推荐系统全链路设计：原理解读与业务实践

主页传送门：📀 传送

概述

---

  推荐系统中的冷启动分为物料冷启动和用户冷启动。用户冷启动主要是针对新用户，但有时候也用于低活用户拉活。物料冷启动主要是让优质物料得到快速下发，让模型可以迅速捕获到用户对该物料的关注。本文将详细讲解用户冷启动和物料冷启动。

1、用户冷启动

---

  用户冷启动就是通过物料钩子、注册信息、多域信息、联邦学习等各种技巧去迅速获取用户的兴趣点实现个性化推荐，激发用户的留存。此外针对新用户还需要考虑定期刺激用户兴趣，不断用优质物料去试探用户，甚至做到兴趣的流转和承接，迅速抓住用户的兴趣，提高用户黏性。比如，针对信息流推送业务的用户进行冷启动，当一个新用户点击某条推送物料后，用户会迅速进入信息流的某个业务界面（如图文或者视频界面），这时候，对应的业务界面也要做好对应的承接推荐，继续给用户优质的物料，让用户深入地使用该产品，而不是用户点完一个物料以后就完毕了。因此，对承接页的物料展示位的填充就很讲究了，首先，基于推送的I2I物料肯定是要有的；其次，用户的其他兴趣点物料和高热度物料也要着重考虑。同时，对于相同的用户冷启动“打法”，除了针对新用户，也可以定期针对低活用户进行拉活冷启动。用户流失其实是一个常见的问题，关键还是要分析用户为什么流失的问题，比如用户物料兴趣得不到满足，有违规内容，App的生态运转不良，竞品用其他手段拉走了用户等。通过分析得到问题后，就要针对这部分低活用户进行类似冷启动的“打法”，并且做好一系列的兴趣承接工作让用户重新回到App里面。

2、物料冷启动

---

  物料冷启动主要是针对新入库不久的物料，让其得到迅速下发，从而筛选出好的物料,产生流量的“滚雪球”效应。物料冷启动方法很多，主要包括用户粉丝冷启动、物料基础信息冷启动、物料相似性冷启动和物料进退场机制（具体请阅读《推荐系统全链路设计：原理解读与业务实践》一书）。

  现在的主流“打法”是物料进退场机制（也称作爬坡机制）。物料进退场机制主要是为每个物料设置一级级的限制，然后就是设置物料爬坡的限制，之后再根据各个业务情况去设置更进一步的流量筛选条件，直到最后物料流入正常流量库。下图展现了整个冷启动物料到正常物料的流程。

      图11-1 冷启动物料到自然流量物料库的转换

  冷启动流量需要考虑流量放量的速度和物料、用户的基础特征，相比自然流量的模型，冷启动环节的模型需要忽略反馈数据，如点击、下发、点赞、评论等。

3、PID算法

---

  在流量分发的过程中，肯定不可能一次性爆发式地分发下去，而是间隔式地均匀分发。因为，流量在不同时段的量都是不同的，而且物料肯定不应该被集中式下发，应该在各个时段都有分发。所以，为了合理的分发物料，需要对物料流量进行合理的控制，PID（Proportion Integration Differentiation,比例-积分-微分控制器 ）就是流量控制的典型算法。

  PID算法分为比例、积分和微分三部分，是控制领域的常见稳定控制算法。具体公式如下：

其中：

              图11-2 PID流程
  其实，PID操作类似于对热水器的水进行加热到固定水温。比如要将水温加热到40℃，一开始肯定要迅速升温，但是到35℃的时候就要减缓加温力度，到40℃就不再进行加温，只需要维持即可。怎么合理的将水温加到40℃，并且维持在40℃，就是PID需要做的事情。

  PID的核心就是

  ：控制当前主要误差的系数，图片越大，调节的力度越大，越激进； 图片越小，调节力度越保守。例如，假设某个物料需要发100条，要发10h，则每小时发10条（记为图片）。通过计算当前真实要发的量，图片越大，达到预期总发放量的速度越快。

  
：如果仅仅用比例，假设我们计划发10条，但是只发了4条，这样实际发放和计划发放就存在暂态误差。如果暂态误差拉长就会变为稳态误差，所以，我们再引入一个分量，该分量和误差的积分是正比关系。由于这个积分项会将前面若干次的误差进行累计，所以可以很好地消除稳态误差。该值不宜太大，一般取0.8-2之间。

  ：一般指t时刻和t-1时刻的误差值，即调节控制中的振荡，通常，微分环节相当于放大了反馈信号中的高频信号。系数取得不好会，就会引起高频震荡。

  PID算法在实际的应用中就是模拟线上环境，然后对图片进行调参，让整个分发系统达到一个稳定的状态。

  下面给出将某个物料在8h内分发100条的PID算法代码。

  实现了以上代码后，绘制时间和物料每小时的下发关系图。

作者：唐楠烊
来源：IT阅读排行榜
本文摘编自《推荐系统全链路设计：原理解读与业务实践》，机械工业出版社出版，经出版方授权发布，转载请标明文章来源。

▼

延伸阅读

《推荐系统全链路设计：原理解读与业务实践》

唐楠烊 著

一套基于业务场景的个性化精准推荐系统解决方案

推荐系统、NLP技术专家撰写

深度解读多层推荐系统构建和优化的原理和核心技术

内容简介：

---

  这是一本指导中高级从业者高质量落地现代推荐系统，围绕现代推荐系统核心技术展开深度解读的专业工具书，又是一套完整的推荐系统高质量落地解决方案。本书基于推荐算法工程师实际工作场景规划内容，融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验，是一本方法和实践兼具的好书。

  本书不针对零基础从业者，而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题，直指问题的本质，并按照推荐系统工作流程逐一破解。

文章作者：唐楠烊
来源：IT阅读排行榜
本文摘编自《推荐系统全链路设计：原理解读与业务实践》，机械工业出版社出版，经出版方授权发布，转载请标明文章来源。

原文链接：
推荐系统中冷启动环节的设计实现

购买链接：https://item.jd.com/14612336.html\

写在末尾：

---

根据博客阅读量本次活动一共赠书若干本
评论区抽取若干位小伙伴送出，中奖了会私信通知
参与方式：关注博主、点赞、收藏 + 评论
（任意评论不折叠即可，切记要点赞+收藏，否则抽奖无效，每个人最多评论三次）

  如果喜欢的话，欢迎 🤞关注 👍点赞 💬评论 🤝收藏  🙌一起讨论
  你的支持就是我✍️创作的动力！					  💞💞💞