Fortress：通过时序数据增强与特征剪枝稳定搜索推荐的案例研究
Fortress: A Case Study in Stabilizing Search Recommendations via Temporal Data Augmentation and Feature Pruning
摘要
Fortress是一个通用框架，用于增强搜索与推荐系统中预测模型的时间稳定性。该框架通过识别并剪除导致预测分数随时间波动的输入特征，降低多阶段系统中因分数不一致引发的可靠性下降与用户体验受损问题。Fortress利用按时间划分的历史快照数据集，在保持准确性的同时提升模型稳定性。
在搜索与推荐系统中，当某些输入特征导致输出分数出现波动时，预测模型常会面临时间不稳定性问题。这种不稳定性会降低模型的可靠性及用户体验，尤其在多阶段系统中——此类系统对下游决策而言，一致的预测结果至关重要。我们提出 Fortress，一个通用框架，通过识别并剪除那些随时间推移导致预测分数不一致的特征，来增强模型的稳定性与准确性。Fortress 利用按时间划分的历史快照数据集……
译自 Apple · ML Research · 录于 二〇二六年七月七日