Google 調教了人工智慧，讓你想要的 App 來找你 1｜靈感早讀

Google 為了讓大眾發掘商店更多有趣應用，在人工智慧方面下足了功夫。AppSo（微信公眾號 AppSo）本次獲得授權翻譯系列文章，告訴你 Google 如何調教人工智慧，讓 Google Play 為你精準推薦 app。系列文章共有 3 篇，本文第 1 篇。

在 Google Play 上，每個月下載應用的人數超過 10 億。大多數人會特意搜索 Snapchat 之類的應用，而另外一些人會模糊地搜感興趣的關鍵字，比如「恐怖遊戲」或者「自拍應用」。

這些按主題的模糊搜索佔據 Play Store 接近一半的搜索量，所以幫助人們找到最想要的應用十分重要。

通過主題搜索不僅是按關鍵字找出應用，搜索引擎還需了解一個 app 所屬的主題類別。通過機器學習已經可以解決類似問題，但這種方式產生結果的好壞，取決於某個主題類別的學習樣本大小。

對於「社交應用」這類熱門的話題，許多已知的 app 樣本可以用來學習（這個從樣本中學習的過程通常稱為「訓練」），而大多數主題類別的學習樣本卻屈指可數。

我們此項研究的挑戰，便是從一個十分有限的學習樣本，和上百萬個橫跨數千個主題類別的 app 中進行機器學習，這迫使我們調校機器學習技術。

我們剛開始打算建立一個深層神經網路（DNN），訓練它根據 app 名稱含有的字詞和 app 的內容提要去預測搜索的主題。例如，如果一個 app 的內容提要提到「非常嚇人」或者「可怕」，那關聯的主題便是「恐怖遊戲」。

AppSo（微信公眾號 AppSo）註：通俗但不嚴謹地講，神經網路這一計算機演算法，便是模擬人類大腦思考時的判斷與試錯過程，它可以用來分辨貓狗、識別手寫字母等等。一旦給予這個演算法的學習樣本越大，它學習的結果越精確，正如人類嬰兒見過的貓狗越多，相應的神經刺激越多，分辨貓狗的能力越準確。

然而，鑒於深層神經網路所需的學習容量，對訓練樣本偏小的一類 app 它基本上「死記」了主題類別，對於沒見過的新應用它更無法歸類。

為了有效地解決這個問題，我們需要更多的樣本給機器學習，於是我們把思路轉向「大眾是如何區分 app 的主題類型」。

相比深層神經網路，人類區分主題類別需要的數據集更少。例如，你只需看過幾個「恐怖遊戲」的內容摘要便可以把新的 app 歸類到這一類型中。即是說，只需看懂 app 的內容摘要，人們便能正確地從幾個樣本中推斷出應用的主題類別。

為了模擬人類區分主題類別的方式，我們嘗試這種接近語義分析的機器學習方式。我們訓練了一個神經網路去學習 app 內容摘要所用的描述辭彙。這個過程使用的技術，常用來根據字詞預測辭彙（類似輸入法聯想字詞），例如「分享」可以聯想到「圖片」。

接著我們開發了一個分類器，利用上一流程總結的辭彙，分辨出一個 app 的所屬主題類別。現在我們只需少量樣本，便能學習一個 app 的主題類別，因為機器學習的重心基本放在語義分析上。

利用單一的分類器為所有主題分類，帶來的結果是它在流行的主題上學得更多，忽視了小眾主題。為了解決這一問題，我們為每個主題類別開發了單獨的分類器進行隔離調試。

我們的技術產出了合理的結果，但有時候也會過度判斷。例如，它會把 Facebook 歸為「約會」類別或者把植物大戰殭屍歸到「教育遊戲」。為了產生更精準的分類器，我們需要更高容量和質量的學習數據。

於是我們把上述的系統視為一個泛篩選的分類器，把數十億個應用主題搭配，縮減到一個更易處理的小樣本列表。接著我們搭建了一個流程，讓人類評審員評估分類器的學習成果，然後把評審員認為正確的答案作為樣本，反饋到學習過程中。

這個流程讓我們從現有的學習樣本中自給自足，使得分類器的結果更令我們滿意。

在糾結什麼才是正確答案這個問題上，我們會提前讓評審員一起討論「某某主題與某某應用是否搭配」，然後讓他們為匹配程度打分，例如「相關性強」，或者「基本相關」，或者「主題不符」。

對於分歧較大的一些答案，我們發現了這些原因：可選答案相似、評審員用過的 app 不多、主題太寬泛以致於適用大多數應用。

在我們解決這些難題後，評審員的意見變得較為一致，評審員選擇答案的理由也更加確切。儘管效果顯著，我們有時也需接受意見不合，放棄意見始終不一的答案。

根據上文的技術，我們實現了 Google Play 應用商城的搜索和發現功能。雖然搜索功能迄今為止令人滿意，與此同時我們也利用更多樣本、架構改進以及新演算法，不斷地探索改進的技術。在續篇文章中，我們將討論用戶的個性化應用推薦。

致謝

以上研究是 Google Play 團隊與 Liadan O』Callaghan、Yuhua Zhu、Mark Taylor 和 Michael Watson 的合作成果。譯者李煜陽、徐廣宇

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！