内容算法:把内容变成价值的效率系统 · 第三节
《内容算法:把内容变成价值的效率系统》第三节
本节讨论内容推荐系统中的召回与排序、规则系统,以及"断物识人"的基础方法。
本节讨论内容推荐系统中的召回与排序、规则系统,以及"断物识人"的基础方法。
在优化招聘类比中,作者主张优化召回(扩充候选集合)而非排序(最终面试),因为排序需保持公平,而多种筛选维度的召回能查遗补缺。规则系统在排序之后生效,是产品经理意志的体现,可用于快速纠偏提权(如《中国有嘻哈》开播后对"红花会"的标注干预),但短期补丁应逐步被长期机制替换,避免系统复杂化;长远看机器能超越人力规则,产品经理应学会退位。
推荐的起点是"断物识人"。断物即理解内容特点,最简单方式是贴标签:向不同受众介绍同一人会选择最具共鸣的标签,体现对多维事物的降维与针对性投射。分类是树状、自上而下、属性可枚举的,需专家编辑保证权威完备;标签是网状、强调属性关系、人人可参与,灵活但需数据清洗(如豆瓣"摇滚"与"rock"重复)。标签可由专家产出(如潘多拉音乐基因工程,450个标签由人工标注)或网友产出(豆瓣),产品设计可用候选标签集降低输入门槛。标签难以表意的领域(如爵士乐、美丑)需用聚类,即按特征归入相似集合。识人则是给用户贴标签形成画像,应用于精准广告营销等场景。