特征工程需围绕用户行为、物品属性和交互上下文有针对性设计，核心是让模型理解“用户为何点此而非彼”。分用户侧（静态画像、行为统计、实时意图）、物品侧（结构化属性、语义匹配、热度校准）及交互上下文（时空信号、路径依赖、交叉特征）三层构建，并严控数据质量与一致性。
训练推荐排序模型时，特征工程不是“加得越多越好”，而是要围绕用户行为模式、物品属性差异和交互上下文动态性做有针对性的设计。核心目标是让模型能区分“用户为什么点这个，而不是那个”。
用户侧特征：刻画长期偏好与即时意图
不能只用用户ID做embedding——它隐含偏好但不可解释、难泛化。建议分层构建：
- 静态画像：注册信息（性别、地域、设备类型）、人口统计粗粒度分桶（如“25–34岁一线安卓用户”），用于冷启动基础分流
- 行为序列统计：近7天点击品类分布熵值（衡量兴趣广度）、最近一次购买距今小时数（反映活跃紧迫性）、历史平均会话时长（暗示浏览深度）
- 实时意图信号：当前会话内已点击的前3个商品ID的类别向量均值（用预训练品类embedding）、搜索关键词与候选商品标题的BM25相似度（文本匹配强度）
物品侧特征：突出可比性与稀缺性
商品不是孤立存在，特征要支持横向比较：
- 基础属性结构化：品牌是否TOP10（布尔）、价格分位（0–100%）、库存状态（充足/临界/缺货）、上架天数（对新品加权）
- 内容语义增强：标题+描述经Sentence-BERT编码后取[CLS]向量，再与用户实时点击向量做余弦相似度——变成“该商品和用户此刻兴趣有多匹配”
- 群体热度校准：同一品类下，该商品的24小时点击率排名百分位（避免爆款挤压长尾）
交互与上下文特征：捕捉决策场景
同一个用户在不同时间、位置、路径下，偏好可能完全不同：
立即学习“Python免费学习笔记（深入）”；
- 时空强信号：星期几 + 小时段组合（如“周五晚8点”）、GPS半径3km内竞品门店数量（影响本地化决策）
- 路径依赖特征：当前页面来源（搜索页/首页feed/活动页）、上一页面停留时长、是否从促销弹窗进入
- 交叉特征自动化：用LightGBM或XGBoost内置的feature interaction hint，或手动构造“用户价格敏感度分桶 × 商品折扣力度”这类业务可读性强的组合
特征处理与更新：别让脏数据拖垮模型
排序模型对特征质量极度敏感，三个关键动作不能省：
- 缺失值不填均值/中位数：对“用户最近购买天数”这类强偏态特征，用-1表示从未购买，比填0更合理
- 线上线下特征一致性：离线训练用的“实时点击相似度”，上线时必须用相同Sentence-BERT版本+相同分词逻辑，否则AB测试失效
- 特征生命周期管理：对“小时级热度”类特征，设置TTL（如2小时过期），避免陈旧数据污染；用Redis缓存高频查询（如用户最近5次点击ID）
基本上就这些。特征工程没有银弹，但每一步都该回答一个问题：“这个数字，真的能让模型更懂这次点击背后的理由吗？”
