達觀資訊推薦系統(tǒng)助力打造更懂用戶的新聞客戶端
互聯(lián)網(wǎng)環(huán)境下信息數(shù)量急速上升，資訊的更新極其頻繁，幾乎每時每刻都在產(chǎn)生資訊，但用戶的信息容量有限，使得大部分有價值的信息無法抵達用戶，從而造成信息過載；另一方面，如此種類繁多、數(shù)量龐大的新聞，大部分是冷門新聞，沒有曝光的機會，導(dǎo)致出現(xiàn)物品的“長尾問題”。
據(jù)統(tǒng)計，2020年中國手機新聞客戶端用戶規(guī)模達7.11億，如何打造一款主流的新聞客戶端，解決信息過載和長尾問題是關(guān)鍵。個性化推薦技術(shù)在解決這兩個問題中起著極其關(guān)鍵的作用。新聞資訊中的個性化推薦是根據(jù)用戶的歷史行為數(shù)據(jù)進行興趣點深度挖掘，從大量的新聞資訊中找出用戶最感興趣的進行推薦，從而不僅滿足了用戶本質(zhì)的信息訴求，改善了用戶體驗，且大量的新聞資訊也有了曝光的機會，有了適合的受眾群體，避免了資源浪費。
除了個性化推薦，相關(guān)推薦和熱門推薦也被廣泛應(yīng)用到新聞客戶端中，本文將對其將對這些推薦類型做詳細介紹。
資訊推薦可分為三大類，首先是資訊的個性化推薦，一般在app的首頁，根據(jù)不同用戶的喜好，為其提供“千人千面”的個性化內(nèi)容；
其次是熱門資訊推薦，結(jié)合海量用戶的行為數(shù)據(jù)，計算當前熱門資訊內(nèi)容榜單；以及資訊詳情頁下方的相關(guān)推薦，通過內(nèi)容側(cè)和用戶側(cè)兩個維度計算資訊相似度進行推薦；
除此之外，在三大類型的推薦技術(shù)基礎(chǔ)上，可結(jié)合地域信息，為用戶推薦當?shù)氐馁Y訊。
資訊的個性化推薦一般有多個維度的召回策略，包括但不限于：
第一，通過協(xié)同過濾、UCB等推薦算法的召回策略；
第二，基于內(nèi)容的召回：利用達觀自研的NLP技術(shù)，對資訊內(nèi)容中的標題、內(nèi)容等文本信息進行分析，通過標題、標簽相似進行召回；
第三，基于行為的召回：根據(jù)用戶的點擊、點贊、收藏、評論、深度閱讀等行為分析用戶興趣，基于用戶偏好召回；
第四，基于規(guī)則召回：為配合資訊的業(yè)務(wù)需求，一般可加入運營規(guī)則對召回策略進行干預(yù)，例如：
- 時效性規(guī)則：只推薦1個月以內(nèi)的內(nèi)容，并且優(yōu)先推薦最新的資訊內(nèi)容。
- 多樣性規(guī)則：例如希望推薦內(nèi)容中，社會類、娛樂類、科普類呈多樣性分布。
- 打散規(guī)則：推薦內(nèi)容中，希望同一個類別，作者不連續(xù)呈現(xiàn)。
2.如何制定資訊相關(guān)推薦規(guī)則
第一，基于內(nèi)容側(cè)推薦，綜合資訊的標題、標簽、類別、作者等字段做相似性分析，推薦相似資訊。
第二，基于用戶側(cè)推薦，利用用戶的協(xié)同過濾和物品的協(xié)同過濾算法進行推薦。
第三，加入業(yè)務(wù)規(guī)則限制，例如控制新聞字段對相關(guān)推薦模型的權(quán)重，標簽>標題>類別>作者。
第一，根據(jù)海量用戶的點擊、點贊等行為數(shù)據(jù)，計算新聞熱度，生成排行榜單進行推薦。
第二，根據(jù)時間維度，加大24小時內(nèi)的新聞的權(quán)重，保證最新的新聞的曝光率。
第三，合理調(diào)整熱門推薦刷新機制，如2-4小時計算一次熱門榜單。
第四，結(jié)合app定位，調(diào)整不同行為對熱門模型的權(quán)重影響，如加大深度閱讀行為或者分享行為的權(quán)重。
第五，行為對熱門模型的影響度按時間遞減，例如今天的點擊行為權(quán)重高于昨天的點擊行為權(quán)重。
目前，在媒體和資訊行業(yè)達觀已經(jīng)服務(wù)江蘇廣電、陜西廣電、深圳廣電、澎湃新聞、人民網(wǎng)、四川日報、廣而告之、WiFi萬能鑰匙、聚看點等幾十家知名客戶。在客戶服務(wù)過程中，達觀智能推薦團隊針對客戶應(yīng)用場景，從業(yè)務(wù)、監(jiān)管、特定推薦等角度，提供推薦模型的定制和優(yōu)化。
此外，達觀數(shù)據(jù)智能推薦產(chǎn)品在銀行業(yè)、視頻等各個領(lǐng)域進行應(yīng)用，客戶涵蓋招商銀行、浦發(fā)銀行、民生銀行、江蘇銀行、寧波銀行、中國移動、長虹、安利等近百家各行業(yè)龍頭企業(yè)。
