Feed推荐引擎动态融合、规划、编排是怎样的

Feed推荐引擎动态融合、规划、编排是怎样的,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

创新互联专注为客户提供全方位的互联网综合服务,包含不限于网站建设、成都网站建设、大庆网络推广、小程序定制开发、大庆网络营销、大庆企业策划、大庆品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等,从售前售中售后,我们都将竭诚为您服务,您的肯定,是我们最大的嘉奖;创新互联为所有大学生创业者提供大庆建站搭建服务,24小时服务热线:13518219792,官方网址:www.cdcxhl.com

目前市面上看到的Feed流推荐引擎,应用到了的场景比较单一,除了资讯、内容的推荐,也就差不多就是好友推荐了。

Feed推荐引擎动态融合、规划、编排是怎样的


虽然,实现的方式不尽相同,总体上可以分为3类模型:

1.推模式

不同于常规意义的推送,这里侧重于 “推到一个地方”,存储或缓存。比如给每个人维护一个推荐列表,以增加写扩散的复杂度,降低读扩散的成本,读取feed流的性能很突出。存在的问题就是,在写入推荐列表时的性能、存储压力,以及信息的及时性。

2.拉模式

需要数据的时候,主动去拉取数据。近线查询的方式,保证了数据的及时性,降低了存储压力。按需加载,使用的时候才去拉取,服务性价比高。换来的代价就是,服务端进行复杂场景数据的召回、聚合、编排的压力。没有很好的缓存场景,尤其是在海量请求下,服务的响应能力简直亚历山大。

3.推拉混合

等同于结合推、拉模式各自的优点,对业务场景进行最优的场景化适配,以控制的复杂度来换取服务性能的一个平衡。

自从头条系的产品矩阵,加速了Feed流的算法推荐进程以后。不管是今日头条的资讯类产品,还是诸如Echo这样的社交产品,在面对极度的信息大爆炸和用户时间碎片化问题上,偏向于算法驱动的推荐引擎。


既然是推荐系统,那么作为 “饲料、饲养” 的feed都有哪些呢?

1.日常短语

日常短语,泛指那些少量文字,混合资源内容的形式。如微博、朋友圈、Twitter、说说等形式。

2.文章、资讯

这个最常见的,如文章、新闻资讯等。一般形式由标题、内容构成,内容是一个富文本的,混合着图、文、资源的大量内容主体。

3.短视频

想了想还是把短视频单独抽取出来了,短视频赛道随着抖音、快手的覆盖,独当一面。作为一种轻流媒体形式,越来越重要。

4.泛资源内容

可以说除了文字以外,都属于资源内容范畴,如动图、音频、视频、文件等。这个分类并不是独立存在的,经常是混合着前几类大量存在。独立这个分类的最主要原因是,很多时候如果只有资源内容,对于推荐系统就是一个巨大的挑战。牵扯到了另一领域,对于资源文件的内容识别。


由于feed流没有固定的分页概念,但是可以采用弱化的分页方式。
简化版可以进行两段式分隔:首页、其它页。

第1页:固定位置、或重要的数据、或banner位、热门榜单等(如某要闻始终占第一位)。

第2页(及以后所有页):可以根据用户相关性进行推荐、以及随机性的页数内容推荐、更加丰富的多样性尝试。这样处理过度也比较自然,兼容冷启动。

由于信息流推荐的结果,不同于一般的分页查询,具有数据多样性。并不能保证看到结果的一致性,比较抽象(由于朋友圈的惯性思维,你总需要不断解释为什么看不到xx数据)。

尤其是,对于丰富的feed内容进行编排序,同类型数据的打散、首页特殊处理、数据穿插等等,头疼的事情总是不厌其烦。

这个时候,就需要一个可视化模型,来验证和调试推荐的结果展示。


#召回候选数据集的编排序:

Feed推荐引擎动态融合、规划、编排是怎样的

  • 第一段:用于强制的优先级,如业务或特殊要求;

  • 第二段:用于真正意义上的进行动态规划、动态编排序;

  • 第三段:主要用于数据后补,防止召回数据不足时进行试错带来的内耗。

建议采用这种三段式的编排结构,来满足复杂场景的编排诉求。


#基于业务场景的数据融合方案

Feed推荐引擎动态融合、规划、编排是怎样的

根据具体的场景化数据形态,进行最优的数据库选型,实现多数据源融合方案。

#推荐系统的可解释性:

Feed推荐引擎动态融合、规划、编排是怎样的

  • 每一页的推荐模型数据形态分布图,代表了每次推荐的解释形态;

  • 左侧类别,属于召回的数据集分类(因子库),每页保证不少于3个因子;

  • 右侧色块,表示召回的数据编排序(编排、穿插、离散)后的,子类型的时序。

看完上述内容,你们掌握Feed推荐引擎动态融合、规划、编排是怎样的的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注创新互联行业资讯频道,感谢各位的阅读!


当前标题:Feed推荐引擎动态融合、规划、编排是怎样的
本文路径:http://myzitong.com/article/igseoo.html