推荐系统的基本问题及系统优化路径-刘志强

推荐系统构成与基本问题

1. 推荐系统构成

• 推荐策略与用户反馈闭环
• 内容生态与分发反馈闭环

2. 用户理解与内容理解

• 用户行为理解
• 资源池排序、召回

3. 资源流转与用户转化过程

• 新用户兴趣试投
• 基于优质资源的冷用户转化
• 基于优质资源的潜在兴趣拓展

4. 内容理解技术

• 语义化体系：包括语义模型化解读、基础表征、需求识别与设计、落地与持续进化
• 基于实体强化的语义向量化

5. 实时跟随与资源协同

• 内容协同后验强化行为共现
• 实时跟随与资源协同机制

6. 序列编码与推荐

• Transformer Blocks：包括嵌入层、层规范化、输出与softmax等

7. 主题兴趣的序列化与长期记忆

• 用户兴趣资源：随机先验与长期兴趣的模型构建

8. 非一致多目标之间的冲突与融合策略

• 多目标构成：漏斗转化路径目标
• 融合策略：同级间线性加权、漏斗间敏感区间分段依次排序

9. 评估挑战

• AB实验的可测与不可测问题
• 用户分群与资源分布
• 模型自身的可解释性与行为多样性

关键数据与挑战

• 资源池迭代逻辑：资源以一定概率优于所属类型其他资源，资源越老则条件越严格。
• 评估挑战：严格可测条件包括不迭代、少摇摆，单变量、可衡量。

这些内容涵盖了推荐系统的核心构成、关键技术、目标平衡以及评估挑战。