推荐系统通识 · 讲义与学习笔记

搞懂推荐系统为什么越来越懂你——从数据收集、用户画像到内容匹配与反馈循环的完整逻辑。

整理：问学·科技

第 1 关 · 推荐系统通览与三类经典范式

能用三句话讲清推荐系统的本质、与搜索的区别，以及「基于内容」「协同过滤」「混合」三种范式的核心直觉。

信息过载与推荐系统的存在理由

**从一个生活场景说起**

想象你走进一个图书馆。20 年前，这个图书馆有 10 万本书，馆员会告诉你：「想看什么类型的，我帮你找。」你能轻松逛完几个书架，挑到满意的书。

今天，假设有一个「全球图书馆」，里面放着 10 亿本书、100 亿条短视频、几万亿条商品信息——而且每分钟还在新增。这个图书馆没有馆员。你想找点什么，只能靠自己——但问题是，你根本不知道里面有什么。这就是我们今天面对的**信息过载**。

什么是信息过载

信息过载不是「内容比 20 年前多一点」，而是量级跳了几个数量级。抖音每天上传视频超过 1 亿条，淘宝商品超百亿，公众号每天新增文章几百万。人类大脑处理信息的带宽是有限的——你每分钟能认真看的内容，可能就几十条，但供给端是几亿条。**这中间的鸿沟，靠「自己找」是填不上的。**

为什么「让用户自己找」行不通

20 年前互联网的口号是「人找信息」。用户打开百度，输入关键词，搜索引擎把相关网页列出来。这个模式有效，是因为三个前提都成立：

内容总量不大，搜索引擎能爬完、索引得过来
用户知道自己要什么，能用准确的关键词表达
看完结果，用户有能力自己判断哪个有用

**但这三个前提今天都塌了**：

内容太多，根本爬不完
很多时候用户自己也不知道想看什么（「杀时间」场景）
即便列出来，用户面对海量结果依然无从选择

这就是为什么「自己找」这套逻辑在今天失灵了。**不是用户变懒了，是环境变了。**

推荐系统做了什么：把选择权接回平台

推荐系统的核心动作很简单：**平台替你做一部分选择**。

你打开抖音，没输入任何关键词，首页直接开始播放——你大概率会看到感兴趣的内容。你打开淘宝，没搜任何东西，首页就是你想买的。这背后是一套系统在做判断：你可能对什么感兴趣、现在给你看这个合不合适。

**对比一下两种模式**：

flowchart LR
    A[用户] -->|输入关键词| B[搜索引擎]
    B -->|返回结果列表| A
    
    C[用户历史行为] --> D[推荐系统]
    E[内容池] --> D
    D -->|主动推送| F[用户]
    F -->|新行为反馈| C

左边是搜索：用户主动表达，系统被动响应。右边是推荐：系统主动判断，用户被动接受。

**关键差异是主动权的转移**。搜索里，意图由用户表达；推荐里，意图由系统猜测。

一个具体例子：抖音的首页

打开抖音，你没搜任何东西。系统怎么决定给你看什么？

它会立刻调用你的**历史行为**：你昨晚点赞过健身视频、停留过猫咪视频、划过美妆视频。这些行为构成了一张「你是谁」的画像。然后它从几亿条视频里挑出几十条你最可能看完的，依次推给你。

你每划一条——点赞、停留、划过、评论、关注、收藏——这些信号又立刻回流到系统里，系统实时更新对你的理解，下一条推送更准。

**这构成了一个数据闭环：行为 → 画像 → 推送 → 新行为 → 更新的画像 → 更准的推送**。系统就是这样「越用越懂你」的。这一块的细节我们后面会专门讲。

三类经典范式：基于内容、协同过滤、混合

开场：三个朋友给你推荐餐厅

想象你下周想找家新餐厅，三个朋友分别给你出了主意：

**朋友甲**翻了翻你过去一年的打卡记录，发现你十次有八次吃的是川菜和粤菜，然后他查了查新餐厅的菜单——「这家也是川菜！」——他推荐的理由是**内容本身像**你过去喜欢过的。
**朋友乙**根本不看餐厅长什么样，只是说：「你和小李口味一直很像，他昨天去的那家你应该也会喜欢。」——他推荐的理由是**人像**你。
**朋友丙**两条都看了——内容确实像，他认识的人里也有人说不错——他给了一个综合判断。

这三种思路，恰好就是推荐系统最经典的三种范式。

基于内容：看东西像不像

**核心逻辑**：用户过去喜欢的内容有什么特征 → 推荐新内容时挑有相似特征的那批。

这里的关键能力是**给内容打标签**。一部电影要有「动作、科幻、2024 年、诺兰」这些维度，一篇公众号要有「职场、跳槽、35 岁」这些关键词，一条抖音要有「美食、教程、成都」等标签。

抖音会根据你过去完播、点赞的视频提取出你的兴趣画像（爱看美食、爱看旅行、爱看 3 分钟以内的），然后拿这个画像去匹配新视频的特征。

**优点**：能推荐完全没人看过的冷门内容（新内容只要特征对就可能被推）；不依赖其他用户的行为。

**缺点**：会陷入「信息茧房」——你过去喜欢川菜，它就永远推川菜，你很难发现原来你也喜欢湘菜。系统永远在强化你过去的口味，**不擅长制造惊喜**。

协同过滤：看人像不像

**核心逻辑**：不用理解内容长什么样，只看「谁和谁行为像」。

最经典的口号有两句：

「**和你相似的人也喜欢这个**」（基于用户相似度）
「**喜欢这个的人也喜欢那个**」（基于物品相似度）

比如，你和用户 B 都喜欢了视频 1、3、5，系统判断你俩很像，于是把 B 喜欢而你没看过的视频 7 推荐给你。

**这种方法的妙处在于：你不需要知道视频在讲什么**。系统对内容一无所知，只看数字——谁看过谁、谁点赞了谁——就能做出推荐。

**优点**：能制造惊喜（我从来没看过这类，但和我相似的人在看——这恰恰是新口味被发现的方式）；不需要对内容做深度理解。

**缺点**：**冷启动很糟糕**。一个新用户进来没有任何行为数据，系统不知道他像谁；一个新视频上传没人看过，系统不知道谁会喜欢它。这就是为什么抖音会强制让你刚注册时选几个兴趣标签——那是在**用内容特征补协同过滤的冷启动漏洞**。

混合：两条腿走路

现实中的推荐系统几乎**没有只用一种范式的**。

flowchart TD
    A[内容特征信号] --> E[综合打分模型]
    B[协同过滤信号] --> E
    C[社交关系信号] --> E
    D[时效与热度信号] --> E
    E --> F[最终推荐结果]

内容特征、协同信号、社交关系、时效热度、用户反馈……全部加权融合。

**为什么会这样？** 因为每种范式都有它解决不了的问题。混合就是把几个范式各取所长、补其所短。

一个走一遍的例子

假设你平时只看「美食」和「旅行」两类内容。今天抖音给你推了一条「街舞教学」——你从来没看过这类。

基于内容的逻辑会**拒绝**推它（它和你过去喜欢的不像）。
协同过滤的逻辑**可能**推它——系统发现一群和你行为很像的人，最近都在看街舞，于是猜测你也会喜欢。
混合系统则会综合判断：是只靠协同信号、还是需要加点其他信号一起权衡。

这就是为什么你**偶尔能在抖音发现「原来我也喜欢这个」**——背后是协同过滤的功劳。

要点

三种范式的核心差异是**比较的是什么**：基于内容比较内容像不像、协同过滤比较人像不像、混合则是把多路信号加权融合。真实世界的推荐系统，几乎都是混合范式。

协同过滤的两种直觉：UserCF 与 ItemCF

开场：同一句「协同过滤」，两条不同的路

上一节我们讲了协同过滤的总体思路——「不靠内容理解，只看行为关系」。但同样四个字「协同过滤」，内部其实有两条截然不同的路径。

你今天在淘宝买了副无线耳机，淘宝立刻给你推了手机壳、充电器。背后能走两条路：

**A 路**：找一群「和你行为像」的人，看他们都买了啥 → **UserCF**
**B 路**：看「和你买过的东西」经常被一起买的是啥 → **ItemCF**

它们都能解释这次推荐，但底层逻辑完全不同。这一节就讲清这两条路的差异。

UserCF：「人以群分」

**完整口号**：**和你相似的人也喜欢这个**。

思路一句话：先找「和你口味相投的人」，再看他们最近喜欢啥。

举个例子。假设你是用户 A，过去喜欢过视频 1、3、5、7。系统里还有用户 B、C、D：

B 喜欢过 1、3、5、8、9 → 跟你的重合度很高（1、3、5 全对上）
C 喜欢过 2、4、6 → 跟你几乎没重合
D 喜欢过 1、3、10、11 → 跟你部分重合

系统判断：**B 跟你最像**。于是把 B 喜欢、而你没看过的 8 和 9 推荐给你。

**关键特征：人是中心。** 计算发生在「用户×用户」的相似度矩阵里。

**优点**：能制造惊喜——B 喜欢的东西你可能完全没接触过，但因为你俩像，命中率反而高。这也是抖音偶尔能把你「带出信息茧房」的功臣之一。

**缺点**：每来一个新用户、新物品，都要重新算相似度；用户多了计算量爆炸；用户兴趣一旦变化，整个相似网络都得跟着变。

ItemCF：「物以类聚」

**完整口号**：**喜欢这个的人也喜欢那个**。

思路一句话：先看你过去喜欢过啥，再找「和这些东西经常被一起喜欢」的其他东西。

同一个例子。你喜欢过视频 1、3、5、7。系统里有这样的统计：

看过 1 的人大多也看过 9 和 10
看过 3 的人大多也看过 8
看过 5 的人大多也看过 8 和 10
看过 7 的人大多也看过 11

系统发现：**8、9、10、11 是和你喜欢的内容经常被一起消费的「邻居」**。于是把这几个推给你。

**关键特征：物品是中心。** 计算发生在「物品×物品」的相似度矩阵里。

**优点**：物品之间的关系比用户之间的关系稳定得多——电影就是电影、书就是书，相似度可以提前算好缓存起来，查询极快。

**缺点**：很难给你真正意外的东西——因为你过去喜欢的是科幻，推荐来的也大概率是科幻。

一个图看清差异

flowchart LR
    subgraph UC[UserCF 人以群分]
        U1[你] -- 找相似用户 --> B[用户B 跟你最像]
        B -- 他喜欢 --> I1[物品8]
        B -- 他喜欢 --> I2[物品9]
    end
    subgraph IC[ItemCF 物以类聚]
        U2[你] -- 你喜欢过 --> I3[物品1]
        I3 -- 经常一起 --> I4[物品8]
        I3 -- 经常一起 --> I5[物品10]
    end

UserCF 在中间拐了一道「人」；ItemCF 直接在「物品」之间连线。**两者都在回答「下一步推什么」，但找邻居的维度完全不同。**

一个具体例子：网易云 vs 抖音

**网易云音乐「相似歌曲」**：你听了一首周杰伦的《晴天》，系统推同曲风、同歌手的歌。这是典型的 **ItemCF**——歌曲之间的关系相对固定（歌本身不会变），可以预计算。
**抖音「你可能也喜欢」**：背后是 **UserCF + ItemCF 混合**——既有「和你相似的人最近在刷啥」，也有「和你看过的视频相似的视频」。短视频更新太快、单个视频太碎，单靠一种往往效果不够。

什么时候用哪个？

简单记：

**物品多、用户少、用户兴趣相对稳定** → UserCF
**物品少、用户多、物品本身相对稳定** → ItemCF
**物品经常变（新闻、短视频）** → UserCF 更合适，因为物品关系算不过来
**物品稳定（电影、书、商品）** → ItemCF 更合适，因为可以预计算省成本

亚马逊、Netflix、网易云音乐这种**物品库相对固定**的平台，几乎都押宝 ItemCF。今日头条这种**内容日新月异**的平台，更偏向 UserCF 或更复杂的混合模型。

要点

UserCF 是「人以群分」（先找人，再看人喜欢啥），ItemCF 是「物以类聚」（先看物，再找物的邻居）。两者都属于协同过滤（不依赖内容理解），但**计算中心不同**：UserCF 算用户之间的关系，ItemCF 算物品之间的关系。

矩阵分解：用一组数字表示一个人

开场：你的口味「DNA」

你在奶茶店点单时说「燕麦拿铁、半糖、热」，店员其实已经对你有了个画像——不太甜、不喝冷的、接受新潮口味。

**推荐系统也需要给每个用户一个「口味描述」，但要比「半糖热」复杂得多。** 这一节讲的「矩阵分解」，干的就是这件事：给每个用户、每个内容都生成一组数字，用这组数字精准描述它的「气质」。

原始数据长什么样

我们先看「原始推荐系统」长啥样。假设有 100 万用户、10 万部电影。最直觉的做法是建一张大表：100 万行 × 10 万列，每个格子记录某个用户对某部电影的评分（1-5 分）。

但这张表有两个问题：

**极其稀疏**：一部电影 100 万人里可能只有几百人评分，其余格子全是空的
**无法预测**：张三没看过《盗梦空间》，格子是空的，系统就不知道他会不会喜欢

协同过滤已经能解决一部分问题，但它依赖「共同评分过的人」——对完全没人同时评过的冷门电影就抓瞎了。

矩阵分解的核心想法

矩阵分解问了一个天才的问题：

> **这张大表里其实藏着一个「隐藏结构」——能不能把人和电影，都用几个数字表示出来？**

打比方：你虽然没填过一份"电影口味测评表"，但你过去看过的电影、给的评分，已经在悄悄「暴露」你的偏好维度。系统可以**反推**出你的偏好由哪几个维度决定。

具体怎么压

假设系统决定用 **4 个数字**描述每个用户、每部电影。这 4 个数字不是随机选的，而是系统通过「看历史打分」自己学出来的——每个数字代表一个隐藏维度。

举几个**人话版的维度例子**（系统实际学到的不一定叫这名，但含义类似）：

| 维度 | 含义 | 张三的分数 | 《盗梦空间》分数 | |---|---|---|---| | 维度1 | 喜欢深度剧情 vs 轻松娱乐 | 0.8（爱深度）| 0.9（深度剧情）| | 维度2 | 偏科幻 vs 偏现实 | 0.7（爱科幻）| 0.95（很科幻）| | 维度3 | 偏经典 vs 偏新潮 | 0.5（中立）| 0.4（较老派）| | 维度4 | 节奏快 vs 节奏慢 | 0.6（偏快）| 0.5（中等）|

**预测张三对《盗梦空间》的评分？** 把两组数字对应相乘再加起来：

0.8×0.9 + 0.7×0.95 + 0.5×0.4 + 0.6×0.5 ≈ **1.89**（归一化到 5 分制大约 4.3 分）

系统就知道：推给张三，《盗梦空间》很可能会被喜欢。

一个图看清流程

flowchart LR
    A[巨大的稀疏打分表] --> B[矩阵分解]
    B --> C[每个用户的一组数字]
    B --> D[每个内容的一组数字]
    C --> E[两组数字相乘相加]
    D --> E
    E --> F[预测分数]
    F --> G[推荐给用户]

**输入**：稀疏大表。**输出**：每个用户、每部内容都得到一组精炼的「气质数字」。**预测**就是把两组数字「对得上」的程度算出来。

为什么要懂这个？因为它和大模型是一回事

如果你听过「Embedding（嵌入）」这个词——**矩阵分解就是 Embedding 思想在推荐系统里的鼻祖**。

把每个用户、每个内容都压成一组数字，让「意义相近」的东西在数字空间里距离近——这个思路，**和大模型把「猫」「狗」「哺乳动物」压成数字向量的思路完全一致**。

所以推荐系统里管这种「气质数字」叫**用户向量**和**内容向量**（或者直接就叫 embedding）。这套范式一统江湖，从 Netflix 百万美元挑战赛，一直打到今天抖音和淘宝的召回阶段。

一个具体场景

小红书要给你推笔记。

你过去点赞的笔记里，「露营」「vlog」「小众咖啡」出现得多
系统反推出你的 **3 个核心偏好维度**：户外感、生活化、不从众
每篇新笔记也用同一套 3 个数字描述
系统算你和每篇笔记的「匹配度」（就是两组数字相乘），挑最高的推给你

**好处**：就算你是小红书的新用户、那篇笔记也是新发的，没有任何「共同行为」记录——只要有各自的那组数字，就能预测。

要点

矩阵分解把巨大稀疏的「用户-内容」打分表，**压缩成每个人、每个内容都对应的一组数字**（向量）。预测推荐分数 = 把这两组数字对应相乘再相加。这套「用数字表示含义」的思路，**本质上和大模型的 Embedding 是一回事**——理解了这个，你就抓住了今天所有「用 AI 做匹配」系统的底层逻辑。

学习笔记

第 2 关 · 端到端架构、数据闭环与评估指标

能用「数据流」视角讲清一次推荐请求的工程链路，并说出 CTR、AUC、NDCG 等核心评估指标各自在衡量什么。

五层架构：数据层→召回→粗排→精排→展示

想象你是一个餐厅经理，几万道候选菜摆在后厨，但客人坐下后只有几分钟，你得迅速决定先上哪几道。真实做法是分轮筛：先把明显不合适的筛掉（不吃辣的客人筛掉川菜），再精细评判剩下的候选，最后摆盘上桌。抖音每天给你推视频，思路一样——分轮漏斗。

为什么是漏斗，不是一次算完

抖音的候选池可能有上千万条视频，而从你下拉刷新到内容加载出来，往往只有几百毫秒。在这个时间窗里，平台不可能对每条视频都跑一遍最贵的深度模型，否则用户早就划走了。所以推荐系统把决策拆成五层，像漏斗一样层层筛下来——越往下候选越少，算法越精细。

flowchart TD
    A[数据层<br/>行为日志 内容特征 用户画像] --> B[召回<br/>百万缩到约一千]
    B --> C[粗排<br/>约一千缩到约一百]
    C --> D[精排<br/>约一百缩到约十]
    D --> E[展示与重排<br/>业务规则 多样性 去重]

五层各自在做什么

**1. 数据层：仓库，不是决策者**

这一层不参与「选哪条」，只负责「原料备齐」。它储存三类东西：

你的行为日志：看过哪些视频、看了多久、点赞、评论、关注、跳过
内容特征：视频的标签、封面、作者、热度、嵌入向量
用户画像：你的兴趣分布、年龄、性别、设备等

这三类原料会被上面所有层反复调用。数据层不挑内容，但缺了它，上面四层全趴窝。

**2. 召回：快而广**

任务：几十毫秒内，从几百万甚至上千万的池子里，拉出**约 500–2000 条**候选。

方法必须简单粗暴：标签匹配（你爱看篮球就拉篮球类）、协同过滤（爱看 A 的人也爱看 B）、向量相似度搜索。召回的核心指标是「召回率」——宁可多捞不可漏掉好内容，错了没关系，后面还有三道关。

**3. 粗排：快而稍准**

任务：从约一千缩到约一百。

这一层开始用机器学习模型打分，但仍是轻量级——逻辑回归、小规模神经网络，特征数也有限。它的目标是在「准」和「快」之间找平衡：准过召回，便宜过精排。

**4. 精排：准而慢**

任务：从约一百缩到最终的 10–20 条。

这一层用上了平台最贵的家当：深度神经网络、多任务学习（同时预估点击、完播、点赞、评论）。特征也是最丰富的——你近期的行为序列、当前时段、所在城市、甚至手机型号。它的目标是对每一条候选精确预估「用户会不会产生我们想要的行为」。

**5. 展示与重排：规则的最后一公里**

任务：把精排的 10–20 条加工成最终给你看的那 5–8 条。

这一步**不算分数，而是加规则**：

多样性：不能连推三条同类内容
新鲜度：给新发布的视频一定扶持
去重：你已看过的不能再推
广告位：把赞助内容塞进合适的位置

抖音下拉一次的真实数字

| 层级 | 候选规模 | 耗时量级 | 模型复杂度 | |---|---|---|---| | 数据层 | 整个用户/内容库 | 毫秒级查询 | 无模型 | | 召回 | 千万 → 约 1000 | 10–30 毫秒 | 简单规则/向量检索 | | 粗排 | 1000 → 约 100 | 10–20 毫秒 | 轻量模型 | | 精排 | 100 → 约 10 | 20–50 毫秒 | 深度模型 | | 重排 | 10 → 最终 5–8 条 | <10 毫秒 | 规则为主 |

为什么不能省掉中间几层

一个常见误解是：既然精排最准，为什么不让它直接处理所有候选？答案很简单——算力不允许。假设候选池是一千万条，精排单条耗时 5 毫秒，那一次刷新就要 50000 秒，相当于 14 小时。漏斗结构的本质是「**用便宜模型做粗筛，把贵模型留给最后几十条**」，让总计算成本可控。

**要点：** 推荐系统是一个分层漏斗，越往上处理量越大但模型越简单，越往下处理量越小但模型越精细，每一层只解决「粗筛」或「精排」中的一种问题。

一次推荐的「一生」：你刷新时系统做了什么

想象你点了一次外卖：从按下「下单」那一刻，到骑手把餐送到、吃一口、再给个五星好评——这是一条完整链路，每一步都为下一步铺垫。一次下拉刷新也是这样的「一生」：从手指落下，到内容显示、你看视频、你的反应被记录——它在几百毫秒里走完一圈，又把数据埋进土壤，等下一次发芽。

用一次具体刷新串起来

工作日中午 12:30，你躺在沙发上刷抖音，首页刷完了，下拉刷新——我们跟着这条请求走完它的「一生」。

**T=0ms：你手指落下**

客户端立刻捕捉到这个手势，知道「要拉新内容了」。屏幕还没动，客户端已经在准备给服务器发的「包裹」。

**T=20ms：打包请求**

这个「包裹」里塞着：你的用户 ID、最近 50 条行为序列（看了什么、看了多久、是否点赞）、设备型号、网络环境、当前时间、地理位置。所有这些上下文都是精排模型的「配料」。

**T=50ms：服务器收到，数据层备料**

服务器拿到请求后，第一件事不是算分，而是去数据层查你的用户画像：最近 7 天的兴趣分布、关注列表、敏感词过滤设置等。这一步是「读」，不是「算」。

**T=80ms：召回层开闸**

召回像撒网——同时启动 5-6 种策略（标签匹配、协同过滤、向量相似度搜索等），并行从不同候选池里捞视频。约 80 毫秒后，桌上摆着 1000 多条候选。注意：这时还没有任何「准不准」的概念，召回只管「会不会漏掉好内容」。

**T=110ms：粗排快速过一遍**

一个轻量模型给这 1000 条打分，按分数砍到 100 条。这一步要兼顾速度和准确——用错了就可能把好内容送走。

**T=150ms：精排精细打分**

最贵的模型上场。它对 100 条候选逐一精评，结合你最近的行为序列、当前时段、所在地点——把所有线索都用上。这一步的预估维度也最多：点击、完播、点赞、评论、关注，每个行为一个分数。

**T=170ms：重排与规则介入**

精排的 20 条被打分后，重排层加规则：不能连续两条同类（多样性）、不能推你刚看过的（去重）、要给新视频留位置（新创作者扶持）、广告位塞在哪里。这些不是机器学习，是产品决策。

**T=200ms：响应发回客户端**

最终 8 条视频（封面、视频 ID、作者信息、跳转链接）被打包返回。整个「决策过程」用时不到 200 毫秒。

**T=300ms：第一屏显示**

客户端拿到响应，开始下载封面、解析元数据、渲染缩略图。300 毫秒左右，第一条视频封面出现。

**T=400ms+：行为采集开始**

但这条推荐的「一生」还没结束。从第一条视频开始显示的那一刻，客户端就在默默记录：你看了几秒、是否滑走、是否点赞、是否点开评论区。这些行为事件被实时回传给服务器。

**分钟级：画像更新**

你的这次完播、这次跳过，会在分钟级被合进你的用户画像。等你下次再下拉刷新——刚才那些数据已经在数据层里被读到了。

sequenceDiagram
    participant U as 你
    participant C as 客户端
    participant S as 推荐服务器
    participant D as 数据层
    participant R as 召回
    participant Cr as 粗排
    participant Fr as 精排
    participant Rr as 重排
    U->>C: 下拉刷新
    C->>S: 请求 用户ID 行为序列 上下文
    S->>D: 查用户画像
    D-->>S: 画像数据
    S->>R: 多路召回
    R-->>S: 约1000条
    S->>Cr: 粗排打分
    Cr-->>S: 约100条
    S->>Fr: 精排打分
    Fr-->>S: 约20条
    S->>Rr: 多样性 去重 规则
    Rr-->>S: 最终8条
    S-->>C: 返回视频列表
    C-->>U: 视频显示
    U->>C: 观看 点赞 跳过
    C->>S: 行为事件回传
    S->>D: 写入日志

为什么这个「一生」重要

**请求是「单次的」，链路是「连续的」**：你这次看到的视频，依赖你过去所有的行为；你这次的行为，又会影响下次看到的视频。整条链路环环相扣——过去的你 → 现在的你 → 未来的你。
**响应是「百毫秒」的，影响是「分钟级」的**：你刚划过的内容，几分钟后你的画像就更新了。系统的「反应速度」，是它能「越用越懂你」的物理基础。
**算法和规则是「交替」的**：精排是数学，重排是产品决策。一条好推荐不是纯算出来的，是「算 + 选」共同决定的。

**要点：** 一次下拉刷新是一条「请求 → 计算 → 响应 → 行为回传 → 画像更新」的小型闭环，从手指落到画像更新不到 1 分钟；它的「一生」不是结束于内容显示，而是结束于你新的行为数据被记入系统。

数据闭环的工程视角：单次循环

用「私人造型师」建立直觉

想象你去商场，身边跟着一位造型师。他不会先问你「你想要什么」，而是先给你搭一身让你试——你试穿一下，他看你表情：满意地点点头、皱着眉递回去、还是压根没照镜子就走。他的笔记本飞快记下：这件你看了 3 秒，那件你看了 30 秒，那件你直接说「买了」。下次再见面，他不再给你昨天你直接放下的那件，而会从你认真试穿过的那件里找类似的款式。

推荐系统在做一模一样的事——只不过「造型师」是算法，「你」是几亿用户之一，「笔记本」是数据仓库。

一次循环的四个环节

**第一步：展示（Impression）**

精排完成后，系统把 8 条视频打包返回，客户端把它们铺到你面前。这一步叫「曝光」——系统**已经决定**给你看什么了。但曝光本身也是数据：哪条排在第 1 位、哪条排在第 8 位、你到底看到第几条才停下。

**第二步：行为（Behavior）**

你开始刷。看 3 秒就划走，是「快速跳过」；看到一半退出，是「不感兴趣」；看完全程还点赞，是「强正反馈」；点进评论区，是「深度互动」；点开作者头像，是「被作者本人吸引」。

系统能感知到的行为远不止「点赞/不喜欢」两个按钮——它看你**停多久**、**怎么滑**、**是否循环播放**、**何时退出**。抖音一天采集几百亿条这样的行为事件。

**第三步：行为回流（Feedback Logging）**

你刚划走一条视频，客户端就把这条行为打包（用户 ID、视频 ID、行为类型、停留时长、时间戳）发回服务器，服务器写入日志系统——这叫「埋点」。

「回流」是工程上**最容易被低估**的一步。它有四个硬要求：

**量大**：抖音每天产生 PB 级别的行为日志
**实时**：用户在刷，必须趁热打铁
**不丢**：行为数据是模型的「粮食」，丢一条就少一条信号
**可关联**：这条行为必须能正确挂回那个用户、那条视频、那个时刻

任何一步出 bug——客户端没埋点、网络断了、服务器重复写入——都会让推荐「学错」。这一步才是闭环能不能真正「闭」上的关键。

**第四步：模型更新（Model Update）**

行为数据进入数据仓库后，并不会立刻改变你今天看到的内容。它们被聚合成训练样本：你过去看过什么、当时系统推了什么、最后你做了哪个动作。

每天凌晨（或更频繁），数据团队用这些样本重新训练模型，把「新学到的规律」压进参数里。第二天上线后，你看到的推荐就是新模型算出来的。

flowchart LR
    A[展示] --> B[行为]
    B --> C[回流]
    C --> D[模型更新]
    D -.次日再次展示.-> A

单次循环的「工程」视角

注意几个**时间尺度**的差异——这是工程视角的核心：

展示 → 行为：秒级
行为 → 回流：毫秒级
回流 → 模型更新：小时到天级
模型更新 → 下次展示：下一刷

「闭环」之所以是个**工程**问题，不是个**算法**问题，核心就在于这条链能不能稳定跑通：客户端埋点不能漏、网络传输不能断、日志系统不能挂、训练流水线不能崩、模型上线不能翻车。算法可以不是最优的，但数据回不来，系统就永远学不会。

一个具体例子

下午 3 点，你刷到 8 条视频：

第 1 条（搞笑）：看了 8 秒，跳过
第 2 条（萌宠）：看完，点赞
第 3 条（美食）：看到 25 秒，关注了作者
第 4 条（新闻）：0.5 秒划过

这 4 条行为在 3 秒内全部回传到服务器。凌晨，模型用今天所有用户的行为重新训练。明天再刷时，美食类概率上调、萌宠类保持、新闻类下调——一次单循环的「结果」。

单次 vs 多轮：本节的视角边界

今天讲的是**一次完整的循环**：从「系统展示」到「模型被更新」，链条走完一遍。这是物理结构上的事实——数据走了、模型变了。

但循环走完一圈**不等于故事结束**。你反复看美食，系统推更多美食，你继续看更多美食——这种「越推越窄」的现象是循环的副产品，**多轮**叠加后才会显现。这一块我们会留到后面专门讲，今天不展开。

**要点：** 数据闭环是「展示→行为→回流→更新」的物理链条；单次循环走完一圈，系统就「学」到一次；这条链的关键不在算法，而在数据能不能**完整、及时、不出错**地流回来。

评估指标：CTR、AUC、NDCG、留存

用「教练看成绩」做类比

你请了一位私教，每节课后都让小孩做一张卷子。但你真正想知道的不是「这张卷子几分」，而是「小孩下个月大考能考几分」。

推荐系统的评估指标，就在「卷子分数」和「最终成绩」之间做平衡。CTR、AUC、NDCG 是各种「卷子分数」，留存才是「最终成绩」。

为什么必须有指标

你已经学完数据闭环了——展示、行为、回流、模型更新。但有个根本问题没解决：你怎么知道「模型变好了」？

不可能每天让全公司员工去刷产品看「感觉准不准」。必须用数字说话。**评估指标**就是把「推荐得好不好」翻译成可测量的数字。

离线 vs 在线：两个考场

评估分两个地方：

**离线考场**：拿历史数据「做卷子」。模型上线前，用过去的数据回测——昨天推得对不对？AUC、NDCG 在这里算。
**在线考场**：上线后给真实用户用，看真实行为——CTR、留存在这里看。

离线便宜、快、能反复做；在线贵、慢，但最真实。再准的离线指标，也代替不了在线。

---

CTR（点击率）：最基础、最容易骗人

**衡量什么**：一条内容被推出去后，多少人点了。直觉公式：CTR = 点击数 ÷ 展示数。

比如一条视频推给 1000 人，120 人点进去，CTR = 12%。

**优点**：简单、好统计、秒级反馈。

**致命缺陷**：CTR 只看「点不点」，不看你点完之后什么反应。结果——

标题党刷 CTR：写「震惊！XXX 居然这样」骗你点，进去看完想骂人
擦边球刷 CTR：开头放个争议画面骗你点
位置作弊：CTR 高的内容被反复推，热门越来越热

**关键洞察：CTR 高 ≠ 推荐好**。CTR 只在「点击前」测量，完全不关心你点完之后的体验。

---

AUC：模型「排序能力」的体检表

**衡量什么**：模型把「好内容排在坏内容前面」的能力。

举例：精排给用户算了 8 条视频的预估分数。AUC 关心的是——真正该推的那条（用户最终看了/喜欢的那条），有没有排在不该推的前面？

AUC = 1.0：完美排序（推的每条都比没推的好）
AUC = 0.5：瞎蒙（推和不推差不多）
AUC = 0.6-0.7：刚及格
AUC > 0.8：非常能打

**和 CTR 的区别**：CTR 看「整体点得多不多」，AUC 看「**该点的有没有排在前面**」。

**适合场景**：纯离线评估，模型训练完打一次分。

---

NDCG：位置有高低，奖赏要分级

**衡量什么**：好内容**排得越靠前**，分越高。

AUC 已经能区分「好/坏」，但对位置不敏感——把第 1 条和第 8 条对换，AUC 几乎不变。

但现实里，第 1 条和第 8 条差距巨大！第 1 条是黄金位，曝光率、第 1 印象都完全不同。

NDCG 的核心思想：**位置就是权重**。好内容出现在第 1 位，得满分；出现在第 8 位，扣掉一大半分。

**举例**：精排推了 8 条，前 3 条都贴用户喜好，但「最贴」的那条在第 3 位。CTR 看「前 3 条总点击」，NDCG 看「最贴的在不在第 1 位」。

**适合场景**：离线评估精排模型时最重要的一项。

---

留存：唯一能「长期打假」的指标

**衡量什么**：明天/下周/下个月，用户还来不来。

其他三个指标都死在「一次推荐」里——只看这一次推得准不准。但推荐系统的最终目的不是「一次推得准」，是「让用户留下来」。

**CTR 高但留存崩盘**的场景：

系统学到了「猎奇内容 CTR 高」→ 疯狂推 → 用户审美疲劳 → 卸载
系统学到了「擦边球 CTR 高」→ 推 → 用户被恶心到 → 离开
短期 CTR 涨 20%，30 天留存跌 15%——这是大灾难

**留存的「孤独权威」**：

CTR 涨了，可能是模型变好，也可能是标题党变多
AUC 涨了，可能是离线数据没漏，但也可能跟线上真实感受脱节
NDCG 涨了，可能是排序更准，但用户不一定感觉到
**留存跌了，就是真的出问题了**——没人能在卸载/不打开这件事上撒谎

---

一个具体例子

某内容平台做了一次模型升级，所有离线指标都涨了：

| 指标 | 升级前 | 升级后 | 状态 | |------|--------|--------|------| | CTR | 8% | 11% | ↑ | | AUC | 0.78 | 0.81 | ↑ | | NDCG | 0.65 | 0.71 | ↑ | | 7日留存 | 42% | 38% | ↓ |

上线一周后紧急回滚——所有离线指标都「好」了，但用户跑得更多。这就是**为什么留存是最终裁判**。

---

四个指标的关系

flowchart LR
    A[CTR 点击率<br/>在线·短期] --> B[AUC 排序能力<br/>离线] --> C[NDCG 位置加权<br/>离线] --> D[留存 用户回访<br/>在线·长期]

从左到右：看的视野越来越长。CTR 看「这一刻点没点」，AUC/NDCG 看「这次排得好不好」，留存看「用户还来不来」。

**要点：** CTR 测点击、AUC 测排序、NDCG 测位置加权排序，三者都死在「一次推荐」里；留存测「用户明天还来不来」，是唯一能反映长期价值、也是唯一能识破「短期指标全涨但体验崩盘」的硬指标。

学习笔记

端到端架构、数据闭环与评估指标

一、五层漏斗架构

候选池可能上千万条

候选池可能上千万条，但下拉刷新只有几百毫秒，对每条都跑最贵模型不现实。因此拆成五层漏斗层层筛——越往下候选越少，算法越精细。本质是「用便宜模型做粗筛，把贵模型留给最后几十条」，让总计算成本可控。

flowchart TD
    A[数据层] --> B[召回]
    B --> C[粗排]
    C --> D[精排]
    D --> E[展示与重排]

数据层：不参与决策，只备原料

**数据层**：不参与决策，只备原料。储存行为日志（看过什么、看了多久、点赞评论关注跳过）、内容特征（标签、封面、作者、嵌入向量）、用户画像（兴趣分布、年龄性别设备）。被上面四层反复调用，缺了它四层全趴窝。

**召回**：几十毫秒内从数百万/上千万拉到约 500–2000 条。方法必须简单粗暴：标签匹配、协同过滤、向量相似度搜索。核心指标是召回率——宁可多捞不可漏，错了没关系，后面还有三道关。

**粗排**：从约 1000 缩到约 100。开始用机器学习模型打分，但仍轻量（逻辑回归、小规模神经网络），特征数有限。在「准」和「快」之间找平衡：准过召回，便宜过精排。

**精排**：从约 100 缩到最终 10–20 条。用上平台最贵家当：深度神经网络、多任务学习（同时预估点击、完播、点赞、评论）。特征最丰富（近期行为序列、当前时段、城市、手机型号）。

**展示与重排**：把 10–20 条加工成最终 5–8 条。**不算分数，而是加规则**：多样性（不能连推三条同类）、新鲜度（新视频扶持）、去重（已看过的不再推）、广告位。

数字对照

| 层级 | 候选规模 | 耗时 | 模型复杂度 | |---|---|---|---| | 数据层 | 整个用户/内容库 | 毫秒级查询 | 无模型 | | 召回 | 千万 → 约 1000 | 10–30 ms | 简单规则/向量检索 | | 粗排 | 1000 → 约 100 | 10–20 ms | 轻量模型 | | 精排 | 100 → 约 10 | 20–50 ms | 深度模型 | | 重排 | 10 → 最终 5–8 条 | <10 ms | 规则为主 |

假设候选池一千万条

假设候选池一千万条，精排单条 5 ms，一次刷新需 50000 秒（≈14 小时）。漏斗结构让总计算成本可控。

---

二、一次推荐的完整链路

关键时间点

**T=0 ms**：手指落下，客户端准备请求
**T=20 ms**：打包请求（用户ID、最近50条行为序列、设备、网络、时间、地理位置）
**T=50 ms**：服务器查数据层（用户画像、敏感词设置）
**T=80 ms**：召回启动 5–6 种策略并行，约 1000 条候选
**T=110 ms**：粗排打分砍到 100 条
**T=150 ms**：精排精细打分，预估点击/完播/点赞/评论/关注
**T=170 ms**：重排加规则（多样性/去重/新视频扶持/广告位）
**T=200 ms**：响应返回客户端（8 条）
**T=300 ms**：第一屏显示
**T=400 ms+**：行为采集开始
**分钟级**：行为合入用户画像，下次刷新时已被读到

整个决策过程不到 200 ms

整个决策过程不到 200 ms；推荐的「一生」不止响应——响应后还要采集行为、回流、模型更新，闭环才完整。

---

三、数据闭环（单次循环）

四个环节

**展示（Impression）**：曝光本身也是数据（排第几位、你看到第几条才停下）
**行为（Behavior）**：远不止点赞/不喜欢两个按钮——还看停留多久、怎么滑、是否循环播放、何时退出
**行为回流（Feedback Logging）**：客户端打包（用户ID、视频ID、行为类型、停留时长、时间戳）发回服务器写入日志，即「埋点」
**模型更新（Model Update）**：行为聚合成训练样本，每天凌晨（或更频繁）重新训练，第二天上线后新模型生效

flowchart LR
    A[展示] --> B[行为]
    B --> C[回流]
    C --> D[模型更新]
    D -.次日再次展示.-> A

回流的四个硬要求

**量大**：PB 级别行为日志
**实时**：趁热打铁
**不丢**：少一条就少一条信号
**可关联**：正确挂回用户、视频、时刻

时间尺度

展示 → 行为：秒级
行为 → 回流：毫秒级
回流 → 模型更新：小时到天级
模型更新 → 下次展示：下一刷

闭环是工程问题，不是算法问题

闭环是工程问题，不是算法问题。关键在链能不能稳定跑通：客户端埋点不能漏、网络不能断、日志系统不能挂、训练流水线不能崩、模型上线不能翻车。算法可以不是最优的，但数据回不来，系统就永远学不会。

---

四、评估指标

离线 vs 在线

**离线考场**：拿历史数据做卷子，算 AUC、NDCG
**在线考场**：真实用户真实行为，看 CTR、留存
离线便宜快能反复做；在线贵慢但最真实。再准的离线指标也代替不了在线。

CTR（点击率）

公式：点击数 ÷ 展示数
优点：简单、秒级反馈
**致命缺陷**：只看「点不点」，不关心点完后什么反应。标题党、擦边球、位置作弊都能刷高 CTR。关键洞察：CTR 高 ≠ 推荐好。

AUC

衡量模型把好内容排在坏内容前面的能力
AUC = 1.0 完美；0.5 瞎蒙；0.6–0.7 及格；> 0.8 能打
与 CTR 区别：CTR 看整体点得多不多，AUC 看该点的有没有排在前面
适合：纯离线评估

NDCG

核心思想：**位置就是权重**——好内容在第 1 位得满分，在第 8 位扣一大半分
与 AUC 区别：AUC 对位置不敏感，NDCG 对位置敏感
适合：离线评估精排模型最重要的一项

留存

衡量明天/下周/下月用户还来不来
唯一能「长期打假」的指标
其他三个都死在「一次推荐」里，只看这一次推得准不准；但推荐系统最终目的不是「一次推得准」而是「让用户留下来」

指标对比

| 指标 | 衡量什么 | 关键局限/特点 | |---|---|---| | CTR | 点了多少 | 只测点击前，可被标题党刷高 | | AUC | 好内容能否排在坏内容前 | 纯离线，对位置不敏感 | | NDCG | 好内容是否排在前面 | 位置即权重，最看重排 | | 留存 | 用户是否长期回来 | 唯一长期指标，最真实也最慢 |

第 3 关 · 行为数据如何变成用户画像

能讲清系统如何从你的一举一动中「读出」你的兴趣，并把抽象的用户画像拆成标签、Embedding、长短期意图三个层次。

行为数据的类型与信号强度

开场：系统是个「暗中观察」的服务员

想象你走进一家餐厅。服务员其实一直在默默观察你：点了什么菜、吃了几口、表情如何、最后剩多少、还拍了照发朋友圈——他比你「嘴上说的」更知道你的真实口味。

推荐系统也是这样一个「暗中观察」的服务员。你没告诉它你喜欢什么，但你的每一个动作——划过的速度、停留的秒数、是否看完、是否点赞——都在它心里变成了一笔「账」。本节要回答的核心问题是：**这些动作在系统眼里「分量」一样吗？如果不一样，谁更重？**

一、两大维度：正向信号 vs 负向信号

推荐系统收集的行为，先按「喜欢还是不喜欢」分成两类：

**正向信号（系统读出「你可能感兴趣」）**

显式：点赞、收藏、评论、转发、关注作者
隐式：完播、长时间停留、多次重播、进入作者主页

**负向信号（系统读出「你可能不感兴趣」）**

显式：点「不感兴趣」、举报、屏蔽作者
隐式：快速划走、停留极短（<2秒）、看到一半退出、点开立刻关闭

记住这两个维度很关键——推荐系统不仅要知道「你喜欢什么」，更要快速识别「你讨厌什么」，二者权重往往相当。

二、信号强度排序：从「礼貌性动作」到「真爱证据」

同样是正向信号，分量差很多。可以粗略这么排（**注意排序不是死的，不同公司会调**）：

**强信号（真爱证据）**

完播 + 重播：尤其是短视频，看完甚至看两遍，几乎只能解释为「被内容吸引」
收藏：暗示「我想以后再回来看」，是带未来意图的强信号
关注作者：表达长期兴趣

**中等信号（明确肯定）**

评论：愿意花时间打字，但有可能是来骂的
转发：愿意把内容带去自己的社交圈

**弱信号（可能只是礼貌）**

点赞：操作成本极低（一次点击），可能出于「朋友发的、支持一下」等社交压力
进入主页：只是好奇，不一定转化为兴趣

**负向信号** 里，**快速划过**虽然单次信号弱，但**量大**——用户每天划几百条，划走是绝大多数动作，系统必须认真对待。

flowchart TD
    A[用户对一条内容的所有行为] --> B{方向}
    B -->|正向| C[强: 完播 / 收藏 / 关注]
    B -->|正向| D[中: 评论 / 转发]
    B -->|正向| E[弱: 点赞 / 访问主页]
    B -->|负向| F[强负: 举报 / 不感兴趣]
    B -->|负向| G[弱负但量大: 快速划走 / 短停留]

三、为什么「隐式信号」反而更准

这里有一个反直觉的洞察：**你嘴上做的（点赞）比身体做的（看完）更容易骗人。**

点赞可能是因为：

朋友发的，给个面子
视频只有 15 秒，看完顺便点一下
当时手滑

但**完播率和停留时长是骗不了系统也骗不了自己的**——你没看完就是没看完，没停留就是没停留。算法圈有句玩笑话：「用户嘴上说的偏好，和他实际点的赞之间，差着 100 个收藏夹。」

这也是抖音早期把完播率定为头号指标的原因：完播 + 点赞 + 评论的组合打分，远比单一的「点赞数」更能预测一条视频的长期表现。

四、负向信号容易被低估

还有一个常被忽略的点：**用户主动说「不感兴趣」是极少数，大多数不喜欢是用「沉默的划走」表达的。**

如果系统只听显式负反馈（点「不感兴趣」按钮），会误以为用户喜欢所有没被举报的内容——这显然错得离谱。所以现代推荐系统会把「短停留 + 快速划走」建模成一种**集体性的负向信号**：当一条视频被 80% 的用户在 2 秒内划走，那这条视频大概率就是没吸引力。

一个具体例子

你在抖音刷到一条烧烤视频：

看完了 → 系统记：+完播（强正）
没点赞但收藏了 → 系统记：+收藏（强正，**比点赞更值钱**）
退出前看了一眼作者主页 → 系统记：+主页访问（弱正）
第二天又刷到烧烤，你 2 秒就划走 → 系统记：- 快速划走（弱负，会下调烧烤类权重）

这套打分每天发生几十亿次，构成了「用户画像」的原始素材——下一节我们就看，这些零散的信号怎么聚合成「90后 / 数码控 / 深夜美食爱好者」这样的标签。

**要点：** 推荐系统看的不是「用户做了什么动作」，而是「每个动作背后的信号强度」——完播和收藏 > 评论和转发 > 点赞和停留 > 沉默划过；隐式信号（看完没看完）往往比显式信号（点赞没点赞）更能反映真实兴趣。

从行为到标签：显式标签与隐式标签

开场：你以为的「用户画像」 vs 系统心里的「用户画像」

你是市场运营，对「用户画像」这个词肯定不熟——你脑子里想到的，多半是一份 PPT 上的「典型用户档案」：姓名张三、女、28岁、白领、月入1.5万、爱旅游、爱健身。

这是**营销画像**：静态、可读、写完就锁进抽屉。

但推荐系统心里的画像不是这样的。它更像一个**实时刷新的数据仪表盘**：每刷过一条视频、每停留一秒钟，仪表盘上的指针就跳一格。本节要讲清：系统怎么从你的一举一动中「读出」你到底是谁、这些标签和你以为的标签有什么不同。

一、两大类标签：你自己说的 vs 系统看出来的

**显式标签（你告诉系统的）**

这是最直觉的「标签」——你在注册、填写资料、点过「我的兴趣」时主动留下的信息：

人口属性：性别、年龄段、所在城市（抖音会引导你选「年龄段」）
主动声明的兴趣：注册时勾选「我对美妆/科技/游戏感兴趣」
手动设置：「不要给我看这类内容」「多给我看这类内容」

这种标签像**你亲手填的简历**：清晰、可解释、能直接拿去做广告投放。但有三个致命问题：

**很多人不填**——嫌麻烦，30% 以上的用户关键信息是空的
**填了也可能是假话**——勾选「金融」显得高大上，实际一窍不通
**填完就过时**——你三年前勾的「数码」，现在已经是钓鱼佬

**隐式标签（系统从你行为里挖出来的）**

这是更大量、更真实的标签。系统观察你上百次行为后，用统计或模型推断出来：

你过去一周看了 30 条美食视频 → 系统给你贴上「**高频美食消费者**」
你每天晚上 11 点后最活跃 → 系统给你贴上「**深夜活跃用户**」
你点赞的内容 80% 在 50 元以上 → 系统给你贴上「**中高消费力**」

这些标签**你没说过**，但系统非常确信。这种标签像**别人对你的印象**：可能不全面，但更接近真实。

flowchart LR
    A[用户行为日志] --> B{标签来源}
    B -->|用户主动填写| C[显式标签]
    B -->|系统行为推断| D[隐式标签]
    C --> E[人口属性<br/>声明兴趣<br/>手动设置]
    D --> F[行为统计标签<br/>时间模式标签<br/>消费力标签]
    E --> G[用户画像<br/>实时仪表盘]
    F --> G

二、四个最常见的误解

讲到这儿，必须澄清你可能已经有的几个误解，否则后面理解会偏：

**误解 1：「我没填年龄，系统怎么知道我 90 后？」** 不是猜的，是从**其他数据侧写**出来的：你用的手机型号、你活跃的时间段、你的社交关系链、你点赞的内容类型……这些特征叠加后，「90 后」这个标签的置信度可以从 30% 升到 95%。这就是隐式标签的能力。

**误解 2：「标签就是'90 后/数码控/一线城市'这几个词吧？」** 完全低估了。真实系统里一个用户的标签库可能有**几千个**——从「养猫」「iPhone 用户」「考研党」「追剧到深夜」到「反感土味视频」「已为人父」，密度远超你想象。

**误解 3：「标签贴上就一辈子跟着我」** 错。标签是有**生命周期**的：你最近 7 天看了 50 条美食，「美食」标签权重会飙升；一个月不点，权重会自动衰减。所谓「画像」是动态的，不是纹身，是水印。

**误解 4：「标签就是我」** 这是最危险的一个误解。**标签是对你的有损压缩**——几千个标签装不下一个真实的人。系统也知道这一点，所以单靠标签做推荐有上限。这也是为什么现在大厂越来越转向 **Embedding**（下一节讲）：用一串高维数字来表示你，比几百个标签信息密度高得多。

三、显式与隐式冲突时，谁说了算？

一个关键的工程问题：如果你**说**喜欢美妆（显式），但**做**出来的行为全是健身（隐式），系统信谁？

**信隐式**。这是推荐系统铁律：行为 > 声明。原因很简单——你嘴上说的可能为了应付问卷、可能三年前随口一说，但你**当下的每一次点击、每一秒停留**都是真实成本下的选择。

不过系统不是粗暴地「删除」显式标签，而是给它**降权**：美妆标签还在，但权重被压到很低，健身类内容获得更多曝光机会。

一个具体例子

你给抖音填了「我对摄影感兴趣」这个显式标签。注册后第一周：

系统推了 10 条摄影内容 → 你**0 条看完**，平均停留 1.2 秒就划走
同时夹杂的 5 条萌宠内容 → 你**5 条全看完**，其中 2 条点赞，1 条收藏

两周后，你的标签库已经发生剧变：

「摄影」标签：**权重从 0.8 降到 0.2**（保留但低优先）
「萌宠/猫狗」标签：**权重从 0 升到 0.75**（新增的隐式标签）
「凌晨活跃」「短视频耐受度高」等行为模式标签也加了进来

**这才是真实的「用户画像」**——不是你入职时填的那张三页纸，而是一张被无数次行为不断重写的活地图。

**要点：** 显式标签是用户主动告诉系统的（人口属性、声明兴趣），清晰但易过时、可能是假话；隐式标签是系统从行为里推断的，量大、动态、更接近真实；用户画像不是一张写死的档案，而是一份**随行为持续更新的概率分布**；当两者冲突时，系统**信行为不信声明**。

用户 Embedding：你的数字指纹

开场：你不是张三，你是 256 个数字

你印象中的「自己」是什么？名字、年龄、工作、爱好……但推荐系统要的不是这些**人类能读**的描述，它要的是一串**机器能算**的数字。

这一节讲一个新概念：Embedding。不要被这个词吓到——它的本质是**把你过去所有的行为历史压缩成一串固定长度的数字**（比如 256 个），然后用这串数字代表「你」。

这串数字就是你的**数字指纹**。两个相似的人，他们的指纹会非常接近；两个完全不同的人，指纹会离得很远。

什么是 Embedding：人话版解释

想象一个超级复杂的空间，里面有 256 条隐形的轴（你不需要知道每条轴代表什么，系统也说不清）。每个用户是空间里的一个**点**。点的位置由这 256 个数字共同决定。

你刷过 50 条美食视频、20 条健身视频、5 条萌宠视频、3 条数码视频——这些行为被加权后，最终输出一个类似这样的一串数字：

[0.23, -0.87, 0.45, 0.12, -0.56, 0.78, ... 共 256 个]

**每一个数字都没有具体含义**——你不能指着第 47 个数说「这代表你爱猫」。它是一个整体的「方向」，和地理坐标一样：没人问「北京的经度 116.4° 是什么意思」，但这个坐标确实能定位北京。

flowchart LR
    A[你过去 1000 条行为] --> B[Embedding 模型<br/>看不见的转化器]
    B --> C[256 个数字<br/>你的数字指纹]
    C --> D[在多维空间里的一个点]
    D --> E[和你相近的用户<br/>聚集在这附近]

标签做不到的事，Embedding 做到了

上一节我们讲了标签系统：把你贴上「美食」「健身」「90后」等几百个标签。但标签有个根本问题：**它要求系统事先定义好所有可能的标签**。如果系统没有「撸猫视频爱好者」这个标签，你就永远不会被归到这一类。

Embedding 没有这个限制：

**标签是有限的、离散的**——只能在已有的标签里选，标签之间没有「过渡状态」
**Embedding 是连续的、稠密的**——可以在任意位置，可以是「60% 美食 + 30% 健身 + 10% 摄影」的中间态

用一个生活例子：

标签系统里：你是个「爱美食、爱健身、不爱数码」的人，三个明确的开关
Embedding 里：你是空间里的一个独特位置，可能和「爱美食爱健身」的那个用户距离很近，但又不完全重合，因为你们刷的内容在细节上有差异（你爱川菜，他爱粤菜）

Embedding 能表达**「既不A也不B，但在AB之间某个位置」**——这是标签永远做不到的。

Embedding 是怎么来的？系统不需要你告诉它

这是 Embedding 最神奇的地方：**它不需要任何人事先定义**。

你不需要告诉系统「我喜欢川菜」，你只需要看 30 条川菜视频。系统在你看视频的时候，悄悄调整你那 256 位数字——让这串数字越来越指向「川菜爱好者」那个方向。

这个过程类似小孩学说话：没人教他「川菜」的概念，他只是听大人说了一万次「中午吃火锅」，下次他自己就知道「火锅是辣的、热闹的、和家人一起吃」。Embedding 模型也是：看过足够多的用户行为，它自己就学会了「这种行为模式的人，他们的指纹应该长什么样」。

所以 Embedding 比标签强在三件事：

**不需要人工定义**——没有「撸猫爱好者」这个标签也不怕
**信息密度高**——256 个数字能表达的「人」，比 500 个标签还细
**能表达中间状态**——你「有点喜欢又不太喜欢」，标签系统表示不了，Embedding 可以

标签 vs Embedding：一张表看清

| 维度 | 标签系统 | Embedding | |---|---|---| | 数量 | 几百到几千个标签 | 通常 128~256 个数字 | | 表达力 | 离散、稀疏 | 连续、稠密 | | 构建方式 | 人工定义 + 行为匹配 | 模型从行为里自动学 | | 解释性 | 能说清每个标签含义 | 不可解释（说不出每个数代表啥） |

**最大的代价是：不可解释**。这是 Embedding 的硬伤——你没法对老板说「因为这个用户的第 47 位数字是 0.3，所以我们推给他这条视频」。但工程上有一种间接解释：**「和你类似的用户都看了这条」**——这句话的背后就是 Embedding 在算距离。

一个具体场景

抖音为你建好了一个 256 位的 Embedding。系统要决定给不给你推一条新视频时，它会：

把这条视频也转成一个 256 位的数字（视频也有自己的 Embedding）
算你俩的「距离」——数字越像，距离越近
距离近就推给你，因为系统判断你们的「兴趣指纹」匹配

所以你刷到的每一条视频，背后都是一次**你和它的指纹比对**。和你指纹最像的视频会优先曝光。

**要点：** Embedding 是把一个人过去所有行为压缩成一串固定长度的数字（比如 256 位），作为「数字指纹」代表这个人；它和标签的最大区别是——标签是离散、有限、靠人定义，Embedding 是连续、稠密、从行为中自动学到；Embedding 能表达「既A又B的中间状态」，这是标签做不到的；代价是不可解释，但可以用「和你相似的人都看了」来间接说明。

长期兴趣与短期意图

长期兴趣 vs 短期意图：你有两个「你」

推荐系统眼里你不是「一个人」，而是「两个人」同时存在：

**长期兴趣**（你是个什么样的人）：你过去 6 个月反复表现出来的偏好。它告诉你「你一直爱看什么」
**短期意图**（你这会儿想看什么）：你最近几小时到几天内的临时信号。它告诉你「你当下想看什么」

为什么需要两个？因为只看你或者只看你当下，推荐都会很糟。

长期兴趣：你的「人格底色」

长期兴趣有几个特征：

**稳定**：你是个数码爱好者，不会今天爱明天就烦——系统观察你 3-6 个月甚至更久才定型
**缓慢变化**：你可能最近半年从爱看吃播转向爱看健身，这个过程是渐变的
**由 Embedding 主导承载**：上一节讲的那 256 位数字，主要表达的就是你的长期兴趣。它是你无数行为的「重心」

长期兴趣负责做**基础推荐**：你一打开 App，系统先按这个底色给你备好内容。

短期意图：你最近的「心事儿」

短期意图完全相反：

**临时**：可能只持续几小时到几天
**强触发**：通常由一个具体事件引起——一次搜索、一次点击、一次购买、一个突发热点
**明确**：你搜「烧烤」时，系统不需要猜——你就是想吃烧烤

短期意图负责做**实时调整**：在你长期兴趣的基础上，根据你「最近想看什么」临时加码或减码某些内容。

烧烤那个例子，到底怎么发生的

假设你是一个平时爱看美食和健身的用户。某天晚上你突然搜了「北京望京烧烤」。

**第 1 步：短期意图被点燃** 系统立刻把你的短期意图向量加上一个强权重：「用户现在想看烧烤」。接下来几小时，推送里会密集出现烧烤内容。

**第 2 步：长期兴趣做背景** 但它不会只推烧烤——因为你的长期兴趣是「美食+健身」，所以你会看到：烧烤做法（短期命中 + 长期命中）、北京美食探店（短期 + 长期）、健身餐（长期为主）。这种「短期意图 × 长期兴趣」的交集，是你感觉「系统懂我」的核心来源。

**第 3 步：时间衰减，意图消失** 这是关键！3-5 天后，如果你对烧烤内容没有任何互动（没点赞没收藏没完播），系统就会判定：「这个意图已经过期了」。烧烤内容的权重逐步降回 0。

flowchart TD
    A[触发事件<br/>搜索烧烤] --> B[短期意图突跃到高点]
    B --> C[系统推烧烤内容]
    C --> D{你看了吗<br/>3-5天观察期}
    D -- 看了或互动了 --> E[短期意图维持<br/>持续推烧烤]
    D -- 没看也没互动 --> F[时间衰减<br/>短期意图归零]
    F --> G[回到长期兴趣主导<br/>推送恢复常态]

长期 vs 短期：一张表

| 维度 | 长期兴趣 | 短期意图 | |---|---|---| | 时间跨度 | 几个月到一年 | 几小时到几天 | | 变化速度 | 慢，渐变 | 快，可能突跃 | | 典型来源 | 长期 Embedding | 搜索、刚点的视频、时间地点 | | 作用 | 基础底色 | 实时调整 | | 过期处理 | 不需要，会自然漂移 | 必须衰减，否则推荐会跑偏 |

一个反直觉的真相

很多人以为「推荐系统越用越懂我」是因为它学会了我的长期兴趣——其实只是**一半**。另一半是它**越来越会读我最近的意图**。你今天搜了什么、点进哪个视频没划走、最近打开 App 的时间点变化——这些短期信号共同构成了「系统懂我」的另一半感受。

一个成熟的推荐系统，长期和短期各占一个比例（典型是 7:3 或 8:2），实时动态调整。新用户长期信号弱，系统会更偏短期；老用户短期意图弱，系统会更偏长期。

**要点：** 推荐系统同时维护两个「你」——长期兴趣（你是什么人，几个月稳定）和短期意图（你现在想什么，几小时到几天）；短期意图会随时间衰减，不互动就消失；好的推荐是「长期兴趣 × 短期意图」两个向量的交集，不是任意一个单独作用；「系统越用越懂你」一半来自学会你的长期偏好，一半来自越来越会读你最近的临时意图。

学习笔记

行为数据如何变成用户画像

二、从行为到标签：显式标签与隐式标签

显式标签（用户主动填）

来源：注册资料、引导勾选、手动设置（「不要给我看」「多给我看」）
三个致命问题：很多人不填（30% 以上关键信息为空）；填了可能是假话；填完会过时

隐式标签（系统从行为推断）

来源：行为统计（如一周 30 条美食视频→「高频美食消费者」）、时间模式（晚 11 点后活跃→「深夜活跃用户」）、消费力（点赞内容价位→「中高消费力」）
用户没说过，但系统非常确信

四个常见误解

「我没填年龄系统怎么知道」：通过手机型号、活跃时段、社交关系链、内容类型叠加，置信度可从 30% 升到 95%
「标签就几个词」：真实系统一个用户的标签库可能有几千个，远超「90 后/数码控」这类粗粒度
「标签贴上就一辈子跟着」：标签有生命周期，最近 7 天密集互动权重飙升，一个月不点自动衰减——画像是水印不是纹身
「标签就是我」：标签是对人的有损压缩，单靠标签有上限，大厂因此转向 Embedding

三、用户 Embedding：你的数字指纹

什么是 Embedding

本质是把用户所有行为历史压缩成一串固定长度数字（如 256 个），用这串数字代表「你」。两个相似的人指纹接近，两个完全不同的人指纹相距远。每个数字没有具体含义，不能指着第 47 个数说代表什么，但整体方向有意义。

标签 vs Embedding

标签：有限、离散，只能在已有标签里选，标签间没有过渡
Embedding：连续、稠密，可以是「60% 美食 + 30% 健身 + 10% 摄影」的中间态
Embedding 能表达「既不 A 也不 B，但在 AB 之间某个位置」，这是标签永远做不到的

Embedding 的三个优势

不需要人工定义：没有「撸猫爱好者」这个标签也不怕
信息密度高：256 个数字能表达的「人」比 500 个标签还细
能表达中间状态：「有点喜欢又不太喜欢」也能编码

第 4 关 · 内容理解与经典匹配范式

能讲清系统如何「读懂」一段视频或一篇文章，并说出基于标签匹配与基于向量匹配两种内容侧范式的本质区别。

内容标签：分类、关键词、实体

开场：超市的货架

你走进一家大型超市，每件商品都挂着一个标签：饮料区、洗护区、零食区，每件商品下还贴着一张价格牌和配料表。这是超市让你（和补货员）能「看懂」商品的最低成本方式——把成千上万种商品归到有限的分类里，再用关键词快速描述。

推荐系统理解内容的第一步，做的事几乎一样。

什么是内容标签

内容标签（Tag）就是给一段视频、一篇文章、一个商品，贴上一组有限的、可枚举的「词」或「类目」。系统用这些标签代替原始内容去匹配用户兴趣，效率高、解释性强、出问题容易排查。

工业界把内容标签分成三大类。

1. 分类（Category）：最高层的「它属于哪一类」

**分类**是层级化的类目体系，类似生物分类学。

抖音的例子：

一级：娱乐、知识、生活、美食、游戏……
二级：娱乐 → 搞笑、明星、剧情；知识 → 科普、职场、育儿……
三级：知识 → 职场 → 求职面试、简历技巧、职场沟通……

**怎么生成？**

早期：人工运营打标（编辑看视频选类目）
现在：图像分类模型（封面 + 视频帧）+ 文本分类模型（标题、ASR 字幕）→ 多模态分类器输出
分类器输出的是概率分布：「这个视频 87% 是美食，9% 是生活记录，3% 是亲子」

**特点**：粒度粗、覆盖有限、但用户侧最常用——运营、审核、推荐召回的「兜底」通路几乎都靠分类。

2. 关键词（Keyword）：中层的「它在讲什么」

**关键词**是从文本里抽取出来的、描述内容主题的词或短语。

来源：标题、描述、ASR（语音转文字）出来的字幕、OCR 识别出的字幕文字。

**怎么生成？**

传统方法：TF-IDF、TextRank、关键词权重算法
现在：用一个文本理解模型（如 BERT 系、LLM）读完整段文本，抽取出最能代表主题的若干词
还会做标准化：「红烧肉」和「红烧猪肉」会归到同一个词

例子：一条教你做红烧肉的 60 秒视频，关键词可能是：`红烧肉 / 家常菜 / 做法 / 中餐 / 厨房`。

**特点**：比分类更细，能回答「它具体在讲什么」，但仍是离散词、不带语义。

3. 实体（Entity）：细粒度的「它提到了谁/什么」

**实体**是文本中的具体名词对象：人名、地名、品牌、作品名、机构、产品名等。

例子：同一条红烧肉视频

实体：`王刚 / 美食作家王刚 / 四川 / 酱油`

例子：一条数码评测视频

实体：`iPhone 17 / 苹果 / A19 芯片 / 灵动岛`

**怎么生成？**

用 NER（命名实体识别）模型从标题、字幕、描述里抽
还要和「实体库」对齐：「王刚」是「美食作家王刚」还是「历史老师王刚」？→ 实体消歧
品牌方会主动维护自己的实体词表（百度百科、维基百科的实体库非常关键）

**特点**：最细粒度，是「内容侧」与「用户侧」最精准的桥——一个用户搜过「iPhone 17」，就能匹配到任何提到这个实体的内容。

三类标签的协同

实际系统里，三类标签不是互斥的，而是**层层嵌套**：

分类告诉你它属于哪个「货架」
关键词告诉你它「在讲什么主题」
实体告诉你它「提到了什么具体的东西」

flowchart TD
    A[一条视频] --> B[分类: 美食/家常菜]
    A --> C[关键词: 红烧肉/做法/中餐]
    A --> D[实体: 王刚/四川/酱油]
    B --> E[内容画像: 组合标签]
    C --> E
    D --> E

三者一起，构成这条视频的「内容画像」，后面召回和匹配环节都会反复调用。

纯标签方案的根本局限

听起来很完美——但**纯标签方案在工业级推荐系统里从来不够用**。三个最致命的局限：

**1. 词表有边界，世界无限** 新概念、新梗、新品牌每天都在冒。「栓 Q」「City Walk」「谷子经济」「多巴胺穿搭」——这些词在标签词表更新前，根本没法被匹配。冷启动永远是标签系统的痛。

**2. 标签是离散的，内容是连续的** 「美女」「颜值」「神仙姐姐」三个词，意思几乎一样，但在标签体系里是三个独立的字符串。两个视频可能标签一字不差，但讲的是完全相反的事；两个视频可能标签完全不同，但讲的是同一件事。

**3. 标签丢失了语义关系** 看「篮球」的人可能也喜欢「NBA」「姚明」「篮球教学」「球鞋评测」——这些词在标签体系里是平铺的，没有远近亲疏。系统分不清哪个是核心兴趣、哪个是边缘兴趣，只能一视同仁。

**根本原因**：标签是**人定义的有限集合**，而内容的含义是**连续的、上下文相关的、用语言无法穷举的**。这就是为什么 2010 年代之后，推荐系统必须从「标签匹配」走向「向量匹配」——下一节我们先看一条视频是如何被同时「看画面、听声音、读标题」综合理解的，再引入 Item Embedding 这个更强大的表达。

要点

**内容标签 = 分类（货架）+ 关键词（主题）+ 实体（具体名词），是推荐系统「读懂」内容的第一步；但因为词表有界、标签离散、关系缺失，它无法独立支撑现代推荐系统。**

多模态内容理解：文字、图片、视频、音频

开场：你看一条视频时，大脑已经在做多模态融合

你刷到一条 60 秒的美食视频——你「看懂」它用了多少种感官？至少四种：

看到画面（锅里翻炒的肉、灶台、博主的手）
听到声音（油滋滋的响、博主口播的步骤、BGM 节奏）
读懂标题和字幕（「红烧肉的家常做法」「先焯水去腥」）
感受到剪辑节奏（卡点切换、特效）

你从来不是「只看画面」或者「只听声音」就下结论的，而是把这四种信号**自动拼在一起**才形成理解：这是一条教做红烧肉的短视频。

系统也是这么做的——只不过它把这件事拆给了多个 AI 模型，每种模型管一个「感官」，最后再综合起来。

什么是「多模态内容理解」

**模态（Modality）**就是信息的来源渠道。一条短视频里至少藏着四种：

**文字模态**：标题、描述、话题标签、ASR 字幕、评论区高频词
**图片模态**：封面图、视频中抽出来的关键帧
**视频模态**：动作、场景、人物、物品的动态过程
**音频模态**：人声、BGM、音效、背景环境声

「多模态」就是把这几种渠道**同时**喂给系统，让它综合起来理解内容。

一条抖音视频的处理流水线

一条视频上传之后，大致会走这条流水线：

flowchart LR
    A[原始视频] --> B[抽帧]
    A --> C[ASR语音转文字]
    A --> D[音频分类]
    A --> E[封面与关键帧]
    B --> F[视频理解模型]
    C --> G[文本理解模型]
    D --> H[音频理解模型]
    E --> I[图像理解模型]
    F --> J[融合层]
    G --> J
    H --> J
    I --> J
    J --> K[统一内容表示]

每条分支具体干什么：

**抽帧 + 视频理解模型**：每隔几秒抓一帧画面，用图像识别模型看「画面里有什么、发生了什么动作」
**ASR（自动语音识别）**：把博主口播的人声转成文字
**音频分类**：区分人声、BGM、音效、背景声；识别是不是热门音乐、是不是爆款原声
**封面与关键帧**：选 1-3 张代表性画面，用图像模型做一次分类
**文本理解模型**：吃下标题 + 描述 + ASR 字幕 + 评论热词，输出主题和关键词

最后通过一个**融合层（Fusion Layer）**，把所有结果按时间线对齐、加权汇总成「这条视频在讲什么」的统一表示。

一个具体例子：红烧肉视频

假设上传了一条 60 秒的红烧肉做法视频：

| 模态 | 实际内容 | 模型读出了什么 | |------|---------|---------------| | 标题 | 「红烧肉的家常做法」 | 关键词：红烧肉、家常菜 | | ASR 字幕 | 「先焯水，然后炒糖色……」 | 实体：糖色、焯水；动作：炒 | | 画面 | 锅、灶台、红亮的肉块 | 物体：锅、肉；场景：厨房 | | 音频 | 油声 + 翻锅声 + 无人声 BGM | 音效应：烹饪；无配乐 |

**只靠任何一种模态**都判断不准：

只看标题：「红烧肉的做法」可能是教学、可能是科普、也可能是探店测评
只看画面：油锅 + 肉可能是教学，也可能只是某个吃饭的镜头
只听声音：可能误判为美食探店或单纯 vlog

**四种模态一起**，系统才能很确定地判断：这是一条烹饪教学视频。

模态之间能互相纠错

多模态最实用的价值，是**互相纠错**——避免被单一信号带偏。

一个反面例子：标题写「震惊！这种东西千万别吃」，画面是一个博主夸张地表情崩溃。如果只看标题，会被分到「社会新闻 / 警示」类；如果只看画面，会被分到「搞笑 / 剧情」类。但声音是人声吐槽、BGM 是搞笑配乐、字幕写着「吃播翻车」——三模态合起来，结论是「搞笑吃播」，完全不是新闻。

这件事在推荐里非常关键：一个被错误归类到「社会新闻」的视频，会被推给根本不想看新闻的人，体验灾难。多模态融合就是用来防这种「单一模态看走眼」的事故的。

「融合」到底怎么融

四种模态的输出格式都不一样（一段文字、一组向量、一段音频标签），融合层要做的事有两件：

**时间对齐**：视频第 5 秒的画面 + 视频第 5 秒的音频 + 视频第 5 秒的字幕，三者讲的是同一件事，要对齐
**加权打分**：不同模态可信度不同——ASR 字幕如果识别错了，后面的文本理解就全错，所以这条路径权重会低一点；图像识别比较稳定，权重就高一点

通俗理解：四个 AI 各自投票，融合层按「谁更可信」做加权投票，得出统一结论。

工业上也有「先合再算」和「先算再合」的差别（早期融合 vs 晚期融合），但对外都是「综合判断」的效果，先记住这个画面就够了。

要点

**多模态内容理解 = 文字 + 图片 + 视频 + 音频四条流水线并行处理，再融合成一个统一结论；它让系统能像人一样「眼耳并用」理解视频，也是单一模态判断不准时最有效的纠错机制。**

内容 Embedding：内容的 DNA

开场：从「两条标签完全一样的视频」说起

上一节我们讲到，多模态融合能让系统知道一条视频「是教做红烧肉」还是「探店吃火锅」——但这一步的产物，依然是把它归到**几个标签**里。

设想一下：

视频 A：60 秒教你在家三步做红烧肉
视频 B：60 秒博主在店里吃红烧肉、边吃边评价
视频 A 和 B 的标签，都是「美食」「家常菜」「红烧肉」

「美食、家常菜、红烧肉」这三个关键词，**对这两条视频完全没区别**——但你一眼就知道，它们是两类完全不同的内容：一个是教学、一个是测评。

标签太粗了，撑不起「细粒度区分」。这时候轮到 **Embedding** 登场。

类比：标签是「名片上的几个字」，Embedding 是「完整 DNA 序列」

每个商品有条形码，每个员工有工号——这些编号**唯一**，但不包含「信息」。条形码「6901234567892」和「6909876543210」之间没有「像不像」的关系，谁也不比谁更像谁。

**Embedding 完全不同**。它给每条内容生成一串「有意义的数字」——这串数字里**编码了这条内容的所有特征**：

题材（美食、剧情、知识……）
风格（教学、吐槽、测评、记录……）
节奏、长度、情绪、对象人群……
实体、动作、场景……

怎么生成？由深度学习模型从内容里「学」出来。模型把这条视频「嚼」一遍之后，吐出一串几百维的数字。

用 DNA 类比最贴切：

**标签 = 你的「族谱简介」**：河南人、汉族、男、90 后——4 个关键词，街上几千万人跟你这 4 个标签一模一样
**Embedding = 你的「完整 DNA 序列」**：几十亿个碱基对，**全世界只有你一个人是这个组合**（除非同卵双胞胎）

标签是「关键词清单」，embedding 是「完整基因图谱」。「细粒度」的来源就在这里——它不是 4 个标签，是几百维数字。

关键性质：相似的内容，数字也相似

Embedding 最神奇的性质：**两条内容越像，它们对应的数字串在数学上也越接近**。

flowchart LR
    subgraph T[「红烧肉教学」簇]
        A1[视频A: 三步做红烧肉]
        A2[视频C: 红烧肉技巧]
        A3[视频E: 不焯水版红烧肉]
    end
    subgraph S[「红烧肉探店」簇]
        B1[视频B: 测评店里的红烧肉]
        B2[视频D: 5家红烧肉横评]
    end
    A1 -.很近.-> A2
    A2 -.很近.-> A3
    B1 -.很近.-> B2
    A1 -.很远.-> B1
    A2 -.很远.-> B2

虽然视频 A 和视频 B 标签一字不差，但 A 的 embedding 跟 C、E 是一伙的，跟 B、D 是另一伙的——因为模型「看到」了教学 vs 探店的本质差异。

怎么算「像不像」：向量距离

数字串有了，怎么判断「像不像」？在数学上叫**向量距离**（你不用会算，只需知道这个概念）：

两个 embedding 数字串很接近 → 距离近 → 内容像
数字串差很远 → 距离远 → 内容不像

就像地图上的两个地点：经纬度越接近，两个地方越近。Embedding 就是把每条内容「钉」在一个高维地图上，**相似的钉在一起、不同的离得远**。

为什么 embedding 比标签「细」

直接对比：

| 维度 | 标签 | Embedding | |------|------|-----------| | 颗粒度 | 几个关键词 | 几百维数字 | | 区分度 | 都打「美食」就分不开 | 教学和探店自然分开 | | 产出方式 | 部分需要人工打 | 模型自动生成 | | 覆盖范围 | 标签表里有的才能打 | 任何内容都有 embedding | | 相似度可量化 | 只能看有没有共同标签 | 可以算「距离」精确排序 |

**最关键的是最后一行**：标签只能告诉你「有没有共同词」，embedding 能告诉你「像到几分、几分像谁」。

一个具体例子：相似度排序

假设系统已经算出 4 条视频的 embedding（这里简化为 3 维方便理解）：

| 视频 | 维度1 | 维度2 | 维度3 | 含义 | |------|------|------|------|------| | A：教做红烧肉 | 0.9 | 0.8 | 0.2 | 教学 + 美食 + 低娱乐 | | B：探店吃红烧肉 | 0.8 | 0.1 | 0.9 | 美食 + 低教学 + 高娱乐 | | C：教做糖醋排骨 | 0.9 | 0.7 | 0.2 | 教学 + 美食 + 低娱乐 | | D：搞笑段子 | 0.1 | 0.2 | 0.9 | 低教学 + 低美食 + 高娱乐 |

问：和 A 最像的是哪条？

A vs C：维度差 (0, 0.1, 0)，距离 ≈ 0.1 → **非常像**
A vs B：维度差 (0.1, 0.7, 0.7)，距离 ≈ 1.0 → 不太像
A vs D：完全相反 → 完全不像

标签看不出来（都打了「美食」），embedding 一眼分辨：A 和 C 都是「教学」类内容，远比 A 和 B 像。

要点

**Embedding = 把每条内容转成一串有意义的数字，相似内容在数字上也相似；它用几百维数字替代几个关键词，所以能比标签更细粒度地表达和区分内容——这就是「内容 DNA」这个类比的来源。**

经典匹配：基于标签 vs 基于向量

开场：现在，两边都「读懂」了

到这里，我们已经攒齐了推荐系统「内容侧」的所有零件：

第 1 节：内容可以被**贴标签**（美食、教学、红烧肉……）
第 2 节：多模态让系统**看画面、听声音、读标题**，标签打得准
第 3 节：内容还能被算成**一串数字（embedding）**，比标签更细

但「读懂内容」只是半场——另一半是「读懂用户」。用户那边也会有「用户标签」（看过美食、点赞过教学、25-30 岁女性……）或者「用户 embedding」。

现在问题来了：**一个用户和一条视频，怎么「配对」？**

这一节讲的就是这个：两种最经典、最根本的配对思路——**基于标签的匹配**和**基于向量的匹配**。

类比：相亲的两种方式

**A 阿姨式匹配**：手里一张清单——「男、30 岁以下、本科、月入 2 万、北京有房、爱做饭」。拿这张清单去人海里**逐条对**候选人资料，对上就介绍。
**凭感觉匹配**：让你闺蜜跟你**一起喝杯咖啡、聊聊**，气质、三观、谈吐合不合，**整体感觉**对了就成。

A 阿姨严丝合缝，但**漏掉所有「清单外但人特别好」的人**。凭感觉模糊，但**抓得到真实的化学反应**。

推荐系统里，「标签匹配」就是 A 阿姨，「向量匹配」就是凭感觉。

方式一：基于标签的匹配（关键词匹配）

最朴素的思路：**用户标签 ∩ 内容标签，重合度越高，越相关**。

flowchart LR
    U1[用户标签: 美食, 教学, 居家] --> M{标签重合?}
    V1[视频标签: 美食, 教学, 红烧肉] --> M
    V2[视频标签: 美食, 探店, 火锅] --> M
    V3[视频标签: 搞笑, 综艺] --> M
    M -->|3/3 重合| R1[强推荐]
    M -->|1/3 重合| R2[弱推荐]
    M -->|0/3 重合| R3[不推]

具体例子：你最近点赞了 5 条「美食 + 教学」视频，系统给你推新视频：

候选 A：「美食 / 教学 / 红烧肉」→ 标签重合度 100%，强推 ✓
候选 B：「美食 / 探店 / 火锅」→ 只重合「美食」一个，推给你（但你可能并不喜欢探店）
候选 C：「搞笑 / 综艺」→ 一个都不重合，不推

**优点**：简单、可解释、计算快。 **缺点**：粒度太粗。两个视频标签完全一样，匹配结果也一样——但它们可能是完全不同的内容。

方式二：基于向量的匹配（距离匹配）

思路完全不同：**用户 embedding 和内容 embedding 在高维空间里「距离近」就相关**。

flowchart LR
    U[用户向量: 喜欢教学类美食] --> D{算距离}
    A[视频A向量: 教学红烧肉] --> D
    B[视频B向量: 探店火锅] --> D
    C[视频C向量: 教学蛋糕] --> D
    D -->|很近| R1[强推: A]
    D -->|中等| R2[中推: C]
    D -->|很远| R3[弱推: B]

「距离」是什么意思？直观上，两条 embedding 数字串越像，在高维地图上越靠近，相似度就越高。

还是上面那个例子——但用向量来推：

视频 A「教做红烧肉」的 embedding 和你「喜欢教学类美食」的 embedding 距离最近 → 强推 ✓
视频 C「教做蛋糕」和你教学类美食兴趣距离中等 → 推（虽然标签是「烘焙」不是「家常菜」，但模型「知道」教学类是相似的）
视频 B「探店火锅」即使打「美食」标签，距离也远 → 不推 ✗

**神奇之处**：视频 C 的标签是「烘焙、教学」，**没有任何一个词直接命中**你的标签——但 embedding 知道，它们都是「教学类」内容。

标签 vs 向量：直接对比

| 维度 | 标签匹配 | 向量匹配 | |------|----------|----------| | 怎么算 | 看标签重合几个 | 算 embedding 距离 | | 粒度 | 几个关键词 | 几百维数字 | | 能不能发现「长得像」 | 只能发现「长得一样」 | 能发现「感觉像」 | | 可解释性 | 一眼能看懂 | 偏黑盒 | | 冷启动 | 新内容没标签就推不出去 | 新内容只要能算 embedding 就能推 | | 计算成本 | 极低 | 较高 |

**最关键的一行**：标签匹配看的是**有没有共同词**，向量匹配看的是**整体气质像不像**。

一个对比鲜明的例子

你刚搜了「新手在家做菜」。

| 候选视频 | 标签 | embedding 距离 | |---------|------|---------------| | 视频 X：5 分钟教西红柿炒蛋 | 美食 / 教学 / 家常 | **0.15（很近）** | | 视频 Y：教做蛋糕（新手向） | 烘焙 / 教学 / 甜品 | 0.32（中等） | | 视频 Z：测评网红餐厅 | 美食 / 探店 | 0.85（很远） |

标签匹配下，X 和 Y 都打「教学」标签，权重差不多——系统分不清该主推哪个。向量匹配能看出 X 才是「教学 + 家常 + 新手」三件套完美命中，Y 是「教学 + 但不是家常菜」。

桥接：双塔的雏形

标签匹配和向量匹配，看起来像二选一——但**真实系统会两者都用、各取所长**。工业界最经典的玩法叫「**双塔**」：一边把用户变成向量（用户塔），一边把内容变成向量（内容塔），两边的向量算距离匹配。

它既保留了向量匹配的细粒度，又比「全量算每对用户和内容的距离」省力得多——这是工业级推荐系统的基础设施。

要点

**「基于标签」是关键词重合的匹配——简单可解释但粒度粗；「基于向量」是距离匹配的思路——能抓「气质像」的内容、更细粒度；真实工业系统往往两者结合（标签做粗筛、向量做精排），这正是「双塔」模型的核心思路。**

学习笔记

内容理解与经典匹配范式

一、内容标签：分类、关键词、实体

内容标签（Tag）就是给一段视频、一篇文章、一个商品贴上一组有限的、可枚举的「词」或「类目」，代替原始内容去匹配用户兴趣。

分类（Category）：最高层的类目

层级化类目体系，类似生物分类学。抖音例子：一级（娱乐/知识/生活/美食/游戏）→ 二级（知识→科普/职场/育儿）→ 三级（职场→求职面试/简历技巧/职场沟通）。

**生成方式**：早期人工运营打标；现在用图像分类模型（封面+视频帧）+ 文本分类模型（标题、ASR字幕）→ 多模态分类器
**输出形式**：概率分布，如「这个视频 87% 是美食，9% 是生活记录，3% 是亲子」
**特点**：粒度粗、覆盖有限；是运营、审核、推荐召回的「兜底」通路

关键词（Keyword）：中层的主题描述

从文本里抽取出来的、描述内容主题的词或短语。

**来源**：标题、描述、ASR 字幕、OCR 识别出的字幕文字
**生成方式**：传统方法（TF-IDF、TextRank、关键词权重算法）；现在用文本理解模型（BERT 系、LLM）
**标准化**：「红烧肉」和「红烧猪肉」会归到同一个词
**例子**：红烧肉视频→`红烧肉 / 家常菜 / 做法 / 中餐 / 厨房`
**特点**：比分类更细，能回答「它具体在讲什么」；仍是离散词、不带语义

实体（Entity）：细粒度的具体名词

文本中的具体名词对象：人名、地名、品牌、作品名、机构、产品名等。

**例子**：红烧肉视频→`王刚 / 美食作家王刚 / 四川 / 酱油`；数码评测→`iPhone 17 / 苹果 / A19 芯片 / 灵动岛`
**生成方式**：用 NER（命名实体识别）模型从标题、字幕、描述里抽；与「实体库」对齐；实体消歧（「王刚」是「美食作家王刚」还是「历史老师王刚」）
**实体库来源**：百度百科、维基百科（品牌方主动维护）
**特点**：最细粒度；是「内容侧」与「用户侧」最精准的桥——用户搜过「iPhone 17」就能匹配到任何提到该实体的内容

三类标签的协同

三者层层嵌套、不是互斥：

分类：它属于哪个「货架」
关键词：它在讲什么主题
实体：它提到了什么具体的东西

三者一起构成视频的「内容画像」，召回和匹配环节会反复调用。

二、多模态内容理解

模态（Modality）定义

模态即信息的来源渠道。一条短视频里至少藏着四种：

**文字模态**：标题、描述、话题标签、ASR 字幕、评论区高频词
**图片模态**：封面图、视频中抽出来的关键帧
**视频模态**：动作、场景、人物、物品的动态过程
**音频模态**：人声、BGM、音效、背景环境声

「多模态」就是把这几种渠道同时喂给系统综合理解。

一条视频的处理流水线

flowchart LR
    A[原始视频] --> B[抽帧]
    A --> C[ASR语音转文字]
    A --> D[音频分类]
    A --> E[封面与关键帧]
    B --> F[视频理解模型]
    C --> G[文本理解模型]
    D --> H[音频理解模型]
    E --> I[图像理解模型]
    F --> J[融合层]
    G --> J
    H --> J
    I --> J
    J --> K[统一内容表示]

每条分支：

**抽帧+视频理解模型**：每隔几秒抓一帧画面，识别「画面里有什么、发生了什么动作」
**ASR（自动语音识别）**：把博主口播的人声转成文字
**音频分类**：区分人声、BGM、音效、背景声；识别是否热门音乐、爆款原声
**封面与关键帧**：选 1-3 张代表性画面，用图像模型做一次分类
**文本理解模型**：吃下标题+描述+ASR 字幕+评论热词，输出主题和关键词
**融合层（Fusion Layer）**：所有结果按时间线对齐、加权汇总成「这条视频在讲什么」的统一表示

模态互补与互相纠错

只靠任何一种模态都判断不准：

只看标题：「红烧肉的做法」可能是教学、科普、探店测评
只看画面：油锅+肉可能是教学，也可能只是吃饭镜头
只听声音：可能误判为美食探店或单纯 vlog

只有四种模态一起，系统才能很确定地判断：这是一条烹饪教学视频。多模态最实用的价值是**互相纠错**，避免被单一信号带偏。

三、内容 Embedding

标签撑不起细粒度区分

视频 A（60 秒教你在家三步做红烧肉）和视频 B（60 秒博主在店里吃红烧肉、边吃边评价）的标签都是「美食」「家常菜」「红烧肉」——但本质不同。标签太粗，撑不起「细粒度区分」。

Embedding 的定义与 DNA 类比

Embedding 给每条内容生成一串「有意义的数字」，编码了内容的所有特征：题材、风格、节奏、长度、情绪、对象人群、实体、动作、场景等。由深度学习模型从内容里「学」出来，吐出一串几百维的数字。

类比 DNA：

**标签 = 族谱简介**：河南人、汉族、男、90 后——4 个关键词，街上几千万人同款
**Embedding = 完整 DNA 序列**：几百维数字，全世界只有这一个组合

两条内容越像，对应数字串在数学上也越接近

两条内容越像，对应数字串在数学上也越接近。视频 A（教做红烧肉）的 embedding 跟其他教学类是一伙的，跟探店类是另一伙的——即便标签一字不差，embedding 也能区分「教学 vs 探店」的本质差异。

判断「像不像」的数学方法

判断「像不像」的数学方法。数字串很接近→距离近→内容像；差很远→距离远→内容不像。Embedding 把每条内容「钉」在一个高维地图上，相似的钉在一起、不同的离得远。

四、经典匹配：基于标签 vs 基于向量

配对问题的提出

内容侧已「读懂」（标签+embedding），用户侧也有「用户标签」和「用户 embedding」。关键问题：一个用户和一条视频，怎么「配对」？两种最经典、最根本的思路：基于标签的匹配、基于向量的匹配。

两种范式的类比：相亲的两种方式

**A 阿姨式匹配**：清单逐条对（男、30 岁以下、本科、月入 2 万、北京有房、爱做饭）→ 严丝合缝但漏掉所有「清单外但人特别好」的人
**凭感觉匹配**：一起喝杯咖啡聊聊，整体感觉对了就成 → 模糊但抓得到真实化学反应

推荐系统里：标签匹配 = A 阿姨；向量匹配 = 凭感觉。

基于标签的匹配（关键词匹配）

思路：用户标签 ∩ 内容标签，重合度越高越相关。

候选 A「美食/教学/红烧肉」→ 重合度 100%，强推
候选 B「美食/探店/火锅」→ 只重合「美食」一个，推给你（但用户可能并不喜欢探店）
候选 C「搞笑/综艺」→ 一个都不重合，不推

**优点**：简单、可解释、计算快。**缺点**：粒度太粗——两个视频标签完全一样，匹配结果也一样，但它们可能是完全不同的内容。

基于向量的匹配（距离匹配）

思路：用户 embedding 和内容 embedding 在高维空间里「距离近」就相关。

视频 A「教做红烧肉」→ 距离最近 → 强推
视频 C「教做蛋糕」→ 距离中等 → 推（虽然标签是「烘焙」不是「家常菜」，但模型「知道」教学类是相似的）
视频 B「探店火锅」→ 即使打「美食」标签，embedding 距离远，匹配不上

| 维度 | 标签匹配 | 向量匹配 |

| 维度 | 标签匹配 | 向量匹配 | |------|---------|---------| | 思路 | 清单逐条对 | 整体距离判 | | 颗粒度 | 粗（几个词） | 细（几百维数字） | | 优点 | 简单、可解释、计算快 | 能区分「标签相同但本质不同」的内容 | | 缺点 | 漏掉清单外的相似内容 | 相对黑盒、解释性弱 |

第 5 关 · 双塔召回、排序与冷启动

能用「两阶段筛选」讲清人向量与内容向量的相遇过程，并说清冷启动这一推荐系统的核心工程难题。

双塔模型直觉：人向量与内容向量

从相亲说起

想象朋友要给你介绍对象，桌上摆着 100 个人的资料卡，每张卡上有几十项：年龄、身高、学历、兴趣、职业、籍贯……朋友怎么帮你找出「最合适」的那个人？

最笨的办法是：拿你的资料和 100 张卡一一比对，看每张「像不像」。但「像不像」怎么量化？身高差几厘米算像？兴趣重合几条算像？学历差几级算像？每条规则都要人去拍脑袋定权重，越加越乱。

更聪明的办法：先想办法把**每个人**（包括你自己）都「压缩」成一小串数字——比如 [0.7, 0.3, 0.8, 0.5, ...] 这种几十到几百位的小数。这串数字就叫「**向量**」，它把一个人的所有特征信息编码进了一组数里。

压缩有一个关键要求：**越像的人，向量越接近**。两个都爱猫、都做运营、都是 90 后的人，数字串会很像；一个爱登山一个爱宅家的人，数字串会差很远。

这样，原本「看几十个标签比对」的事，就简化成了「算两串数字的距离」——你只需要算你的数字串和 100 个候选人的数字串之间的「远近」，离你最近的那几个就是最匹配的。

这就是双塔模型的灵魂：**把人变成点，把内容变成点，距离近就匹配**。

什么是「塔」？为什么叫「双塔」？

推荐系统里，**一边是用户（人）**，**一边是物品（视频、商品、文章）**。我们用两套独立的「压缩机器」分别处理这两边：

**用户塔**（User Tower）：吃进你的历史行为（看过什么、停留多久、点赞过谁、关注了谁），吐出一个代表「你是什么样的人」的数字串
**内容塔**（Item Tower）：吃进一条视频/商品的描述信息（封面、标签、ASR 文本、作者、历史表现），吐出一个代表「这条内容是什么样」的数字串

flowchart LR
    A[用户行为<br>历史兴趣画像] --> B[用户塔]
    B --> C[用户向量<br>一串数字]
    D[内容特征<br>标签作者主题] --> E[内容塔]
    E --> F[内容向量<br>一串数字]
    C --> G[算距离]
    F --> G
    G --> H[距离近则匹配]

两套塔**各自独立工作**，最后只在「算距离」这一步相遇——所以叫**双塔**。

一个具体例子：抖音的双塔

**用户塔**输入：你最近 100 条完播视频的标签、停留时长分布、关注列表、点赞模式
**用户塔**输出：一个 256 维的向量，比如 [0.12, -0.87, 0.45, 0.23, ...]
**内容塔**输入：候选视频的封面、ASR 文本、标签、作者风格
**内容塔**输出：每个候选视频也对应一个 256 维向量
**匹配**：计算你的向量和每个候选视频向量的距离（业内常用「余弦距离」），最近的 N 个就推给你

整个过程里，用户塔和内容塔互相「看不到」对方——它们各算各的，最后在向量空间里相遇。这带来一个工程上的巨大好处：**内容向量可以提前算好存起来**，用户发来一次请求，只需现算一次用户向量，然后从库里快速查「和这个用户向量最近的内容向量」即可。

双塔为什么能工作？

关键在两件事：

**「像」和「不像」被压进了数字里**：训练时，系统会反复把「用户喜欢过」的内容拉得近、把没互动的拉得远。训练好之后，相似兴趣的用户和相似属性的内容自然就聚在一起。
**距离计算极快**：两个几百维向量的距离，一行公式就出来，几毫秒能算完上百万对。

正是这套机制让「从百万候选里捞几百条」成为可能——下一节要讲的「召回」正是依赖于此。

**要点：** 双塔模型把人和内容分别压缩成空间中的两个「点」，通过训练让「用户会喜欢」的内容与用户向量的距离近、不喜欢的距离远；匹配就变成「在空间里找最近的点」。

召回：从百万到几百

从交友场景接着聊

上一节我们学会了「把人和内容都压成点，距离近就匹配」。但你打开抖音时，**库里可能有几千万条视频**——你的「数字分身」要和几千万个点挨个算距离吗？就算每个距离只需要 0.1 毫秒，几千万次也要几百秒，你早就划走换别的 App 了。

所以双塔向量召回只是「召回」这条流水线的一部分。召回的真正工作，是**在用户每一次「下拉刷新」的几百毫秒里，从几千万候选里捞出几百到一千条「可能喜欢」的，送进下一关排序**。

召回的关键词：广撒网

召回（Recall）的本质是**广撒网**——宁可捞多、捞杂，也绝不能漏掉真正想看的那条。

为什么这么设计？两个原因：

**速度是硬指标**。用户的下一次滑动可能就在 0.5 秒后发生，整条推荐链路（召回+排序+展示）必须在这个窗口内跑完。
**漏掉的代价太大**。排序环节再聪明，也只能在召回给它的「几百条候选」里挑。如果召回阶段就漏了用户真正爱看的那条，排序再精准也救不回来——好内容根本没进「决赛圈」。

所以召回宁可**捞多、捞杂、允许有错**，也不能「捞少、捞准、错过好货」。这是它和排序最大的不同——召回**牺牲精度换速度与覆盖率**。

多通道召回：多条腿走路

那怎么「广撒网」？答案是**多通道同时捞**，每条通道用不同的逻辑去理解「用户可能喜欢什么」。

flowchart TD
    A[用户发起请求] --> B{多通道召回}
    B --> C1[双塔向量召回<br>算综合相似度]
    B --> C2[协同过滤召回<br>看过A的人也看过B]
    B --> C3[标签召回<br>你历史喜欢过的内容标签]
    B --> C4[关注召回<br>你关注的人新发]
    B --> C5[热门兜底<br>当下全网爆款]
    B --> C6[探索召回<br>试探你可能的新兴趣]
    C1 --> D[合并去重]
    C2 --> D
    C3 --> D
    C4 --> D
    C5 --> D
    C6 --> D
    D --> E[约 500-1000 条候选]
    E --> F[进入排序环节<br>精挑细选]

简单介绍几个常见通道：

**双塔向量召回**：上一节学的，把你的向量和内容向量算距离，捞最近的 N 条——抓的是「综合相似度」。
**协同过滤召回**：找「和你看过类似内容的人还看过什么」——你不一定明确知道自己喜欢这个，但「和你口味相近的人」替你探了路。抓的是「群体行为规律」。
**标签召回**：直接拿你历史喜欢过的视频标签，去库里捞带这些标签的新内容——简单粗暴但有效。
**关注召回**：你关注的人发了新内容，优先捞过来——社交关系本身就是强信号。
**热门兜底**：当下全网爆款，作为「不会错」的安全网，尤其对新用户特别重要。
**探索召回**：故意捞一些「你没明确表现出喜欢、但和你的兴趣有一点点沾边」的内容——避免你被困在「信息茧房」里，也让系统能发现你的新兴趣。

每条通道单独看都不完美——双塔可能漏掉没被向量准确表达的小众内容，协同过滤可能漏掉刚发布还没人看的冷门视频，标签召回可能太死板……但**多条通道合在一起，漏网之鱼就少很多**。这就是「广撒网」的工程实现方式。

召回和排序的关系

记住一个比喻：

**召回**像 HR 筛简历——从一万份简历里捞出 200 份进面试（快、量大、不求精准）
**排序**像面试官——从 200 人里挑出最后录用的 5 个（精挑细选、可以慢一点、目标多元）

召回和排序的边界就是「几百到一千条」这个候选集。下一节要学的排序，就在这个候选集上做精细打分——它会同时考虑点击率、停留时长、点赞、关注、商业化等多个目标，挑出最该推给你的那几十条。

**要点：** 召回是「广撒网」式的初筛，从百万级候选中快速捞出几百到一千条送入排序；它牺牲精度换速度与覆盖率，宁可捞多捞杂也不能漏；实际系统通过「多通道召回」（双塔、协同过滤、标签、关注、热门、探索等并行）来降低漏网率。

排序：从几百到几十的多目标权衡

从面试官开始

上一节我们说到，召回像 HR 筛简历——从几千万候选里捞出几百到一千份进「面试」。那排序（Rank）就是真正的面试官：从这几百到一千条里，挑出最后要展示给你的那几十条。

但排序要做的事，远比「挑最可能点击的」复杂得多。

单目标的诱惑：点击率陷阱

如果排序只优化一个目标——比如「用户点击概率」——会发生什么？

短期内，点击率会涨。模型会发现「标题党」「封面图惊悚」「封面用反差大字」的视频更容易被点开，于是疯狂推这类内容。

但很快你就会发现：这类视频点开两秒就划走。停留时长暴跌。广告主看到你平台的「有效观看时长」在跌，广告报价也跟着降。用户虽然点得多，但越刷越烦，最终卸载。

**单目标优化的灾难：用短期点击换长期生态。** 这就是为什么排序环节必须多目标权衡。

排序要看哪些目标

一个成熟的推荐系统，排序阶段通常会同时盯住五到八个目标。常见的有：

**点击率（CTR）**：用户会不会点开这条——基础的「吸引力」信号
**完播率 / 停留时长**：点开后会不会看完、看了多久——「内容质量」信号
**互动率**：点赞、评论、收藏、转发——「共鸣度」信号
**关注转化**：看完后会不会关注这个作者——「长期价值」信号（平台希望你和作者建立长期关系，这样你以后会主动来看）
**负反馈率**：点「不感兴趣」「举报」的比例——「反感度」信号
**商业化指标**：广告的预估收益、电商的预估 GMV——平台要赚钱

每个目标背后，都是平台、用户、创作者、广告主中某一方的利益。排序系统本质上是在**替多方利益做权衡**。

头条的经典案例：三个目标同时打分

今日头条是国内最早大规模把「多目标排序」工程化的产品。公开资料里讲过，他们的排序模型在某个阶段，**同时给三条核心目标打分**：

**点击概率**：用户会不会点
**点赞概率**：点了之后会不会点赞
**完播概率**：会不会看完

然后把这三个分数按一定权重合成一个「综合分」，按综合分排序。

flowchart LR
    A[每条候选视频] --> B1[点击概率模型]
    A --> B2[点赞概率模型]
    A --> B3[完播概率模型]
    B1 --> C[综合打分]
    B2 --> C
    B3 --> C
    C --> D[按综合分排序]
    D --> E[取 Top 几十条]
    E --> F[展示给用户]

为什么这三个目标放一起会有效？

只优化点击：标题党会爆，但完播会崩。
只优化完播：可能只推长视频，互动会跌。
只优化点赞：会偏向「煽情内容」，点击反而掉。

**三个目标相互制衡，模型被迫学会「点开不会失望、看完会点赞」的内容——这才是平台真正想要的。**

权重不是死的：场景和阶段会变

更巧妙的是，这三个目标的权重**不是固定的**。平台会根据不同场景动态调整：

**新用户前 3 次刷**：完播和点赞权重拉高，避免一上来就被标题党劝退
**工作日午休时段**：停留时长权重拉高（用户有时间看完一段长内容）
**广告位附近**：商业化目标权重临时提升
**你刚关注了某作者**：关注转化权重临时提升

权重会变，模型也会跟着学——这意味着排序系统是在**一个不断漂移的「目标函数」上**工作的。

排序回到流水线

到这里，双塔召回+多通道召回+多目标排序，构成了推荐系统最经典的两阶段筛选：

**召回**：从百万级 → 几百到一千条，广撒网、不求精准
**排序**：从几百条 → 几十条展示，多目标权衡、求的是「整体最优」

flowchart LR
    A[百万级候选库] -->|多通道召回| B[500-1000 条]
    B -->|多目标排序| C[几十条]
    C -->|展示| D[用户]
    D -->|行为反馈| E[用户画像更新]
    E -->|下次推荐| A

注意右下方那个箭头——用户的行为（点没点、看完没看完、有没有点赞）会**回流到用户画像**里，下一次召回时，你的向量就更准了。这条闭环正是「系统越用越懂你」的工程基础——下一节要讲的冷启动，恰恰是这条闭环在「没有数据」时如何启动。

**要点：** 排序不是「挑点击率最高的」，而是「在点击、停留、互动、关注、商业化等多个目标间做权衡」；头条经典的「点击+点赞+完播」三目标打分是这一思路的代表；多目标权重还会随场景和用户阶段动态变化。

冷启动：新用户、新内容、新平台

开场：三个「从零开始」的难题

想象你开了一家新餐厅。开张第一天，你就被三个「冷启动」难题包围了：

**新顾客进门**：你完全不知道这个人的口味偏好——他吃辣还是吃甜、喜欢清淡还是重口。
**新菜上架**：你研发了一道新菜，但没人点过，没有评价，没有历史数据证明它好卖。
**新店开张**：你的店名都没人听过，没有回头客，没有点评网站的分数。

**冷启动（cold start）就是「从零开始」的难题。** 推荐系统里，这三个难题分别对应：用户冷启动、内容冷启动、系统冷启动。它们的核心矛盾都一样——**系统需要数据才能工作，但你偏偏没数据。**

用户冷启动：新顾客不会自己点单

**难题**：新用户刚下载 App，行为历史是空白——没点过赞、没看过视频、没关注任何人。但你总不能什么都不推荐吧？

**常见应对**：

**注册信息打底**：让用户选几个兴趣标签（抖音第一次打开会让你勾选「美食/搞笑/科技…」），用这些作为初始画像
**环境信息补充**：手机型号、活跃时段、所在城市——粗但有用。比如深夜活跃的用户更可能喜欢某些内容类型
**借力相似人群**：找不到「这个用户」的偏好，就找「和这个人背景相似的群体」的偏好——这就是「协同过滤」的朴素版本
**先用热门顶上**：先推全平台公认的爆款，至少不会太差
**快速试探**：故意混入几类不同内容，看用户最先点哪类——像面试时问几个不同方向的问题，试探对方的真实兴趣

抖音早期的做法是：让你在首次启动时勾选 5-10 个兴趣标签，然后混合推送这些标签的热门内容，从你前 3-5 次滑动的反应中快速校准你的画像。

内容冷启动：刚上架的新菜——抖音案例

**难题**：创作者刚上传一条新视频——零播放、零点赞、零评论。这条视频连「被谁看过」都没有，系统凭什么判断它值不值得推？

抖音的处理思路堪称行业典范，叫**「阶梯式流量池曝光」**：

flowchart TD
    A[创作者上传新视频] --> B[系统分析内容特征]
    B --> C[标签 + 画面 + 音频]
    C --> D[匹配潜在兴趣人群]
    D --> E[第一级流量池 200-500 人]
    E --> F{完播率 点赞率达标?}
    F -->|是| G[第二级流量池 1000-2000 人]
    F -->|否| H[停止扩大曝光]
    G --> I{指标持续达标?}
    I -->|是| J[第三级 1万-10万]
    I -->|否| H
    J --> K{继续爆?}
    K -->|是| L[百万级 爆款]
    K -->|否| H

核心机制有四步：

**冷启内容分析**：视频刚上传，系统还没人看，但能立刻拿到内容本身的特征——标题、话题、画面里的物体（如出现火锅、出现猫）、音频（是 BGM 还是人声）。这些是「不要历史也能拿到」的特征
**小流量试探**：把这条视频推给 200-500 个**最可能感兴趣的人**（基于内容特征匹配的兴趣人群）
**关键指标考核**：看这 200-500 人里，**完播率、点赞率、评论率、转发率**怎么样。抖音内部对这些指标有阈值
**阶梯放大**：指标达标 → 进入下一级更大流量池（1000-2000 人），再考核；不达标 → 停止放大，让它自然消亡

**这套机制的精妙之处**：每一条新视频都被「公平地」给过一次机会，但只有真正好的内容才能爬坡上去。这同时解决了「让金子发光」和「不浪费流量在烂内容上」两个目标。

系统冷启动：刚开张的店

**难题**：最极端的冷启动——平台本身是新的。没有用户、没有内容、没有数据。三个维度都是零。

**典型应对**：

**外部引入**：让用户用微信/手机号登录，带过来一部分基础人口属性；让创作者从其他平台迁入，带过来内容和初始粉丝
**人工冷启**：编辑团队人工筛选一批高质量内容作为「种子库」
**头部策略**：重金邀请明星/KOL 入驻，他们的粉丝会跟着来（小红书早期重押明星、抖音早期签走微博 KOL，都是这个套路）
**补贴创作者**：花钱买内容（抖音的「全民任务」、B 站的创作激励）

抖音 2017 年后的快速崛起，背后很大一部分是系统冷启动的胜利——他们从今日头条继承了推荐算法的底子，又用「明星引流 + 创作者补贴 + 算法分发」三板斧快速填满了内容池。

把整个模块串起来

到这里，这一关的四块拼成了完整的图：

**双塔召回**：把人和内容都压成「点」，距离近就匹配
**多通道召回**：从百万候选里捞出几百条
**多目标排序**：从几百条里挑出几十条，多目标权衡
**冷启动**：解决「没数据」时这套系统怎么启动

这四块回答的是一个连贯的问题：**「推荐系统为什么越用越懂你？」**——答案是：召回和排序负责日常精准匹配，闭环（你的行为回流成画像）让它越来越准，冷启动负责在「没数据」的极端情况下也能起步。

**要点：** 冷启动分三类——用户冷启动（没行为）、内容冷启动（没曝光）、系统冷启动（没一切）；用户冷启动靠注册信息+试探、内容冷启动靠内容特征+阶梯式流量池试探、系统冷启动靠外部引入+人工种子；抖音新视频的「200→2000→20000」阶梯式曝光是内容冷启动的经典工程方案。

学习笔记

双塔召回、排序与冷启动学习笔记

一、双塔模型：把人/内容压成「点」

**核心思想**：把用户和内容都压缩成向量（一串数字），距离近=匹配。

**用户塔**：吃进历史行为（点赞、停留、关注、完播），吐出代表「这个人是什么样」的用户向量
**内容塔**：吃进内容描述（封面、标签、ASR 文本、作者、历史表现），吐出代表「内容是什么样」的内容向量
两塔**各自独立工作**，仅在「算距离」时相遇——所以叫「双塔」
训练目标：让「用户喜欢过的内容」与用户向量距离近，「没互动的」距离远

**抖音案例**：256 维向量，匹配时算余弦距离。最近的 N 条推给用户。

**两个关键优势**：

「像/不像」被编码进了数字里
距离计算极快，几毫秒能算完上百万对

**工程红利**：内容向量可**提前算好存起来**，用户请求时只需现算一次用户向量，然后从库里快速查最近的内容向量。

二、召回：从百万到几百——「广撒网」

**本质**：从几千万候选里捞出几百到一千条可能喜欢的，送进排序。**牺牲精度换速度与覆盖率**。

**速度是硬指标**：整条推荐链路必须在几百毫秒内跑完
**漏掉代价太大**：排序再精准也救不回没进候选集的好内容
所以宁可捞多、捞杂、允许有错，也不能捞少、捞准、错过好货

**多通道召回**（多条腿走路，合在一起减少漏网）：

**双塔向量召回**：算综合相似度
**协同过滤召回**：「看过 A 的人也看过 B」，抓群体行为规律
**标签召回**：拿历史喜欢过的标签去捞新内容
**关注召回**：关注的人新发内容优先
**热门兜底**：全网爆款，对新用户特别重要
**探索召回**：故意捞沾边内容，避免信息茧房，也用于发现新兴趣

**召回 vs 排序的比喻**：

召回 = HR 筛简历（从一万份里捞 200 份进面试：快、量大、不求精准）
排序 = 面试官（从 200 人里挑最后录用的 5 个：精挑细选、目标多元）

三、排序：从几百到几十——多目标权衡

**单目标的灾难**：只优化点击率 → 标题党泛滥 → 完播暴跌 → 用户越刷越烦 → 平台生态恶化。**用短期点击换长期生态**。

**常见的多目标**（一个成熟系统通常同时盯住 5-8 个）：

点击率（CTR）：吸引力信号
完播率 / 停留时长：内容质量信号
互动率：点赞、评论、收藏、转发——共鸣度信号
关注转化：长期价值信号
负反馈率：反感度信号
商业化指标：广告收益、预估 GMV

每个目标背后都站着平台、用户、创作者、广告主中的某一方。排序本质上是在**替多方利益做权衡**。

**头条经典案例**：同时给三个核心目标打分

点击概率 + 点赞概率 + 完播概率 → 按权重综合打分 → 排序
三个目标相互制衡，逼模型学会「点开不失望、看完会点赞」

**权重不是死的**：根据场景和阶段动态调整

新用户前 3 次刷：完播/点赞权重拉高，避免一上来就被标题党劝退
工作日午休：停留时长权重拉高（用户有时间看完长内容）
广告位附近：商业化目标权重临时提升
刚关注了某作者：关注转化权重临时提升

→ 排序系统是在**一个不断漂移的目标函数**上工作的。

核心矛盾：系统需要数据才能工作，但你偏偏没数据

**核心矛盾**：系统需要数据才能工作，但你偏偏没数据。

用户冷启动

应对策略：

**注册信息打底**：首次启动勾选兴趣标签（如抖音让你勾「美食/搞笑/科技…」）
**环境信息补充**：手机型号、活跃时段、所在城市——粗但有用
**借力相似人群**：用「和这个人背景相似的群体」的偏好
**先用热门兜底**：推全平台公认的爆款，至少不会太差
**快速试探**：混入几类不同内容，从前 3-5 次滑动的反应中校准画像

内容冷启动——抖音「阶梯式流量池曝光」

四步机制：

**冷启内容分析**：视频刚上传就提取内容特征（标题、话题、画面物体、音频），**不需要历史数据**
**小流量试探**：推给 200-500 个最可能感兴趣的人（基于内容特征匹配）
**关键指标考核**：看完播率、点赞率、评论率、转发率是否达标
**阶梯放大**：达标 → 进入下一级更大流量池（1000-2000 人 → 1 万-10 万 → 百万级爆款）；不达标 → 停止放大

**精妙之处**：每条新视频都被「公平地」给过一次机会，但只有真正好的内容能爬坡上去——同时解决「让金子发光」和「不浪费流量在烂内容上」。

讲义此节被截断，未给出具体内容

讲义此节被截断，未给出具体内容。

五、整体流水线回顾

flowchart LR
    A[用户请求] --> B[多通道召回]
    B --> C[约 500-1000 条候选]
    C --> D[多目标排序]
    D --> E[Top 几十条展示]

**召回**：百万级 → 几百到一千条，广撒网、不求精准
**排序**：几百条 → 几十条展示，多目标权衡、求整体最优

第 6 关 · 反馈循环、系统风险与平台对比

能讲清「越用越准」背后的正反馈机制、信息茧房与偏差累积两类风险，并对比内容平台与生成式 AI 产品在反馈循环上的关键差异。

反馈循环的正反馈机制

用一个类比开场：越来越懂你的咖啡师

想象你每天早上都去同一家咖啡店。第一天，新来的咖啡师小心翼翼问你『您要什么？』。一周后，你进门他就直接问『老样子？』。一个月后，他开始主动调整——周一你开完会进来，他多给你一份浓缩；天冷直接换成热拿铁；天热做冰的。三个月后，你还没开口，他已经做好了一杯你今天最想喝的。

他怎么做到的？不是『提前知道』你今天的状态，而是**他把你过去三个月每天的行为信号一点点拼起来**：你点什么、什么时间点、加什么配料、是否皱眉、是否喝完、外面天气、你进门时的状态——这些信号积累得越多，对你『今天想喝什么』的预测就越准。

推荐系统做的事，本质完全一样。

从「单次闭环」到「多轮正反馈」

第一模块我们讲过「数据闭环」：行为 → 画像 → 推送 → 新行为 → 更新的画像。但那只是一次『循环』。真实的推荐系统，是**成千上万次这样的循环层层叠加**，每一圈都在前一圈的基础上往前走。

flowchart LR
    A[第1轮 粗画像 只能猜大类] --> B[第2轮 细分画像 开始猜子类]
    B --> C[第3轮 精准画像 敢推小众内容]
    C --> D[第N轮 高度个性化 比你自己还了解你]
    A -.行为信号.-> B
    B -.行为信号.-> C
    C -.行为信号.-> D

关键不是『循环』本身——**而是每一圈都比上一圈更精准**。这就是『正反馈』里『正』字的核心：每一轮的结果都成为下一轮更好的输入，越滚越大，越滚越准。

三个机制让「越用越准」

1. 信号积累：噪声变成画像

单次点击是噪声——你可能手滑、朋友让你看的、只是打发时间。但 1000 次点击的统计模式就很难骗人：

你 70% 的完播视频在 8–15 秒之间 → 系统知道你看短视频
收藏的视频里 60% 是做菜类 → 系统知道你对美食有『未来想看』的强需求
凌晨看的内容和白天差异大 → 系统把你分成『日间』和『夜间』两套画像

信号从『一两个孤立的点』变成『成百上千条带权重的证据』，**画面的清晰度是指数级提升的**。

2. 特征细化：从「喜欢美食」到「喜欢成都街边小馆」

第一天的画像可能是『这个人喜欢美食』——粒度很粗，推荐只能推美食大类。一周后细化到『川菜和日料』。一个月后是『成都街边小馆 > 精致日料 > 轻食』。三个月后是『川渝方言 + 路边摊 + 老板亲自下厨』这种**人自己都说不清**的细分偏好。

这种细化是双向的：系统把你的行为往更细的标签上靠，**你自己反思时也说不清『我为什么喜欢这种』**——但行为数据替你说了。

3. 置信度提升：敢推「小众但精准」的内容

前几次循环系统不敢冒险，只敢推『大众热门 + 你的大类兴趣』——保守策略，怕推错让你划走。

随着置信度提升，系统开始『敢推』：小众作者、长尾兴趣、还没火的内容、跨边界但有信号的内容。这正是为什么你刷到后面会发现『这条视频播放量才几百但就是戳中我』——系统已经敢为你冒一点险了。

一个具体对比：第 1 天 vs 第 30 天 vs 第 300 天

假设你刚装抖音，三天前点赞了一条成都街边小吃的视频，完播了：

**第 1 天**：你刷到的还是『全国热门 + 大类混合』——美食、旅行、萌宠、新闻都出现在流里。系统对你一无所知，只能给大众化的池子。
**第 30 天**：你刷到的 80% 是『美食探店 + 地方小吃 + 同城内容』。系统已经把你牢牢划在『美食兴趣 + 成都本地』的画像里。
**第 300 天**：你的 Feed 流里出现『全国小众美食博主 + 食材科普 + 深夜放毒 + 复刻家常菜』这种**只有深度用户才会看到**的内容。你的朋友刷抖音和你看到的可能完全两个世界。

**『越用越准』不是神秘现象，而是 9000 多次循环累积出来的效果**。

一个隐藏的副作用：你也在被塑造

最后留一个伏笔——今天不展开讲。

正反馈不只让系统『更懂你』，**反过来也在塑造你**。你看到什么、被什么打动、关注什么新领域、视野往哪倾斜，都在被推荐流悄悄『训练』。

这正是下一节『信息茧房』要讲的事。今天先记下这个直觉：正反馈是一把双刃剑——越精准也意味着越狭窄。

要点

**「正反馈」不是循环本身，而是循环的每一圈都比上一圈更精准——信号积累、特征细化、置信度提升三者叠加，让系统从『瞎猜』到『稳准』再到『敢推小众』。**

![三个月里同一杯咖啡的变化——懂你不是一瞬间，而是每天一点点。](https://tma-media.oss-cn-beijing.aliyuncs.com/tma/illustrations/a8b7a2b9-7e7d-45f6-8746-54645491bd94.jpg)

信息茧房与回音壁

一个类比：只会回声的山谷

想象你站在一个圆形山谷里喊「今天天气真好」。声音撞到四周的山壁，一遍遍反弹回来，最终你听到的全部是「今天天气真好」「今天天气真好」「今天天气真好」——每一个回声都和自己一模一样。

但山谷外面，可能正在下雨、可能正在下雪、有人正在为堵车发愁。你完全不知道。

**推荐系统给每个人造的，就是这样一个山谷**。你每点一次赞，系统就回你一个「类似的东西」；每一次完播，又回一个；每一次跳过，避开。三个月后，你的 Feed 流里只剩下「和你声音高度相似」的回声——外面的世界被山谷的墙挡得严严实实。

什么是「信息茧房」和「回音壁」

这两个词经常被混用，侧重点其实略有不同：

**信息茧房**：关注的是**信息范围**——你的推荐流被锁在一类内容里，接触不到其他领域。形成原因正是上一节讲的「正反馈」：每一次循环都强化已有的偏好，候选池里其他领域的内容被系统性淘汰。
**回音壁**：关注的是**观点极化**——你看什么观点，就反复看到类似观点；你以为「全世界都这么想」，其实只是你的「山谷」在回响。形成原因：算法不区分信息的真伪和立场，只区分「你可能爱看」。

两者常常一起发生：信息范围变窄 → 接触的观点变窄 → 观点越来越极端 → 更难接受对立信息 → 茧房越织越厚。

为什么反馈循环天然导致「越推越窄」

上一节我们讲了正反馈让系统「越用越准」。但「越用越准」有个**隐藏的代价**：

flowchart TD
    A[你的偏好: 美食探店] --> B[推成都街边小吃]
    B --> C[你点赞 完播]
    C --> D[画像强化: 成都+街边+小吃]
    D --> E[推更小众的成都街边小吃]
    E --> F[你继续点赞 继续看]
    F --> G[画像继续细化: 某条街+某家店+某种口味]
    G --> H[几乎不再有别的内容能进入流]

每一轮循环都在**收敛**——不是你变了，是算法的「目标函数」在系统性地把候选池里和你的画像不太匹配的内容淘汰掉。

听起来很合理对吧？**但这正是问题所在**：一个「精准」的系统，会**主动放弃让你发现新兴趣的机会**。

举个具体例子：假设你最近对「成都美食」信号很强，系统推给你的内容 100% 都是这个。有一条内容是「成都房价」，你也可能感兴趣（毕竟你在成都生活），但因为和你「美食」的画像不匹配，**被算法主动放弃了**——哪怕你点击率可能不低，但系统根本不会让你看到。

这就是「茧房」的本质：**算法替你的视野划了边界，而且不告诉你边界在哪。**

平台都在用哪些手段「破茧」？

行业里基本都意识到了这个问题，所以主流平台都做了一些「破茧」尝试。我们从机制层面把它们归为三类：

1. 主动打散：在主 Feed 里强制插入「跨类」内容

抖音、快手、小红书都在推荐流里插入一定比例的「多样性内容」——比如你 80% 看到美食，剩下 20% 是平台随机选的别的领域。技术上叫「多样性注入」(diversity injection)。

**问题**：用户经常立刻划过这些「不相关」内容，行为信号又告诉系统「用户不喜欢」，于是下一次系统会自动减少这种「破茧」内容。结果——**破茧机制被自己的反馈信号反噬了**。

2. 探索模式：让用户主动选择「不看个性化」

B 站的「推荐模式 vs 热门模式」、YouTube 的「稍后观看 vs 探索」、Twitter 的「Following vs For You」——本质都是把选择权交给你。

**问题**：绝大多数用户**根本不会切**。用惯了精准推荐的人，切换到「无个性化」会立刻觉得「内容质量差、不想看」——这恰恰是茧房效应的证据，但也是它自我加固的方式。

3. 「不感兴趣」按钮：把控制权交回用户

抖音的「不感兴趣」、YouTube 的「Not interested」——理论上让你主动拒绝某类内容。

**问题**：这个按钮管的是**当前不喜欢的**（你明确划过的），但**管不到你根本看不到的东西**。你不可能对一个「你根本不知道存在」的内容点「不感兴趣」——这正是茧房的核心悖论。

这些「破茧」手段到底有没有用？

**直说：目前的破茧手段大多是「象征性大于实际性」。**

原因有三：

**优化目标对立**：平台的核心 KPI 是「用户停留时长 / 互动率」——这是一个**让用户越看越爽**的指标。任何让人跳出舒适区的内容，KPI 上都是负贡献。从商业上，平台没有动力真正破茧。
**反馈信号会反噬**：上面提到，破茧内容被划过的概率更高，系统会进一步减少——这是**结构性困境**，不是工程问题。
**用户没有意识到**：绝大多数用户**不知道自己的 Feed 是窄的**——因为窄的算法推送的内容质量更高、更爽，所以用户主观感受是「抖音越来越懂我」，而不是「抖音让我变窄了」。

**真正有效的破茧**需要满足两个条件之一，但目前都很难做到：

用户主动意识到问题并切换行为（难，因为茧房本身让人「感觉良好」）
平台把「破茧」做成核心 KPI（难，因为这与商业目标冲突）

要点

**信息茧房是正反馈机制的必然副产品——每一次循环都在收敛，最终系统替你的视野画了一个你看不到的圈；平台现有的破茧手段在反馈循环下大多会被反噬，真正破茧需要用户意识到问题或平台改变 KPI，但两者目前都很难发生。**

偏差累积与缓解思路

一个类比:越点菜越被「宠」的餐厅

想象你每周都去同一家餐厅。第一次,服务员按菜单顺序介绍;几次之后,服务员开始「贴心地」只端你点过的菜——比如你爱吃辣的,他就只端辣菜。

半年后,你开始抱怨:「怎么天天都是这几道?」服务员很委屈:「**你不是每次都点这几道吗?**」

更糟的是——你压根不知道菜单上其实还有一道不辣的招牌菜(可能是店里的隐藏招牌),因为服务员**从来没问过你**。这道菜就这么永远消失在你的视野里。

**推荐系统的偏差累积,本质上就是这个故事的工程化版本。** 它不是「算法不好」,而是「算法太好」了——好到只听你过去的话,不给你尝试新东西的机会,久而久之,你以为「我只爱吃辣」,其实是菜单被悄悄剪掉了。

偏差累积:反馈循环的「暗面」

上一节讲了「信息茧房」——反馈循环让推荐**范围**变窄。**但茧房只是偏差累积的一个表象**。更结构性的问题,是算法会让一些**本应随机分布的东西,变得高度不均衡**——而且这种不均衡会越滚越大。

1. 内容侧:「赢家通吃」

抖音一天上传几千万条视频,但行业公开数据显示,80% 的播放量集中在不到 5% 的头部内容上。这**不是自然规律**,而是算法的杰作:

flowchart TD
    A[新视频上传] --> B[初始小流量池:1000 曝光]
    B --> C{点击率高于均值?}
    C -->|是| D[进入更大流量池:10万曝光]
    C -->|否| E[基本停更,沉入长尾]
    D --> F{继续表现好?}
    F -->|是| G[进入百万级流量池]
    F -->|否| E
    G --> H[头部内容:千万级曝光]

这条「晋级链」听起来很公平——表现好就上。但它有个**致命问题**:初始的 1000 个曝光里,哪怕有 5% 的随机噪声,都会决定这条视频后续的命运。一条潜在的好视频,因为标题不够吸引人、第一帧不好看,在前 1000 次曝光里没拿到高点击率,就**永远没机会再被算法看到**——哪怕它本来比爆款更优质。

**这种「一次没抓住,永远没机会」的机制,业界叫「曝光的马太效应」**——强的越强,弱的越弱,而且是**指数级**的。

2. 用户侧:「沉默的大多数」

类似的逻辑也发生在用户身上。一个高活跃用户(每天刷 2 小时)产生的行为数据,可能是低活跃用户(偶尔刷一次)的几百倍。算法对前者的「画像」极其精细,对后者几乎只有模糊印象。

结果:越活跃的用户,推送越精准;越沉默的用户,推送越随意——**算法在系统性地「偏心」,偏心那些数据多的人**。

3. 创作者侧:「头部博主的护城河」

粉丝 100 万的博主发一条新内容,初始流量池里的 1000 个曝光中,至少有 200 是老粉——这些人**几乎必定点击**,立刻把数据顶起来。新人博主同样发一条,初始 1000 曝光全是「陌生人」,数据要冷启动得多。

**头部博主不是赢在内容,是赢在系统结构**。

为什么偏差会「累积」而不是「收敛」?

直觉上,跑得越久应该越「稳」对吧?偏差累积恰恰相反——**它会越滚越大**,有三个原因:

**指数放大**:一次曝光带来的微小优势(比如头部博主的 20% 老粉)会被晋到下一级,再放大,再晋到下一级……N 级之后,差距是指数级的。
**数据污染训练数据**:算法的下一次模型更新,是**用这一轮被系统筛选过的数据**训练的——但这些数据本身就是「有偏差的」(爆款比例被系统性抬高)。**偏差进了模型,模型再生产偏差**,形成自循环。
**用户行为本身被改变**:当你习惯了算法推荐,你的「点击」不再反映真实偏好,而是「最容易被推送到眼前的东西」——反馈信号本身被污染了。

这就是为什么「**数据越多 ≠ 越准**」——关键看数据是干净的,还是已经被自己的反馈循环污染过的。

缓解思路:业界都在做什么?

既然偏差累积是反馈循环的结构性产物,缓解也得是**结构性**的工程,而不是调几个参数那么简单:

1. 探索机制(Exploration)

最经典的思路是**主动给「不确定」的内容一次机会**。类比:餐厅服务员**每隔几周主动端一道你没点过的菜**给你试——不是为了这顿饭好吃,而是为了更新他对你口味的认知。

技术上,算法会刻意保留 5%-15% 的流量给「**没怎么给你推过的内容**」,而不是全部塞给「历史最可能点击」的内容。这部分内容转化率通常偏低,短期内会拉低 KPI,但长期看是**防止画像僵化**的关键。

2. 多样性 / 随机打散

上一节讲过,平台会在你的 Feed 里强制插入「跨类内容」。本质是用**工程强制力**对抗反馈循环的收敛性——哪怕你划过 9 次,第 10 次可能就有你真正喜欢的新领域。

3. 冷启动保护

新用户 / 新内容 / 新博主,平台会**单独给一段「保护期流量」**,不完全按表现排名。YouTube 给新视频的初始曝光不依赖历史表现,小红书会给新笔记一个「观察期」流量池。

本质上,是承认「**初始信号噪声太大,不能让它决定生死**」。

4. 长尾内容专项

很多平台(豆瓣、知乎、B 站)都有「冷门内容」「小众推荐」专门板块——这部分的流量**不参与主推荐流的优化目标**,而是单独分配。相当于给「长尾」一个不被赢家通吃压死的庇护所。

5. 反馈信号降噪

不是所有「行为」都代表「喜欢」:

完播 0.5 秒划过 = 噪声
反复看 3 次 = 强信号
点赞后立刻取关 = 矛盾信号
主动搜索某关键词 = 极强信号

现代系统会用「**加权反馈**」——给不同行为不同的权重,而不简单地把所有点击都当成「喜欢」。这是缓解「信号污染」的工程手段。

缓解手段的结构性局限

但说实话——**这些缓解手段大多是在「夹缝里求生存」**:

flowchart LR
    A[商业目标:停留时长] -->|推动| B[推荐最可能点击的内容]
    C[系统健康:多样性] -->|推动| D[推荐不确定性内容]
    B <-.矛盾.-> D
    A -.商业压力.-> C

平台的核心 KPI 是「用户停留时长」,这天然奖励「**越准越好**」;任何让你跳出舒适区的内容,在 KPI 上都是负贡献。**多样性、探索、长尾——在商业上,都是平台「为了让系统更健康而主动牺牲的部分短期收益」**。

这就是为什么「破茧」「抗偏差」始终推不动——**不是技术做不到,而是商业上,平台没有动力**。

要点

**反馈循环的暗面是偏差累积——内容、用户、创作者三个维度都被结构性放大;业界缓解手段有效但有限,根本原因是它们在和平台的核心 KPI「抢资源」,这是一场注定不对等的较量。**

抖音 vs ChatGPT：两类范式的关键差异

一个类比：自助餐厅 vs 现做大厨

你今天想「吃点好吃的」，面对两家店：

**A 店是自助餐厅**：100 道菜全做好摆台上，服务员根据你过去点过的菜，帮你端来最合口味的——你点过的菜，他可能再端一次（换个盘子摆）。

**B 店是现做大厨**：你说「想吃辣的」，他看着你过去点过的辣度、忌口、当天心情，**现场给你炒一盘**。这道菜以前从不存在，是为你这一刻专门做的。

**抖音是 A 店，ChatGPT 是 B 店。**

这个看似简单的差别，是两类产品「推荐」逻辑的全部起点。所有的反馈循环、冷启动、评估方式差异，都可以从这个差别倒推出来。

核心差异：候选池是「挑」还是「做」

抖音的候选池是**预先存在的固定库**——全网创作者上传的几十亿条视频就在那儿，算法的工作是从中「挑」出你可能喜欢的那 10 条（从全库到千人千面的筛选，是经典的「召回→粗排→精排→重排」漏斗）。

ChatGPT 没有这个库——它给你的每一个回答，都是大模型**即时生成**的。你问「推荐一本小说」，它不调用一个「小说候选库」，而是逐字写出整段回答。**每一次对话的内容都是新的、独一无二的。**

| 维度 | 抖音（内容平台） | ChatGPT（生成式 AI） | |------|----------------|------------------| | 候选池 | 固定的：几十亿条预存内容 | 动态的：每次现场生成 | | 核心动作 | 检索 + 排序 | 生成 | | 一次「推荐」的本质 | 选 10 条已有视频 | 写一段新文字 |

这个差异如何决定反馈闭环

抖音：闭环围绕「画像」旋转

抖音的反馈循环我们前面几节讲过：用户行为 → 更新用户画像 → 重新挑内容 → 继续观察行为。**关键是：内容本身不参与循环。** 一个视频在第一次被推给张三时是什么样，以后再被推给任何人还是什么样。闭环只改变「谁会看到它」，不改变「它是什么」。

ChatGPT：闭环围绕「记忆」与「风格」旋转

ChatGPT 的反馈循环不太一样。你给它的点赞、点踩、对话历史，会被存在「记忆」里，影响它**下次生成的风格和内容**。但因为每次回答都是新生成的，闭环不是在「挑」——而是在「调教一个越来越贴你的口吻」。

你可以做一组对比实验：

在抖音上对同一类内容点 10 个赞 → 系统会**反复给你推同一类**
在 ChatGPT 里连续 10 次让它的回答「更短一点」→ 它会**学着变短**，但具体生成的内容每次都不同

**前者是「挑更对的菜」，后者是「养一个更懂你的厨子」。**

冷启动：起点完全不同的两道难题

抖音：内容不冷，用户冷

一个新用户打开抖音，**算法不知道他喜欢什么**。所以抖音给你推「热门内容」作为冷启动的兜底——这是「内容库」的优势：哪怕不知道你喜欢什么，从已有的爆款里随便挑，至少不会太差。

**内容本身不冷启动**——一个视频上传后，它的存在不依赖用户数据；它能不能火，取决于被推给多少人和那些人怎么反应。

ChatGPT：用户不冷，但「问题」无限冷

新用户打开 ChatGPT，他**可能问任何问题**——「写代码」「翻译论文」「讲个笑话」「扮演我奶奶」。没有任何「热门问题」可以兜底，因为问题空间是**开放的、无限的**。

但 ChatGPT 本身有个巨大的「预训练知识库」——大模型在训练阶段见过海量文本，所以**它有知识基础，不需要内容冷启动**。

这构成一个有意思的对照：

抖音 = **内容冷启动优势 + 用户冷启动劣势**（有库可选，但不知道选给谁）
ChatGPT = **用户冷启动优势 + 内容冷启动劣势**（不用懂你也能开聊，但每句话都得现想）

评估方式：可量化 vs 难量化

这是最体现「范式差异」的一环。

抖音：行为即答案

抖音的评估非常直接——A/B 测试两个推荐算法，看**点击率、停留时长、完播率**等指标哪个高。**用户的实际行为就是答案**，因为「用户喜不喜欢」这个事，用户是主动表达出来的（点/划/看多久）。

ChatGPT：没有标准答案

ChatGPT 的评估**没有天然指标**。同一个问题「如何准备面试」，可以给出无数合理回答——A 回答全面但啰嗦，B 回答精炼但漏点，C 回答有趣但不专业。**哪个更好？没有客观答案。**

业界目前用三种近似方法：

**人类偏好对比**：让标注员判断「A 回答 vs B 回答哪个更好」（ChatGPT 早期 RLHF 就是这么做的）
**LLM 当裁判**：用 GPT-4 给其他模型的回答打分——但裁判本身也有偏见
**专门 benchmark**：MMLU、HumanEval 等考试题——只能测「知识」和「能力」，测不了「对你这个具体人合不合适」

**所以 ChatGPT 的评估，本质上是在用「间接的、近似的」指标去测一个没有标准答案的事**——这是生成式 AI 时代整个行业还在摸索的难题。

用一张图看清两条路径

flowchart LR
    subgraph 抖音 [内容平台——挑]
        A1[用户行为] --> B1[更新画像]
        B1 --> C1[从固定候选池检索]
        C1 --> D1[排序选出 10 条]
        D1 --> E1[观察新行为]
        E1 --> A1
    end
    subgraph ChatGPT [生成式 AI——做]
        A2[用户对话] --> B2[更新记忆与风格]
        B2 --> C2[模型现场生成回复]
        C2 --> D2[展示给用户]
        D2 --> E2[用户反馈或继续对话]
        E2 --> A2
    end

**两条路径看起来对称，本质完全不同**：

抖音的 C1 是「从已有库中挑」——快、稳、可缓存
ChatGPT 的 C2 是「现场生成」——慢、灵活、每次都不一样

要点

**抖音的「推荐」是从固定候选池里挑，ChatGPT 的「推荐」是即时生成内容——这一个差异决定了：前者闭环围绕画像旋转、内容不参与循环、行为即答案；后者闭环围绕记忆旋转、每次回答都是新内容、评估没有标准答案。**

生成式 AI 与传统推荐的融合趋势

一个类比：自助餐厅的「升级三件套」

回想上一节那个自助餐厅（A 店）的类比——100 道菜全做好摆台上，算法从里面挑。

如果这家餐厅要升级，有三种思路：

**让后厨多出新品**——生成式 AI 帮你做菜
**每道菜配个精致的小卡片**——生成式 AI 帮你写推荐理由
**让大厨直接跟你聊天点菜**——生成式 AI 变成对话界面

这就是当前推荐系统被生成式 AI 重塑的**三个最显眼的方向**。它们不是替代原来的推荐算法，而是在算法之上、之前、之后**长出新的一层**。

方向一：生成式 AI 作为「内容生产工具」

传统推荐系统最头疼的问题之一是**「库存不够」**——尤其是小众兴趣、新发布的内容、冷门话题，因为候选池里没货，算法再聪明也推不出来。

生成式 AI 直接改变这一点：

**抖音的 AI 数字人主播**：用大模型生成口播文案+数字人配音，自动产出大量短视频。原来需要真人团队拍的内容，现在 AIGC（AI 生成内容）能批量化生产。
**小红书的 AI 试穿、AI 模特图**：用户上传自己照片，AI 生成「穿上某件衣服」的效果图。这本身就是一种**新的可推荐素材**——它既是内容，也是推荐位。
**淘宝的 AI 商品图**：商家用 AI 一键生成商品的场景化展示图。

**关键变化**：候选池从「人类创作者上传的有限内容」，变成「AI 可以无限量生成的新内容」。这从根上缓解了推荐系统的「内容荒」。

但这里有个新风险——**AI 生成内容被推荐给用户，用户的反馈又训练了推荐系统，形成新的反馈循环**。如果 AI 内容本身带有偏差（比如总是生成某种审美），整个系统的「茧房」可能更深。

方向二：生成式 AI 作为「解释生成器」

你有没有这种体验：抖音给你推了一条视频，你划过去——但心里嘀咕「为什么给我推这个？」

以前推荐系统是**黑盒**：算法算出来你可能喜欢，但说不出为什么。现在大模型可以**生成自然语言解释**：

> 你最近经常看 Python 教程和爬虫实战，这条视频讲的是用 Python 自动化处理 Excel，是你关心的方向。

这种「解释生成」的价值有三层：

**用户侧**：提高信任感——你理解了推荐逻辑，就不会觉得「被监视」那么恐怖
**商家/创作者侧**：知道自己的内容为什么被推/没被推，可以针对性优化
**平台侧**：当出现推荐事故时，解释能帮助快速定位问题（比如发现某条解释提到「用户最近搜索了什么敏感词」——这是个系统 bug）

**这并不是大模型在替你做推荐决定**——推荐本身还是那个传统算法（挑菜的还是那个服务员），大模型只是在旁边**写了一段「为什么给你端这道菜」的小卡片**。

方向三：对话式推荐——从「划」到「聊」

这是最颠覆的方向。**推荐系统不再是一份「今日 10 条」的清单，而是一段对话。**

例子：

你：「我想看个短剧，不要太狗血的，要有点反转」→ AI：「给你推荐《XXX》，核心是 X 反转，全程无误会」→ 你：「有没有更短的，10 分钟以内的」→ AI 重新生成
你：给淘宝 AI 助手发个截图说「我想要这种风格的沙发」→ AI 理解图片风格，召回相似商品

**传统推荐 vs 对话式推荐的本质区别**：

| 维度 | 传统推荐 | 对话式推荐 | |------|---------|-----------| | 交互方式 | 被动接收+划卡 | 主动表达需求+追问 | | 需求表达 | 只能从行为中「猜」 | 可以用自然语言「说」 | | 单次结果 | 一次性 10 条 | 持续精化，越来越准 | | 反馈方式 | 点/划/停留 | 文字调整、追问 |

**注意**：对话式推荐背后**仍然需要传统的召回-排序算法**——AI 不会真的「想」出哪条视频好，它把自然语言转化为搜索/筛选条件，再调用老系统。

所以更准确的说法是：**生成式 AI 是用户和传统推荐系统之间的「翻译官」**。

三层叠加的完整图景

flowchart TD
    U[用户] -->|表达需求或反馈| L1
    L1[生成式AI对话界面] -->|翻译为筛选条件| L2
    L2[传统召回+排序算法] -->|候选集| L3
    L3[生成式AI解释生成] -->|带解释的推荐结果| L1
    L2 -->|从内容池中选| P1[人类创作者内容]
    L2 -->|从内容池中选| P2[AIGC生成内容]

**底层是不变的传统推荐漏斗**，三层生成式 AI 分别在：

**入口**（对话界面——把用户模糊需求翻译成结构化条件）
**出口**（解释生成——把算法结果翻译成用户听得懂的话）
**素材端**（AIGC——让候选池的内容不再只靠人类生产）

一个具体场景：AI 购物助手

你在淘宝看到一件大衣，想找同款但更便宜的：

你发个截图给 AI 助手 → 大模型理解图片，提取「风格、颜色、版型」特征
AI 把这些特征转化为商品检索条件 → 触发传统商品召回
传统算法从商品库挑出 50 个候选 → 排序出 Top 10
大模型再为 Top 10 各写一句「为什么推荐给你」→ 给你看
你说「想要羊毛的，预算 500 以内」→ 大模型理解，调整筛选条件，重复 2-4 步

**传统推荐算法没换一根头发**——它仍然是那个「挑菜的」；但**用户体验被彻底重塑**了。这就是「融合」的精髓：AI 没取代推荐系统，而是把它包了起来。

要点

**生成式 AI 正在从「内容生产」「解释生成」「对话界面」三个方向改造传统推荐系统——但它不是替代者，而是叠加在传统召回排序漏斗之上、之前、之后的新一层。理解这一点，就看懂了未来 3-5 年推荐产品形态的核心走向。**

学习笔记

反馈循环的正反馈机制

推荐系统靠多轮正反馈循环让「越用越准」。

**「正」的核心**：每一轮的结果成为下一轮更好的输入，每一圈都比上一圈更精准。

**三个机制**：

**信号积累**：单次点击是噪声，但成百上千次点击的统计模式很难骗人。信号从孤立点变成带权重的证据，画像清晰度指数级提升。
**特征细化**：画像从粗粒度（如「喜欢美食」）细化到细粒度（如「川渝方言 + 路边摊 + 老板亲自下厨」），最终细到人自己都说不清。
**置信度提升**：前几次只敢推「大众热门 + 大类兴趣」的保守策略；置信度提升后敢推小众作者、长尾兴趣、还没火的内容。

信息茧房与回音壁

**信息茧房**：关注信息范围——推荐流被锁在一类内容里，接触不到其他领域。
**回音壁**：关注观点极化——只看得到相似观点，以为「全世界都这么想」。

两者常一起发生：信息范围变窄 → 接触的观点变窄 → 观点越来越极端 → 更难接受对立信息 → 茧房越织越厚。

**形成机制**：每一次循环都强化已有偏好，候选池里其他领域的内容被系统性淘汰。一个「精准」的系统会主动放弃让你发现新兴趣的机会——算法替视野划了边界，而且不告诉你边界在哪。

**平台破茧手段**：

**主动打散（多样性注入）**：在主 Feed 强制插入跨类内容。但用户常立刻划过，行为信号又告诉系统「不喜欢」，破茧机制被自己的反馈信号反噬。
**探索模式**：让用户主动选择「不看个性化」（如 B 站推荐/热门、YouTube 探索、Twitter Following/For You）。问题是绝大多数用户根本不会切。

偏差累积与缓解思路

**三方偏差**：

**内容侧：赢家通吃**——行业公开数据显示 80% 播放量集中在不到 5% 头部内容。算法用晋级链：1000 曝光 → 10万 → 百万 → 千万。初始小流量池里的随机噪声决定后续命运。这叫「曝光的马太效应」：强的越强、弱的越弱，指数级。
**用户侧：沉默的大多数**——高活跃用户（每天 2 小时）数据是低活跃用户（偶尔刷一次）的几百倍，算法系统性「偏心」数据多的人。
**创作者侧：头部博主护城河**——粉丝 100 万的博主初始 1000 曝光里至少 200 是老粉，几乎必定点击；新人同样发一条，初始 1000 曝光全是陌生人。头部博主赢在系统结构，不是内容。

**偏差累积的三原因**：

**指数放大**：微小优势在晋级链中层层放大，N 级后差距指数级。
**数据污染训练数据**：模型更新用的是本轮被系统筛选过的数据，而数据本身就有偏差（爆款比例被系统性抬高），偏差进模型，模型再生产偏差。
**用户行为本身被改变**：当你习惯了算法推荐，你的「点击」不再反映真实偏好，而是「最容易被推……

抖音 vs ChatGPT：两类范式的关键差异

| 维度 | 抖音 | ChatGPT | |------|------|---------| | 候选池 | 固定的：几十亿条预存内容 | 动态的：每次现场生成 | | 核心动作 | 检索 + 排序 | 生成 | | 一次「推荐」本质 | 选 10 条已有视频 | 写一段新文字 |

**类比**：抖音是自助餐厅（从摆好的菜里挑，端来你点过的菜），ChatGPT 是现做大厨（现场炒一盘以前不存在的菜）。

**闭环差异**：

**抖音**：闭环围绕「画像」旋转。内容本身不参与循环——一个视频对任何人都一样，闭环只改变「谁会看到它」。
**ChatGPT**：闭环围绕「记忆」与「风格」旋转。点赞、点踩、对话历史存在「记忆」里影响下次生成的风格——闭环在「调教一个越来越贴你的口吻」。

**冷启动对照**：

**抖音** = 内容冷启动优势 + 用户冷启动劣势（有库可选，但不知道选给谁）。
**ChatGPT** = 用户冷启动优势 + 内容冷启动劣势——问题空间开放无限，没有「热门问题」可以兜底；但预训练知识库让它有知识基础，不需要内容冷启动。

生成式 AI 与传统推荐的融合趋势

**升级三个方向**（自助餐厅类比的延伸）：

**生成式 AI 作为「内容生产工具」**——解决传统推荐「库存不够」的问题（小众兴趣、新发布、冷门话题）。例：抖音 AI 数字人主播用大模型生成口播文案 + 数字人配音批量化生产短视频；小红书 AI 试穿、AI 模特图。
**每道菜配精致小卡片**——生成式 AI 帮你写推荐理由。
**让大厨直接跟你聊天点菜**——生成式 AI 变成对话界面。

**本质**：生成式 AI 不是替代原推荐算法，而是在算法之上、之前、之后长出新一层。

推荐系统通识 · 讲义与学习笔记

第 1 关 · 推荐系统通览与三类经典范式

信息过载与推荐系统的存在理由

什么是信息过载

为什么「让用户自己找」行不通

推荐系统做了什么：把选择权接回平台

一个具体例子：抖音的首页

推荐系统存在的三个前提

推荐与搜索的根本区别

打开 App 的两种姿势

意图的方向是反的

四个维度的对比

一个具体例子：同一个需求，两条路径

这两种模式今天怎么共处

三类经典范式：基于内容、协同过滤、混合

开场：三个朋友给你推荐餐厅

基于内容：看东西像不像

协同过滤：看人像不像

混合：两条腿走路

一个走一遍的例子

要点

协同过滤的两种直觉：UserCF 与 ItemCF

开场：同一句「协同过滤」，两条不同的路

UserCF：「人以群分」

ItemCF：「物以类聚」

一个图看清差异

一个具体例子：网易云 vs 抖音

什么时候用哪个？

要点

矩阵分解：用一组数字表示一个人

开场：你的口味「DNA」

原始数据长什么样

矩阵分解的核心想法

具体怎么压

一个图看清流程

为什么要懂这个？因为它和大模型是一回事

一个具体场景

要点

学习笔记

推荐系统通览与三类经典范式

一、信息过载与推荐系统存在理由

二、推荐与搜索：意图方向相反

三、三类经典范式

基于内容推荐

协同过滤

混合

四、协同过滤的两条路径：UserCF 与 ItemCF

UserCF：人以群分

ItemCF：物以类聚

五、矩阵分解：用一组数字表示一个人

第 2 关 · 端到端架构、数据闭环与评估指标

五层架构：数据层→召回→粗排→精排→展示

为什么是漏斗，不是一次算完

五层各自在做什么

抖音下拉一次的真实数字

为什么不能省掉中间几层

一次推荐的「一生」：你刷新时系统做了什么

用一次具体刷新串起来

为什么这个「一生」重要

数据闭环的工程视角：单次循环

用「私人造型师」建立直觉

一次循环的四个环节

单次循环的「工程」视角

一个具体例子

单次 vs 多轮：本节的视角边界

评估指标：CTR、AUC、NDCG、留存

评估指标：CTR、AUC、NDCG、留存

用「教练看成绩」做类比

为什么必须有指标

离线 vs 在线：两个考场

CTR（点击率）：最基础、最容易骗人

AUC：模型「排序能力」的体检表

NDCG：位置有高低，奖赏要分级

留存：唯一能「长期打假」的指标

一个具体例子

四个指标的关系

学习笔记

端到端架构、数据闭环与评估指标

一、五层漏斗架构

候选池可能上千万条