美团：2019-2021美团技术年货【算法篇】

美团外卖业务种类繁多、场景丰富，根据业务特点可分为推荐、广告、搜索三大业务 线以及数个子业务线，比如商家推荐、菜品推荐、列表广告、外卖搜索等等，满足了 数亿用户对外卖服务的全方面需求。而在每条业务线的背后，都涉及用户、商家、平 台三方面利益的平衡：用户需要精准的展现结果；商家需要尽可能多的曝光和转化； 平台需要营收的最大化，而算法策略通过模型机制的优化迭代，合理地维护这三方面 的利益平衡，促进生态良性发展。 随着业务的发展，外卖算法模型也在不断演进迭代中。从之前简单的线性模型、树模 型，到现在复杂的深度学习模型，预估效果也变得愈发精准。这一切除了受益于模型 参数的不断调优，也受益于外卖算法平台对算力增长的工程化支撑。外卖算法平台通 过统一算法工程框架，解决了模型 & 特征迭代的系统性问题，极大地提升了外卖算法 的迭代效率。根据功能不同，外卖算法平台可划分为三部分：模型服务、模型训练和 特征平台。其中，模型服务用于提供在线模型预估，模型训练用于提供模型的训练产 出，特征平台则提供特征和样本的数据支撑。本文将重点阐述外卖特征平台在建设过 程中遇到的挑战以及优化思路。