信息流产品和内容推荐算法

系统管理员 2023-06-18 14:57 16阅读 0赞

# （一）什么是信息流产品 #

当下，信息流（资讯）和短视频是唯一两个在用户领域保持好的增长事态的细分行业。像其他比较成熟的互联网细分行业，比如说移动社交，电商，OTO这个细分行业，用户已经饱和了，用户增长比较缓慢，而短视频以及信息流是一个很迅猛的用户增长的势头。

信息流产品是一个非常好的用作商业变现的产品形态。

## 1. 信息流产品的特点 ##

*  信息流产品
    
     *  在合适的场景下，为用户提供合适的内容
     *  适合手机屏幕，手指上下滑动，如水流般源源不断
     *  数据量足够大，能够不断刷出新内容

## 2. 对用户价值 ##

从用户层面讲，信息流产品对于用户价值，主要体现在下面四个方面

*  便捷阅读
    
     *  相对于传统的书籍，杂志，信息流产品会是一个便捷的阅读方式
 *  海量信息
 *  新鲜及时
 *  个人兴趣

## 3. 商业上的价值 ##

> 商业上的价值就是信息流广告  
> 信息流广告是一种很高效的变现模式

*  就像曾经的搜索广告，信息流广告已经成为用户接受的、高效变现模式

> 今日头条 DAU（日活）超过1.2 亿，人均时长70分钟+，年均广告营收150亿+；  
> 网易DAU超过2千万，人均时长40分钟+，年均广告营收50亿+；

# （二）如何推荐内容 #

> 信息流产品的本质是推荐内容，那怎么样推荐内容呢？

## 1. 推荐内容的两种方法 ##

一种是人工运营的方法，人工去筛选一套人工的经验去对新闻价值做出判断；另外一种就是依靠机器，依靠算法去做推荐，这两种推荐内容的方法各有优劣。

## 2.为什么要用算法 ##

大数据时代，每天更新的内容是海量的。而人工运营，往往局限于热点内容，就像是冰山一角。冰山之下，是大量的长尾、冷门的内容，必须依赖机器算法做个性化推荐。

## 3. 推荐系统框架 ##

*  理论上的简化框架  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ_size_16_color_FFFFFF_t_70]
 *  推荐系统实操  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ_size_16_color_FFFFFF_t_70 1]  
    我们会有合作伙伴（Partner）,也会有爬虫（Crawler）,我们通过爬虫或者是合作伙伴会把我们的数据抓到我们的库里，大概库里每天文章的更新会在 20 万左右，文章入库之后，我们通过 Content Parser（分词提取器）会对文章做一些语义分析、文本分析去生成一些文章相关的标签或者类型等一些特征，通过过滤之后，我们会把这些数据放在 Feeder 的数据库。Feeder 一方面与这个Feature Server 相交互，会把数据传递到 index（用户兴趣索引）。用户会根据会话的行为，会做一些记录和上报，同时会把这些数据（Session Server）同步更新到用户索引上。Index 之后的召回（Recall）,对于一个用户来讲，我们第一次召回，会召回 2000 篇文章左右。这 2000 篇文章的来源一个是CF（协同过滤） ，CF又来源于 ItemCF 就是基于内容的相似度（我之前看过一篇文章，我会推一个跟之前文章相似的文章，就是基于文章相似度做一个推荐），UserCF就是基于用户相似度的协同过滤，就是通过计算，找出用户跟另外一个人类似，然后就会把另一个人看过的文章和感兴趣的内容也推给这个用户。另外还有一种召回内容的方式叫 CB 就是基于内容本身，比如说这篇文章是体育，那这篇文章就会推送给有体育标签的用户。比如说一篇文章有关键字，有科比，那就会推荐给带有科比标签的用户。NH 就是在当前系统里比较热门的文章，那我们怎么判断那些是热门的文章呢，首先是依据 action 就是行为，因为每篇文章可以会被用户阅读，被用户点赞，被用户评论，被用户分享，我们还会制定一些权重，那我们对这些行为做一个分析，我们可以判断这个文章是一个热门文章。那我们这些热门文章在召回的时候，也会基于 User Profile（用户属性）比如说性别属性、地区属性等，我们也不会乱推，尽管它是热门文章，我们也要考虑人群的定向化；Time 就是任何热门的东西，都有时间衰减性。  
    下面说 Rank 这个模块，就是排序的模块。这个模块我们会说从刚刚 2000 篇的文章里筛选出 200 篇文章，并且对这 200 篇文章进行排序。那我们这 200 篇文章是怎么排序的呢？我们会对这 200 篇文章进行 CTR 的预估，以及阅读时长的预估。为什么不只做 CTR 的预估，就是系统要避免“标题档”的存在。从这200篇文章里，最后到 Rerank 的模块，就是从 200 篇文章里审出 15 篇文章。我们用贝叶斯的方法对这个15篇，主要要增加文章的多样性，我们要把同类推荐的文章打散；Fix 就是在这15 篇文章里增加探索性的内容，我们不希望让用户的标签固化，就是一个用户打上了体育标签，我们不希望这个用户永远会是这个标签，我们偶尔也会加 5%-10% 左右的探索性的内容。

# （三）推荐质量的评估 #

## 1. 流量该如何分配 ##

*  70% 的流量分配给稳定模型
 *  30% 的流量分配给实验模型
    
     *  10% 实验模型A
     *  10% 实验模型B
     *  10% 实验模型C

## 2. 实验模型的评测指标 ##

*  准确率
    
     *  推荐列表里，多少比例的文章，是用户读过的；
 *  召回率
    
     *  推荐列表中，用户度过的文章，占用户阅读记录的比例
 *  覆盖率
    
     *  推荐列表的文章里，占文章总数的比例

举例：文章总量为100，用户实际看了10篇文章，最终实验模型推荐了20篇文章，用户看过的有8篇，准确率为40%，召回率为80%，覆盖率为20%；

## 3. 实际业务中关注的算法效果 ##

*  UV 转化率
    
     *  阅读UV/曝光UV，反映多少比例的曝光用户转化为阅读用户
 *  PV 转化率
    
     *  阅读PV/曝光PV，反映文章的平均转化情况
 *  人均篇数
    
     *  阅读PV/阅读UV，反映内容消费深度
 *  人均阅读时长
    
     *  阅读总时长/阅读UV，反映内容消费深度

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191203160838300.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191204142839997.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2phY2t5X3podXl1YW5sdQ==,size_16,color_FFFFFF,t_70