本文讨论的是这类推荐系统的常见做法,不针对任何具体应用的实际实现;涉及平台的说法只作机制层面的解释,不代表官方说明。
关键词匹配靠的是词表与倒排
关键词路线的做法比较直白:先把内容里的文本抽出来,分词、去停用词、映射到标准词,再建立“词到内容”的索引。推荐时,把你的历史行为也转成词,找出共享词最多的内容。它的优点是可解释——为什么推这条,能指出是哪个词对上了;缺点是依赖字面,同义改述、方言、谐音、画面里的信息都抓不到。标题党之所以有效,一部分原因就在这里:它只需要在字面上命中足够多的词。
向量召回靠的是相似度计算
向量路线把内容转成一串数字,把用户也转成一串数字,两者距离近就认为匹配。这串数字通常从画面、音频、标题、观看行为中学习得到,不要求字面相同,所以能处理“换了说法但意思一样”的情况。它的优点是覆盖面广,能找出人难以用语言描述的相似;缺点是不透明——两个内容为什么被判定相似,往往说不清,而且会继承训练数据里的偏差,把表面相似、实质无关的东西拉到一起。
两条路径的盲区正好相反
关键词路线怕“没说出来的意思”,向量路线怕“说得清楚但方向错了”。举例来说,一条用谐音规避字面匹配的内容,关键词抓不到,向量可能抓到;一条画面相似但主题完全不同的内容,向量容易误判,关键词反而不会。多数系统会同时用两条路径召回,再合并去重,所以实际结果是两种盲区叠加:既可能推来字面相关但你不关心的,也可能推来你从没提过但“看起来像”的。
可执行检查单
- 01发现推荐跑偏时,先判断是字面命中还是风格相似,两者纠正方式不同。
- 02搜索时换几种说法,能粗略看出系统更依赖词表还是语义。
- 03不要把“相似”理解成语义相同,它多半只是某几个维度上的接近。
两个常见问题
为什么我只搜过一次的词,会连续出现好几天?
搜索是强信号,会被直接写进短期兴趣。多数系统对最近的行为给更高权重,所以一次明确的搜索,影响可以持续数天。想缩短这个影响,可以用其他题材的完整观看把权重稀释掉,或者对不想要的那类内容明确负反馈。
向量召回是不是比关键词更先进?
不是替代关系。向量擅长处理表达差异,关键词擅长保证精确命中,两者解决的问题不同。只用向量,会在需要精确匹配的场景失手;只用关键词,会漏掉大量同义内容。多数系统是并用的。
相似是算出来的,不是判断出来的
这句话的实际含义是:系统并不知道两条内容“讲的是不是一回事”,它只知道两组特征在某个空间里距离近。距离近可以来自题材相同,也可以来自封面配色、剪辑节奏、背景音乐相似。所以当你看到“推的东西越来越像,但都不是我想看的”,问题很可能出在相似度的计算维度上,而不是你的兴趣被误读。可操作的做法是:对不想要的相似内容明确表态,同时主动搜索真正想看的方向,给系统一个更清晰的锚点。