热门物品的推荐策略

目录

一、热门物品的优势

二、热门物品的劣势

三、针对热门物品的策略

---

一、热门物品的优势

1、可以作为新用户冷启动问题的打底策略，通常情况下，会比通过用户特征来进行推荐要得到更好的消费收益；

2、对物品要求小，当物品数量级小或物品的差异性小的情况下，热门推荐比个性化推荐更加合适。

二、热门物品的劣势

1、无法满足个性化需求；

2、会造成长尾效应，会越推越窄，造成信息茧房；

3、会产生”哈利波特“现象，在协同、word2vec等算法中，热门物品会导致内容相关性低的物品之间有高相似度。

三、针对热门物品的策略

1、热视频流量爬坡

将热门视频依据消费情况放入不同的流量池中，每次分阶梯召回热门视频，这样可以保证头部的热门视频得到充分的曝光

2、过热视频打压

在协同过滤、word2vec算法中，对过热视频进行降采样，降低过热视频对模型准确率的影响

3、分层召回

按消费情况分成不同的资源池，每个池中单独训练embedding模型或协同模型，这样可以保证召回的资源之间的流行度差距不会太大，同时也就可以保证相关性更强。（减少了相关度低的热门物品之间的召回）