推荐系统简介¶

基本概念¶

小红书的转化流程：

短期指标¶

• 点击率：点击次数 / 曝光次数
  • 不能唯点击率，不然骗点击就会泛滥
• 点赞率
• 收藏率
• 转发率
• 阅读完成率？

这些只是短期消费指标。盲目追求可能涸泽而渔。需要增加一定的多样性。

北极星指标¶

• 用户规模：DAU、MAU
• 消费：使用推荐的时长、人均阅读数量
• 发布

北极星指标 >> 短期指标，发生冲突前者优先。

冷启动？

推荐算法的实验流程¶

推荐系统的链路¶

• 召回：从物品数据库中取出物品
• 粗排：小规模机器学习模型，打分
• 精排：深度神经网络，精细打分
• 重排：打散、重新排序

召回¶

排序¶

重排：增加多样性¶

• 多样性抽样：MMR、DPP
• 用规则打散相似的笔记。
• 插入广告、推广、根据生态要求调整排序（不能很多美女？）

推荐系统的AB测试¶

• 先做离线测试
• 再做小流量AB测试。还可以进行模型参数的选择。
• 再增加流量
• 最后全流量（推全）

把用户随机分组，开展对照试验：

分层实验¶

为了最大化利用流量，需要分层实验，不同层正交、同层互斥：

Holdout机制¶

推全和反转¶