平臺(tái)兩種常用的推薦策略是:
協(xié)同過(guò)濾(Collaborative Filtering):
核心是人以群分:喜歡相似東西的人,未來(lái)也可能喜歡相似的東西。比如你喜歡A、B兩條視頻,另一個(gè)人也喜歡A、B,并且還喜歡C,那平臺(tái)就會(huì)把C推給你。
內(nèi)容過(guò)濾(Content-based Filtering):
也就是基于內(nèi)容相似度推薦。它根據(jù)你看過(guò)的視頻的標(biāo)簽、關(guān)鍵詞、時(shí)長(zhǎng)、節(jié)奏、配樂(lè)、話題等內(nèi)容特征,推薦與之相似的其他視頻。
但平臺(tái)并不會(huì)總是推你最?lèi)?ài)看的內(nèi)容,因?yàn)槟菢与m然短期內(nèi)效果好,長(zhǎng)遠(yuǎn)卻容易造成內(nèi)容疲勞甚至用戶(hù)流失,所以平臺(tái)必須在滿足你和試探你之間找到平衡。這也就是算法中的
探索 vs 利用(Explore vs Exploit)
權(quán)衡問(wèn)題。探索是為了試探你,挖掘新內(nèi)容,利用是為了穩(wěn)住你,繼續(xù)推你常看的風(fēng)格內(nèi)容。
這個(gè)問(wèn)題也被稱(chēng)為多臂老虎機(jī)問(wèn)題(Multi-Armed Bandit Problem),就像賭場(chǎng)里的老虎機(jī)一樣,每一個(gè)“臂”代表一種內(nèi)容選擇,平臺(tái)會(huì)在不同臂間做選擇,既最大化當(dāng)前回報(bào),又不斷嘗試未驗(yàn)證過(guò)的選項(xiàng),從中找出更優(yōu)解。
此外,為了讓推薦列表看起來(lái)不是完全套路化,平臺(tái)還會(huì)加入隨機(jī)擾動(dòng)機(jī)制,比如Gumbel-Max Trick的采樣方法。簡(jiǎn)單來(lái)說(shuō),平臺(tái)為你每個(gè)視頻估一個(gè)點(diǎn)擊概率(比如你點(diǎn)美食的概率0.9,點(diǎn)汽車(chē)的概率0.6);然后對(duì)每個(gè)視頻加一個(gè)Gumbel分布的隨機(jī)噪聲,制造一些不確定性,最終讓高分內(nèi)容更容易被選中,但也給低分內(nèi)容一些曝光機(jī)會(huì)。
這就實(shí)現(xiàn)了一種微妙的效果:你刷到的內(nèi)容中大概率會(huì)是你喜歡的內(nèi)容,還有一部分是未知的新奇內(nèi)容,有時(shí)平淡,有時(shí)出彩,且出現(xiàn)得足夠隨機(jī),足夠讓你產(chǎn)生一種不知道下一個(gè)會(huì)不會(huì)更好的期待。
最近,雖然人在工位,心卻早已飛向了張家界,參加一場(chǎng)名為“張家界七星山荒野求生挑戰(zhàn)賽”的活動(dòng)。這場(chǎng)活動(dòng)讓人感到輕松愉快,充滿樂(lè)趣
2025-11-18 16:02:25中國(guó)版荒野求生為何上頭