며칠 전 @kevin의 Zhihu 라이브 "정보 흐름 제품 및 콘텐츠 추천 알고리즘 이해"를 들었는데 매우 유익했습니다(비전문가도 설치할 수 있나요?). 2시간 동안 진행된 라이브 세션의 방대한 정보를 고려하여 '건조한 정보'로 간주되어야 할 가장 중요한 부분을 메모하고 설명했습니다.
하지만 5분이면 다 읽을 수 있는 짧은 글은 그냥 잠깐 훑어보기에 불과하다. 읽고 나서 정말 관심이 있으시면 라이브 방송을 듣는 것이 좋습니다. 결국 콘텐츠의 품질 측면에서 9.99 위안은 그만한 가치가 있습니다.
뉴스 클라이언트를 사용하는 모든 사용자는 어느 정도 제품 형태의 정보 흐름에 노출되어 왔습니다. 여기에는 다음과 같은 많은 특징이 있습니다.
정보 흐름의 내용은 알고리즘에 의해 순전히 권장되지 않으며 수동 조작도 중요한 부분입니다. 실제로 인간과 알고리즘에는 고유한 장점이 있습니다. 뉴스 가치 판단(특히 '감정적 판단'), 핫스팟 예측, 긴급 상황 대응에는 수동 작업이 더 적합하지만, 개인화된 매칭에서는 알고리즘을 사용하는 것이 비인기 추천에 더 적합합니다. 롱테일 콘텐츠.
알고리즘에 의해 구현되는 콘텐츠 추천의 기본 프레임워크는 이론적으로 다음 그림으로 추상화할 수 있습니다.
구체적인 구현을 살펴보면 다음은 Meizu News and Information의 실제 사례입니다.
정보 흐름 제품은 하나의 알고리즘 모델을 사용할 뿐만 아니라 일반적으로 분할됩니다. 많은 부분이 안정적인 모델로 검증될 것이며 동시에 작은 부분을 차지하는 여러 실험 모델이 있을 것입니다.
이러한 실험적인 알고리즘 모델의 효과를 평가하기 위해 주로 다음 세 가지 평가 지표가 사용됩니다.
또한 주목해야 할 핵심 비즈니스 지표는 다음과 같습니다.
클릭률에만 초점을 맞추지 않고 여러 지표를 살펴봐야 하는 이유는 무엇입니까? 클릭률을 맹목적으로 추구하다 보면 '클릭베이트'가 조장되고, 이는 사용자의 기사 읽기 완성도를 떨어뜨리고, 궁극적으로 제품의 음조에 영향을 미쳐 사용자에게 심각한 손실을 초래하게 되기 때문입니다.
정보 흐름의 추천 효과에 영향을 미치는 요소는 단순히 알고리즘 모델만이 아닙니다. 실제로 자체 구축한 모델을 구축하는 것은 난이도가 높기 때문에 알고리즘 이외의 요인으로 인해 차이가 발생하는 경우가 많습니다.
우선, 강력한 콘텐츠 라이브러리는 정보 흐름 제품의 기초입니다. 콘텐츠의 다양성, 양, 질, 적시성이 보장되지 않으면 추천효과가 불가능합니다. 예를 들어 Toutiao 및 NetEase News와 같은 대규모 제품의 경우 데이터베이스에 저장되는 일일 콘텐츠 양은 최소 500,000개를 초과해야 하며 권장 세트는 200,000개를 초과해야 합니다.
둘째, 일부 상호 작용 세부 사항 및 비즈니스 매개 변수의 최적화도 최종 효과에 큰 영향을 미칩니다.
또한 데이터 보고는 추천의 정확성과 전략 선택에 큰 영향을 미칩니다. 또한 일반적으로 가장 큰 구덩이가 묻혀 채워지는 장소이며 제품은 보고 시기, 임계값, 중복 제거 및 콘텐츠를 표준화해야 합니다. 또한, 콜드 스타트 전략, 사용자 초상화의 고형화로 인한 '병목 현상'을 방지하는 방법 등이 궁극적으로 추천 효과에 영향을 미치게 됩니다.
사용자 초상화는 일반적으로 사용자의 활동적인 행동과 푸시 자극에 의해 생성된 데이터를 마이닝하여 콘텐츠 추천을 위한 중요한 참조 시스템입니다.
위 사진은 다음을 포함하는 Meizu News and Information의 사용자 초상화 예시입니다.
정보 흐름 제품은 콘텐츠 라이브러리, 사용자 초상화, 짧은 비디오, 검색 등 다양한 분야를 포괄합니다. , 정보 흐름 등. 그리고 각 분야마다 파고들어 볼 만한 콘텐츠가 많아 제품 역량을 키우는데 좋은 교육이 됩니다.
정보 흐름 분야를 시작하고 싶다면 콘텐츠 운영이 매우 좋은 진입점입니다. 기존 셀프 미디어 플랫폼을 연구하고 배포 전략, 관리 백엔드 및 데이터를 깊이 탐색할 수 있습니다. 통계.
마지막으로, 제품의 시스템 이해 능력을 두 배로 높일 수 있는 몇 가지 참고 도서를 추천합니다: "추천 시스템 실습", "이것은 검색 엔진입니다", "컴퓨터 광고".