发布时间:2022-03-30 13:00:03源自:https://www.it-th.com作者 :it谈话网阅读(299)
一、背景
1.内容标签
2.用户标签
三、如何衡量推荐系统的好坏
四、总结
一张报纸、一份杂志,虽然“千人一面”,但许多人仍然爱不释手,翻来覆去。
随着互联网时代(特别是移动互联网)的到来,信息如同《三体》里“技术爆炸”一般,呈现出“信息爆炸”的状态。
每天以EB为单位的信息量诞生在互联网的每个角落。预计到2025年,全球每天产生的数据量将达到491EB(1EB=1024PB=1048576TB)。
在这种情况下,消费者对于信息的获取无疑变得更加的
纸媒时代尚且有专业的编辑对内容进行筛选、排版后“分发”给消费者。
但对于互联网产品来说,即使内容再丰富,用户如果不感兴趣也是无效内容。
低效意味着随时有可能落后或被淘汰。
为了解决这一问题, 淘宝最早再在2013年提出“千人千面”的概念。
依托淘宝网十年发展积累下来的庞大数据库,从细分类目中抓取那些与买家兴趣相匹配的商品,进行优先展现。
而每个在淘宝网上购买或是浏览过商品的消费者,都会被平台打上标签,比如年龄、地域、客单价、收藏偏好等。
标签的不同,在千人千面模式下,用户所看到的产品自然就会有所差异。
更有效率的内容分发方式,由此从野蛮生长进入到精细化运营的时代。
到了以“算法驱动”为核心理念的张一鸣手里,今日头条、抖音等产品更是在这种理念下饲养出来的洪水猛兽。
因此作为一名互联网人,即使不用动手去写编程算法,但了解相关算法知识、懂得相关内容分发与推荐机制背后的基本原理,也有利于更上一个认知的新台阶。
在不同的场景下(在家、地铁、公司)、不同的时间点(早上、中午、晚上),即使是同类型的电影,实际上所接收到的内容也略有差别。
例如白天大多会收到比较幽默的内容,而到了晚上则会收到略带悬疑的影视剪辑片段等。
而无论是什么时候打开抖音,它都能让用户沉浸其中,似乎感觉不到时间的流逝,往往一下子能过去一两个小时。
你会发现抖音似乎很懂你,因为给你推送的内容全都是你喜欢看的。
抛开抖音的产品设计、沉浸式消费体验、短平快的内容节奏等,这其中还涉及到算法推荐机制和运营策略等因素。
但在现实环境中,放眼互联网,能把这句话做好的公司其实没几个。
给标签定义难,给内容打标也难。
即讲清楚什么是苹果,什么是梨,而不是把苹果叫成梨。
如动漫>日漫>火影忍者>鸣人等。
到底什么内容才算好笑、多好看才算美女?
这里其实就涉及到两个概念——实体标签跟语义标签:
1.实体标签
2.语义标签
在不同人那里会有不同的认知,
语义标签的推荐效果是检验一个公司NLP(自然语言处理)技术水平的试金石。
比如有的公司拆分到火影忍者就不往下拆了,直接把这个词当作最小颗粒度的标签。
所有涉及到这部动漫的内容都可以打上这个“火影忍者”标签,但是难免有种一刀切的感觉,对后续的运营工作也有影响。
比如有的用户想看、或者想搜索“鸣人”,结果推送的、搜索出来的全都是“火影忍者”里面的其他人。
而有的公司则继续往下拆:例如拆到火影忍者>鸣人、佐助、小樱等实体标签。
因此可以看得出:
OK,即使把整个公司的打标团队拉到一个会议室里面,大家通过统一培训、讲解,一个月后大家终于对什么才算是美女有了一个统一的认知,审美逐渐相同。
那么打标就可以顺利开展了吗?NO!
让我们先喝口水缓一缓,然后再接着往下继续聊。
因为火影忍者就是火影忍者,一旦打上这个内容标签,它就不会变成海贼王。
内容标签尚且可以通过的方式进行。
用户不一样,可能这个月他喜欢看火影忍者,算法推荐机制也给他匹配了相关的内容。但是下个月他可能因为朋友或同事的推荐开始看海贼王了。
如果算法还没反应过来,继续给他推送火影忍者的相关内容,此时这些内容对他来说便是无效内容,。
这里其实涉及到的问题,算法机制越差的产品,其推荐的内容越容易出现窄化。
如不小心点击了几篇文章,算法便默认你喜欢这一类内容,此后便一直推送相关信息,无法做到根据用户的需求变化进行灵活更迭。
尽管在这个时代,无论使用哪一款内容产品,都不可避免的会出现的现象,但成熟的NLP技术与初级之间,实际的产品体验效果仍是天差地别。
在做用户标签之前,需要先掌握跟用户相关的信息,通常包括性别、年龄、地点、兴趣偏好等。
有助于分发性别属性较明显的内容:如给男生推送体育、给女生推送美容护肤
也同理:给年轻人推送动漫、游戏等内容,给老年人推送养生、健康信息等
则用于推送与区域热点相关的信息:如给上海用户推送上海突发新闻,北京限行对于广州用户似乎没有多大影响。
以上三者通常可以通过用户自动填写、授权访问位置信息的方式获取,且不会有太大的变动。
获取用户兴趣偏好采用的方式,是根据用户消费过的内容匹配相应的标签,通常采取以下几种方式进行定位:
如用户被标题党内容吸引进去,但是停留时间过段,则说明用户对该内容所绑定的标签不感兴趣,以此来过滤标题党
对一些社会热点、突发新闻(如某明星出轨),虽然短时间内用户浏览了相关信息,但并不能说明该用户一定对“娱乐”内容特别感兴趣,需要对该用户的“娱乐”兴趣偏好进行降权处理
如上所说,用户的兴趣会发生偏移,因此推送策略需要更偏向于新的用户行为
如果一篇推荐给用户的文章没有被点击,则该内容的相关特征(如内容分类、标签)权重会被降低。
如某新注册用户(女,25岁,上海)在刷抖音时,算法采用A-A、A-B的方式进行测试。
首先连续推送两条影视剪辑内容(A-A),用户都完整观看并有点赞、评论等操作
其次推送影视剪辑后推送母婴内容(A-B),用户只观看了影视剪辑内容,却划走了母婴内容。
那么则说明用户对“影视剪辑”这一内容的兴趣偏好度较高,对“母婴”标签内容兴趣偏好较低。
我们都知道对于综合型平台而言,内容通常不止一种类型,如今日头条便包含了长图文、小视频、短视频、问答、微头条等几种不同形态的内容。
即使是同一个标签,如“美女”,不同内容类型的推荐权重是否一样?这也是算法推荐机制需要考虑的问题。
如Y=F(X1,X2,X3),Y代表内容可被加大曝光的权重,X代表点赞、评论等实际参数。
评论数的影响权重通常大于点赞权重,不同平台由于产品差异对于参数的权重设置也有所不同。
而不同的用户因其账号的差异,即使点赞了同一条内容,对该内容的影响权重也有差异,如某知乎大V点赞跟普通账号点赞的权重显然是不一样的。
如对于低俗、标题党、涉黄内容,如果短时间内吸引了大量用户点击浏览,那么算法能判定其为好内容,并加大推送量吗?
因此通常需要打压降权的内容主要有以下几种:
2)涉黄、低俗恶心内容打压
3)标题党、低质账号内容降权等。
基于社会责任感和政策法规等因素,平台需要对该部分内容进行打压、降权,而对重点时事新闻进行置顶强插,如打开新闻APP都会看到置顶了习大大的相关文章。
这些都是算法无法独立完成的,需要运营配合进行。许多资讯平台都会有专门的首页运营小组对内容进行人工干预。
大多数APP日常通知栏PUSH的内容也是采取算法+人工的方式进行推送的。
因为不同的人对于同一个语义标签会有不相同的认知。
清楚用户对于哪种“妹子”兴趣偏好度更高:是长发妹子?还是短发妹子?是南方人还是北方人等等颗粒度更细的拆分。
用户标签是建立在内容标签打的足够准确的前提条件之上的,一步错则步步错。
如果内容标签无法准确判断,那么基于内容标签建立起来的用户标签也是不可信的。
要想训练机器能够自动打标,往往一个“标签”就需要训练几个星期的时间。
通常采用抓取标题关键词的方式打上内容标签,但有时标题与文章或视频里面所有表达的内容其实有很大出入,因此打上的标签很有可能是不准确的,需要人工进行复核,判断其准确率。
综上所述,如今算法分发几乎已经是所有搜索引擎、资讯软件、内容社区、社交软件等产品的标配。
因此无论你是一只产品汪、还是一只运营喵,了解了内容平台的基本算法原理,无论是对于产品推荐机制的设计,还是对平台运营策略的构建,都能有所帮助。
欢迎分享转载→ 抖音的算法,是如何把你束缚在信息茧房里的?