图谱 5 美团大脑 | 数据维度概览 充分挖掘、关联美团点评各个业务场景公开 美团大脑 是正在构建中的超大规模的生活 服务领域知识图谱，用人工智能技术赋能 数据（如用户评价、商户、商品、菜品、标 11亿+商品 签等），构建出一个“知识大脑”。 商家，改进用户体验。 3,000万全球商家 70亿累计用户评价 2亿+店菜 100万个场景标签 6 目录 • 一、美团知识图谱介绍 • 二、美团推荐场景介绍 • 三、美团推荐中的知识应用 • 四、总结与展望 7 美团推荐 | 概览 IPay: 业务新客订单 LBS: location-based service, 基于位置的服务 8 美团推荐 | 特点&挑战 01 02 03 04 可解释性需求强烈 直接影响用户体验和决策 领域多、差异大 吃、住、行、游、购、娱 数据稀疏 多业务多场景：时空、趋势、节假日 娱乐 优选 买菜 外卖 旅游 酒店 美食 LBS属性：供给限制、兴趣偏好场景化 部分业务订单少、新用户占比高 时空场景复杂 本异地、时间、地点… 9 目录 • 一、美团知识图谱介绍 • 二、美团推荐场景介绍 • 三、美团推荐中的知识应用 • 四、总结与展望 10 美团推荐 | 特点&挑战 01 02 03 04 可解释性需求强烈 直接影响用户体验和决策 领域多、差异大 吃、住、行、游、购、娱 数据稀疏 多业务多场景：时空、趋势、节假日 娱乐 优选 买菜 外卖 旅游 酒店 美食 LBS属性：供给限制、兴趣偏好场景化 部分业务订单少、新用户占比高 时空场景复杂 本异地、时间、地点… 11 美团推荐 | 可解释性需求强烈 可解释性 用户决策 订单/交易 &'() !"#$% 0123 4546 *+,- ./ 12 美团推荐 | 可解释性需求强烈 可解释性 用户决策 订单/交易 &'() !"#$% 0123 4546 *+,- ./ 13 美团推荐 | 图谱结构化信息展示 商品筛选项 药品功效展示 商户标签展示 14 美团推荐 | 图谱路径用于引导推荐 entity: 香草奶茶 entity: 珍珠奶茶 图谱路径召回 奶茶：香草奶茶、珍珠奶茶 entity: 奶茶 图谱路径召回-图谱 poi: 跷脚牛肉(望京店) poi: 奈雪的茶(望京店) 相关性好 召回率低 Embedding召回 奶茶：奈雪的茶、奈雪、美食 query: 奶茶 query: 奈雪 query: 美食 相关搜索-召回 召回率高 bad case多 Embedding召回 - 构图&GNN 15 美团推荐 | 图谱路径用于引导推荐 类目分布 deal 1 0.5 query poi poicate 交互行为&图谱–过滤 poi: 跷脚牛肉(望京店) poi: 奈雪的茶(望京店) 0 奶茶 酒吧 甜点 火锅 小吃 面馆 烤肉 海鲜 奶茶 奈雪的茶 奈雪 美食 Embedding召回 + 图谱路径过滤 奶茶：奈雪的茶、奈雪、美食 相关搜索-召回 query: 美食 query: 奶茶 query: 奈雪 Embedding召回 - 构图&GNN 召回率高 bad case少 16 美团推荐 | 图谱路径用于引导推荐 默认词 热门搜索 相关搜索 支付 +2040 支付 +1590 无结果率 -10.1PP 点击QV +34% 17 美团推荐 | 基于图谱的知识推理应用 – 推荐理由 18 美团推荐 | 基于图谱的知识推理应用 – 推荐理由 • 商品类目构建 19 美团推荐 | 特点&挑战 01 02 03 04 可解释性需求强烈 直接影响用户体验和决策 领域多、差异大 吃、住、行、游、购、娱 数据稀疏 多业务多场景：时空、趋势、节假日 娱乐 优选 买菜 外卖 旅游 酒店 美食 LBS属性：供给限制、兴趣偏好场景化 部分业务订单少、新用户占比高 时空场景复杂 本异地、时间、地点… 20