内容与算法推荐

搜索和推荐

搜索引擎分为两部分：

离线专注从网站抓内容并建立不同的索引体系

基于关键词，每一个关键词对应一长串提及该关键词的内容，比如“教育“命中内容1，2，3；“NBA“命中内容1，2，4

关于索引：对信息的不同理解维度进行处理，如话题，类目，实体词等

用户搜索关键词，系统进行分词、变换、扩充、纠错（如NB2K --> NBA2K）等处理

在线部分响应搜索请求，完成内容的筛选和排序

召回-->排序-->干预（如插入官方网站到文章10和1之前）

排序例子：按照特定预估目标（如点击导向，互动导向，停留时长导向等）对候选集统一排序，经过规则层处理后反馈给用户

用户的点击反馈会影响排序环节的模型

区别

推荐系统和搜索最大的不同就在于用户表意不明确。推荐系统需要尽可能完善用户的长期画像（对哪些类目，话题，实体词感兴趣）和短期场景（地点，时间等信息）。关于类目，可以是体育和科技内容。关于实体词，则类似NBA，华为，电动汽车等。

产品经理在推荐系统的角色

完善用户画像（通过外部渠道导入，也可借助产品设计和运营活动来引导用户沉淀行为。例如支付宝的集五福，让它收集到数以亿计的社交关系链数据）
优化信息召回（从所有检索结果中找出准确的请求结果）
完善规则系统

推荐：断物识人

断物

分类（树状，有父子继承关系，权威且完备）
贴标签（网状，表达属性关系，有权重之分，灵活性高）
设计系统时，基于产品场景快速覆盖主要标签，结合标签集合使用频次，专家建议等因素将部分入口收敛到树状的分类体系

识人

通过标签来描述一个用户的特征集合
用户画像

静态画像（年龄，职业，地点，省份等）
动态画像（用户的收藏，分享，评论，播放时长等行为数据）；要注意到，用户的兴趣有时是短期，会随着时间推移从强到弱

推荐算法，就是物以类聚，人以群分

基于物品属性的相似性来推荐

作者层面的相似性（订阅和偏好关系）
内容层面相似性（如关键词，话题，类目，标签等）
场景：常见于音乐，书籍，电影中。好处是依赖物品本身，不用积累用户的行为数据，让新的和冷僻的物品有机会被展示。问题在于，依赖特征构建的完备，且标签词不够全面描述书的内容，就很难计算出置信的相似度，达不到好的结果。此外，没有考虑用户的态度，用户的品味和调性难以得到诠释和表达。例如市面上有很多“内容推荐“的书，如何辨高下？这时候就要引入受众了

基于用户行为的“协同过滤“

一个生活场景：初为人父母，新手爸妈到处打听育儿的各种情况，在亲子群里无时不刻的讨论。促成大家进行价值信息交换和购买转化的，是人与人的相似点，为人父母相似的价值观和消费观。把用户的消费行为作为特征，对用户相似性做计算和信息匹配，是协同过滤的基础
协同推荐

基于物品的协同：先确定你喜欢什么，再找到相似的物品。这里的不再是基于标签来分，而是用户反馈的角度来分。例如对于数据，不再根据标签等静态维度，而是哪些用户购买后给了高分和低分的动作。例如，微信读书，基于你的阅读历史计算，为你推荐《深度学习》
基于用户的协同：先找相似人群（如新手爸妈），然后将这一人群喜欢的新东西推荐给你。例如，微信读书，你有xx个朋友在读《自私的基因》
基于模型的协同：用户的喜好信息来训练模型，实施预测用户可能的点击率

推荐算法的应用场景

个性化推荐视频：抖音
基于用户消费历史推荐：如B站
基于Top热榜的推荐：Netflix，对个召回序列的头部结果，优中选优
基于时下流行的推荐：头条，给用户推荐可能关心的短期热点，典型的如周期性消费（节假日，赛事等）；短期热门事件（四川发生6.8级地震）

以今日头条为例，推荐系统怎么连接内容与人呢？

背景：今日头条时刻面临着新发布的内容和新的用户。对于这些新的存在，系统需要积累一定的曝光量和互动量来收集基础数据。这个过程很关键，关系到用户和创作者的满意度和App留存率

内容冷启动（即新发布的内容）

如果没有足够的正面用户反馈，则认为该内容是不受欢迎的，要控制负面影响

如果内容找到目标人群，收获了很高的点击率，则被推荐系统快速放大成了爆款。由于一开始缺乏用户反馈，故推荐系统依赖内容的展示和消费维度来判断

内容展现：在首页展现给用户的信息，如标题，封面，发布时间等
内容消费：

作者层，作者粉丝群体更应该看到作者的新内容
内容层，分类信息，关键词，命中的实体和话题等，判断是否匹配用户偏好

系统运作：首先考虑展现层，新发布的内容，可忽略评论，展示重点在于标题（吸引人），封面（清晰，表意明确），作者信息（有权威度，与内容的领域一致）；其次，考虑阅读体验是否与用户匹配。例如NBA有球赛，泛娱乐版权等角度报道，但在内容和用字上肯定不同。系统分析作者过往表现，统计词频（提及版权、分销还是比分、MVP等关键字）等方式来预估内容的话题属性和用户点击后是否满意。

用户冷启动

推荐服务的一大目标是：用户的留存率，在这个前提下，再去探索兴趣。冷启动时追求重大兴趣的收敛而非发散。

建立新用户画像，尽快完善信息收集和预处理工作

设备层，厂商，型号
权限层，是否是卸载重装的老用户；地理位置确定用户位置，住址，行为轨迹
WIFI确定位置信息甚至社交关系
通讯录信息，如果你的多个朋友导入通讯录且给你同个备注，则系统估计你很大概率叫xx名字
应用层

不同的装机渠道，广告素材吸引不同的用户群体
登录方式
让读者选兴趣方向

冷启动时，典型的就是推荐热门榜单。满足了新和热两个特点，用户即使不太感兴趣也不会方案

内容供给

引入新的内容品类或创作者的时候，要尽快通过探索找到基础用户

方法一：大力出奇迹，生推。保证新品类内容展示给一定规模的用户群体。如微博引入梅西，就直接送一次全局的开屏广告，大品类内容具备大规模生产和消费需求，点击率不会损失太高，可能在百万规模的展示后，就能探索出相应的用户群体。但是小众的品类和平台则有些难做，例如千万日活跃用户，小品类受众可能万量级，展示100万次该新品类，预估点击人数就1000，再考虑目标受众错过或误点，那么这样的推荐效率是很低的。

此外，可以考虑引入专家系统的先验知识。例如对于嘻哈音乐，不考虑全人群的强展现而是给特定人群，换取更高的点击率。可以展示给喜欢个性，街舞和潮流服饰等分类内容的用户群体，年龄定到15-30岁。

自媒体和平台

平台对自媒体要评估、服务、引导

评估

原创度
健康度（用户阅读行为）
垂直度（领域是否专注）
关注度（粉丝量和活跃情况）
传播度（累计阅读和播放）

服务（平台角度的运营和保护）

引导（预期管理，创作者要符合规则，可以获得一定的预期性收益）

例如，滴滴，一个用户去机场，一公里内有一辆新手车，三公里处有一辆老手车，这个单下给谁

效率导向：给新手车
实际操作：在用户可接受的服务体验下，优化有积累的司机利益，将单子倾斜给老手车，决策同步给新手车，才能营造出平台参与者有成长性的群体期望

常见的推荐问题

推荐重复。分为（列表页相同和不同，详情页相同和不同）四种情况

举例，红烧肉做法，郭德纲最新爆笑相声，新闻热点等。
都相同，那就推可靠的信息作者
列表页但详情页不同，拉长两篇内容的推荐间
列表页不同但详情页同，推给不同的用户群体

推荐密集。密集的衡量取决我们怎么拆内容，如题材，作者，类目，实体词。避免列表页同一类内容占比过高，丧失多样性

易反感内容。要识别的准，再要推荐的好。识别过程采用数据产品中定量分析处理问题的通用流程：分析影响面，定义标准，数据收集标注，模型评估

时空限定内容

短时效性
中时效性。如《权力的游戏》，生产端要和内容生产节奏一致
长时效性。基于内容特点预判不同内容的衰减周期和推荐策略。经典的场景是搜索。要决定什么内容值得被长时间保留在候选集中，如用户在垂直类内容的消费是一个相对简便的方法，如围棋消费量是1万，但柯洁大战alphago的消费量是10万
注意地域局限性

本文内容是对《内容算法》的学习总结，作者是之前今日头条的工程师/产品经理的闫泽华。闫泽华对于内容，平台，用户，自媒体感觉确实是玩明白了。对于这本书，是值得认真吸收其经验的。

以上总结了推荐系统的信息，推荐系统的协同过滤，用户画像的建立，内容的冷启动和生命。此后作者还讨论了编辑分发，算法分发，社交分发，业务场景，数据驱动产品优化，还有具体视角的自媒体运营。打算过两天再写一篇学习笔记。