目录
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)