如果面试被问及推荐机制,看了这篇你就稳了

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  


我已经很久没有怎么刷抖音了,因为我自从我对手机摄影比较感兴趣,我吨吨吨给出几个红心之后,我收到的推送就几乎是手机摄影相关的,内容太过单一,所以后来就很少看了。

看了下产品100网站,发现首页是按照时间和热度来推荐的,内容质量还不错。于是就多在上面学习了一会。

以上这三个场景,都与推荐机制相关。所以促使我研究了一下推荐机制。

说到推荐机制,可能大家对“个性化推荐系统”“协同过滤”等一些词汇并不陌生。因为今日头条就是靠着个性化推荐发家的,而亚马逊和淘宝的“猜你喜欢”就是一种“协调过滤”机制。

不过这些机制究竟是怎么工作的呢?利弊各自是什么呢?我其实了解的并不多,所以就带着问题去网上了解推荐机制的相关问题,分享给大家。

1

推荐机制有哪些呢?

电商的推荐系统,比如亚马逊和淘宝的猜你喜欢,就是“协同过滤”。

协同过滤,可以分为基于物品和基于用户。

基于物品的推荐,即用户购买了a产品,那么我们推荐给他与a产品比较关联的产品b。

基于用户的推荐,即用户A和B相似,用户a购买了a产品,那么我们可以给用户B推荐a产品。

当然原理是这个原理,里面的算法肯定是比较复杂的。

协同过滤也是个性化推荐。

而今日头条把个性化推荐推上了一个新的高度。今日头条的推荐机制围绕内容、用户、环境作为变量,拟合了一个用户对内容满意度的函数。

第一个维度是内容。 头条现在已经是一个综合内容平台,图文、视频、UGC小视频、问答、微头条,每种内容有很多自己的特征,需要考虑怎样提取不同内容类型的特征做好推荐。

第二个维度是用户特征。包括各种兴趣标签,职业、年龄、性别等,还有很多模型刻划出的隐式用户兴趣等。

第三个维度是环境特征。这是移动互联网时代推荐的特点,用户随时随地移动,在工作场合、通勤、旅游等不同的场景,信息偏好有所偏移。结合三方面的维度,模型会给出一个预估,即推测推荐内容在这一场景下对这一用户是否合适。

——《今日头条推荐算法原理全文详解》https://36kr.com/p/5114077

如果面试被问及推荐机制,看了这篇你就稳了

图片为《今日头条推荐算法原理全文详解》配图

既然有个性化的推荐,那么就有“非个性化的推荐”,即基于热度的推荐。通过用户的操作赋予这些内容热度进行推荐。

那冷启动的状态下,没有用户,这些内容该如何进行排序呢?可以给内容设置初始热度:把这些内容分解成各种不同的因子,对每类因子赋予不同的权重,最后得出一个分数,进行排序。

比如对于新闻,我们可以把因子设置为发布时间、分类、是否重磅等。比如发布时间,新闻这种时效性特别强的,那么不同的时间区间,权重就应该不一样。时间越近,权重越高。

2

这些机制的利弊有什么呢?

首先说下个性化推荐。

优点是:

  1. 用户能看到自己想看到的内容。

  2. 长尾内容能得到消费,可以鼓励内容的创作者。

  3. 对公司来讲,可以实现精准营销,提高广告的转化率,

缺点是:

  1. 冷启动初期没有用户数据,无法匹配,不太适合。

  2. 容易越推荐越窄。出现我之前说的抖音的那种情况。

  3. 对算力要求高。需要耗费大量的人力和物力,可能有的小公司负担不了。

而非个性化推荐,比如基于热度的推荐,也有一些优点:

1.成本比较低

2.可以集聚对热点内容的大量关注和讨论

缺点就是长尾内容和新的内容没有得到好的消费。

3

个性化推荐怎么处理越推荐越窄的问题呢?

可以提供一些其他的功能,弥补个性化推荐机制这个问题。

比如搜索,用户可以搜索一些其他感兴趣的话题。

比如分类导航,用户可以浏览热门话题和其他分类列表。

这样通过用户行为,修补用户的行为数据。

4

个性化推荐大行其道,为什么还是有些平台采用热度推荐?

比如我发现产品100平台,是基于时间和热度进行推荐的。

我想,还是得区分平台的属性。

1. 产品100内容比较垂直化。用户基数小,用户群体比较单一,需求比较一致。几乎不存在什么长尾的说法。

2. 属于学习性质的网站,此类网站,大家想要探索的内容是舒适区以外的点,而不是舒适区内部的点。所以不了解的热门内容推荐,是大家需要的。

3. 审核比较严格,可以保证基本上都是优质内容。可以保证内容消费者很好的体验。

4. 除了热度,也有基于时间的推荐,也可以给到内容提供者一定的流量,弥补了热度推荐的不足。

5

小结

今天主要谈到了推荐机制的几个问题。

常见的推荐机制有哪些?

利弊是什么?

如何弥补个性化推荐的不足?

特别说明的是,选择使用哪种机制,也要看内容平台自身的阶段和属性。

今日头条推荐算法原理全文详解 https://36kr.com/p/5114077

今日头条是怎么做推荐的—基于用户的协同过滤https://www.jianshu.com/p/e56665c54df8

产品经理需要了解的算法—热度算法和个性化推荐 https://mp.weixin.qq.com/s/W-q2IY2IZ9OFQyLWT5G8Yw

亚马逊和淘宝的“猜你喜欢“是怎么实现的?https://www.jianshu.com/p/d03fb6d68716

推荐系统的秘密 http://www.360doc.com/content/19/0605/16/4387714_840590490.shtml


随意打赏

提交建议
微信扫一扫,分享给好友吧。