三、推荐系统的加权体系

推荐系统的作用是使内容与用户产生连接,并通过已知的连接去预测那些可能会发生的新连接,所以推荐结果本质上是个预测问题。从用户的角度来说,就是用户对内容的评分预测,预测分数最高的内容会优先推荐给用户。所以,推荐结果在推荐系统的排序结果,是由一系列的用户行为投票值或者是权重值排序得出的。每个内容对于每个用户都会有一个对应的权重值,权重越高的内容会优先推荐给用户。

从艾克斯推荐引擎来看,推荐结果受几个权重的影响:物料相似度、用户行为权重、各算法引擎权重、内容时效性权重、用户行为时间权重、行为反馈权重和人工干预权重,而最终的推荐结果权重值是几个权重相乘的结果。

所以针对新闻的时效性问题的解决在权重方面会有两种干预方式:

1.规定入库在一段时间内,内容具有多少权重,例如24小时入库的新闻会天然具备3倍的权重,权重值从小时为粒度衰减至1;

2.对重点、热点的新闻进行人工加权干预。

因此,从权重体系来讲,可以针对物料入库时间、ID进行定向加权以实现更高概率曝光的需求。