信息流推薦多樣性

一、問題現狀

信息流產品中一個常見的問題是多樣性越來越差，造成這種問題的原因在于機器學習算法本身。下面通過一副系統循環圖來介紹多樣性差的問題。

資訊庫隨機推薦文章，由于是按照全庫比例采樣，娛樂占比較大，隨機推薦給用戶的娛樂資訊偏多。

用戶點擊娛樂的概率變大，算法根據用戶的反饋，會更加傾向于給用戶推薦娛樂類的新聞。

在選資訊入庫時，由于娛樂文章的曝光大，ctr置信度高，算法會淘汰比較差的文章，保留比較好的文章，導致資訊庫中娛樂類的文章保留概率大。

由于還有協同過濾算法，導致推薦給其他用戶的娛樂資訊也逐漸增多。

隨著時間的推移，我們的推薦系統就是娛樂app了，沒有其他類別了。

下圖反映了去看看比例的變化。

6月12號的資訊曝光分類占比

11月18號的資訊曝光分類占比

由上圖可以發現，娛樂占比已經從6月12日的29%上升到11月18日的45%；女人的占比從6%上升到25%。

二、解決方案

解決方案也很簡單，只要將系統循環圖中的正反饋切斷或進行干擾即可。這里選擇進行人工干擾。

為什么選擇在資訊入庫時進行干擾呢？由圖中可以看到，其他推薦給用戶的資訊都是算法根據用戶興趣進行計算的，進行干擾對用戶體驗和用戶使用會產生較大的影響。資訊入庫這里雖然也會對用戶產生影響，但是，相對于其他途徑影響較小。

具體怎樣進行干擾？固定每個類別的每天資訊入庫比例，按照類別比例進行選擇。具體設置的類別比例如下：

三、多樣性風險和應對策略

3.1 可能的風險

（1）人均閱讀篇數和人均閱讀時長下降

多樣性執行加入了人工干擾，會將質量較好的娛樂類文章丟棄。預計會對目前的指標有影響，我們將這2個指標控制在下降3%之內。同時，資訊庫類別占比達到預設值。

（2）新增用戶對其他類別不感興趣

多樣性的改觀會在一定程度上對新用戶造成影響，如果新用戶群體興趣點只是娛樂，有可能會導致新用戶轉化降低。

（3）短時間內很難選出其他類別的高質量文章

短時間內，由于曝光不充分，在其他類別資訊選擇上，置信度不是很高。選出的資訊質量并不能充分保證，其他類別的效果會明顯不如娛樂。

3.2 應對策略

針對以上三種問題，應對策略如下：
（1） 逐步調整，不會一步到位，在控制類別比例的過程中，密切關注數據的變化。使得下降的幅度與多樣性修正帶來的好處達到一個平衡。

（2） 關注新用戶的表現，新用戶如果是興趣多樣性的用戶，會提升新用戶的點擊轉化。

（3） 隨著時間的推移，曝光量的增加，其他類別的高質量文章選擇將會越來越精確。

3.3 多樣性評估

評估多樣性應結合長期指標，目前列了如下，后續將繼續跟蹤：

四、 計劃說明
計劃12月4日與產品達成一致方案，若未按時出，則按此方案執行。

總結

以上是生活随笔為你收集整理的信息流推荐多样性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。