Feed推薦引擎動態(tài)融合、規(guī)劃、編排是怎樣的

Feed推薦引擎動態(tài)融合、規(guī)劃、編排是怎樣的，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

目前市面上看到的Feed流推薦引擎，應(yīng)用到了的場景比較單一，除了資訊、內(nèi)容的推薦，也就差不多就是好友推薦了。

雖然，實現(xiàn)的方式不盡相同，總體上可以分為3類模型：

1.推模式

不同于常規(guī)意義的推送，這里側(cè)重于 “推到一個地方”，存儲或緩存。比如給每個人維護一個推薦列表，以增加寫擴散的復(fù)雜度，降低讀擴散的成本，讀取feed流的性能很突出。存在的問題就是，在寫入推薦列表時的性能、存儲壓力，以及信息的及時性。

2.拉模式

需要數(shù)據(jù)的時候，主動去拉取數(shù)據(jù)。近線查詢的方式，保證了數(shù)據(jù)的及時性，降低了存儲壓力。按需加載，使用的時候才去拉取，服務(wù)性價比高。換來的代價就是，服務(wù)端進行復(fù)雜場景數(shù)據(jù)的召回、聚合、編排的壓力。沒有很好的緩存場景，尤其是在海量請求下，服務(wù)的響應(yīng)能力簡直亞歷山大。

3.推拉混合

等同于結(jié)合推、拉模式各自的優(yōu)點，對業(yè)務(wù)場景進行最優(yōu)的場景化適配，以控制的復(fù)雜度來換取服務(wù)性能的一個平衡。

自從頭條系的產(chǎn)品矩陣，加速了Feed流的算法推薦進程以后。不管是今日頭條的資訊類產(chǎn)品，還是諸如Echo這樣的社交產(chǎn)品，在面對極度的信息大爆炸和用戶時間碎片化問題上，偏向于算法驅(qū)動的推薦引擎。

既然是推薦系統(tǒng)，那么作為 “飼料、飼養(yǎng)” 的feed都有哪些呢？

1.日常短語

日常短語，泛指那些少量文字，混合資源內(nèi)容的形式。如微博、朋友圈、Twitter、說說等形式。

2.文章、資訊

這個最常見的，如文章、新聞資訊等。一般形式由標題、內(nèi)容構(gòu)成，內(nèi)容是一個富文本的，混合著圖、文、資源的大量內(nèi)容主體。

3.短視頻

想了想還是把短視頻單獨抽取出來了，短視頻賽道隨著抖音、快手的覆蓋，獨當一面。作為一種輕流媒體形式，越來越重要。

4.泛資源內(nèi)容

可以說除了文字以外，都屬于資源內(nèi)容范疇，如動圖、音頻、視頻、文件等。這個分類并不是獨立存在的，經(jīng)常是混合著前幾類大量存在。獨立這個分類的最主要原因是，很多時候如果只有資源內(nèi)容，對于推薦系統(tǒng)就是一個巨大的挑戰(zhàn)。牽扯到了另一領(lǐng)域，對于資源文件的內(nèi)容識別。

由于feed流沒有固定的分頁概念，但是可以采用弱化的分頁方式。
簡化版可以進行兩段式分隔：首頁、其它頁。

第1頁：固定位置、或重要的數(shù)據(jù)、或banner位、熱門榜單等（如某要聞始終占第一位）。

第2頁（及以后所有頁）：可以根據(jù)用戶相關(guān)性進行推薦、以及隨機性的頁數(shù)內(nèi)容推薦、更加豐富的多樣性嘗試。這樣處理過度也比較自然，兼容冷啟動。

由于信息流推薦的結(jié)果，不同于一般的分頁查詢，具有數(shù)據(jù)多樣性。并不能保證看到結(jié)果的一致性，比較抽象（由于朋友圈的慣性思維，你總需要不斷解釋為什么看不到xx數(shù)據(jù)）。

尤其是，對于豐富的feed內(nèi)容進行編排序，同類型數(shù)據(jù)的打散、首頁特殊處理、數(shù)據(jù)穿插等等，頭疼的事情總是不厭其煩。

這個時候，就需要一個可視化模型，來驗證和調(diào)試推薦的結(jié)果展示。

#召回候選數(shù)據(jù)集的編排序：

• 第一段：用于強制的優(yōu)先級，如業(yè)務(wù)或特殊要求；

• 第二段：用于真正意義上的進行動態(tài)規(guī)劃、動態(tài)編排序；

• 第三段：主要用于數(shù)據(jù)后補，防止召回數(shù)據(jù)不足時進行試錯帶來的內(nèi)耗。

建議采用這種三段式的編排結(jié)構(gòu)，來滿足復(fù)雜場景的編排訴求。

#基于業(yè)務(wù)場景的數(shù)據(jù)融合方案

根據(jù)具體的場景化數(shù)據(jù)形態(tài)，進行最優(yōu)的數(shù)據(jù)庫選型，實現(xiàn)多數(shù)據(jù)源融合方案。

#推薦系統(tǒng)的可解釋性：

• 每一頁的推薦模型數(shù)據(jù)形態(tài)分布圖，代表了每次推薦的解釋形態(tài)；

• 左側(cè)類別，屬于召回的數(shù)據(jù)集分類（因子庫），每頁保證不少于3個因子；

• 右側(cè)色塊，表示召回的數(shù)據(jù)編排序（編排、穿插、離散）后的，子類型的時序。

看完上述內(nèi)容，你們掌握Feed推薦引擎動態(tài)融合、規(guī)劃、編排是怎樣的的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！