推荐重排算法之MMR

  MMR算法目的是减少排序结果的冗余，同时保证结果的相关性。最早应用于文本摘要提取和信息检索等领域。在推荐场景下体现在，给用户推荐相关商品的同时，保证推荐结果的多样性，即排序结果存在着相关性与多样性的权衡。

MMR算法原理

  MMR算法将排序结果的相关性与多样性综合于下列公式中：

Q : 用户;
d : 推荐结果集合;
C : R 中已被选中集合;
$\lambda$`: 权重系数，调节推荐结果相关性与多样性

  根据用户行为进行推荐时往往出现看了一个item后，同样的商品太多，并不能很好的体验出多样性，如：某用户最近历史浏览商品序列如下图，分别为男式地表强温廓形羽绒服、透气保暖元绒棉花被、男式加厚保暖长款羽绒服、男式地表强温工装羽绒服 。

  基于用户浏览的四件商品进行Top-10推荐，推荐结果与+MMR推荐结果如下两图，前者推荐结果相对单一，满屏幕全是羽绒服。后者在推荐坑位有限的情况下，多样性指标上明显更优，除了羽绒服、羽绒被外，还有大衣、运动服、羽绒马甲等商品。

原算法推荐结果

+MMR推荐结果

除了上述外系统还需要注意3点：

1. 相似度度量和传统的使用字典不同。
2. 计算相似度时特征权重不同.
3. 结果输出阶段，全量计算耗时长，可以使用滑块计算。