大数据驱动下的微博社会化推荐.pdf

大数据驱动下的微博社会化推荐 不同于有哪些信誉好的足球投注网站， 推荐“ ”通常不是独立的互联网产品，而是互联网产品的核心组件，为该产品的 核心目标服务，比如电商网站的推荐是为了达成更多商品交易。微博推荐同样如此，其存在 价值就是通过梳理和优化用户关系网络、打通内容传播链条、引爆信息定向传播，从而实现 加速高价值用户关系构建、优质内容传播和商业化营收等微博核心目标。 明确了推荐的角色和定位后，设计一个合适的推荐系统还需要系统了解微博的数据特点。因为只有 清楚数据的特点，才能更有针对性地设计推荐系统产品、架构和算法。 微博的数据特点 微博是一个以内容消费为核心的偏弱关系社交网络，关系的构建多是依托于兴趣。它是半开放的， 用户看到的大部分内容，来自于 2层关注构建的网络。而对社交网络而言，用户关系网络结构、内 容信息、用户是其数据三要素，因此下文也主要会围绕这 3个要素对微博数据特点进行阐述。 用户关系网络结构：呈现海量、社会化、兴趣弱关系、半开放等 4 个方面的特点。微博关系网络拥 有超过 6亿个节点、 1000 多亿条边，每天有海量信息通过这张网络传输。它就像一个虚拟社会，带 着社会化分工、去中心化、非对等性的属性 ;每个用户都有自己的真实身份和角色，比如橙 V 、蓝 V 、普通用户，承担不同的职责并具备不同的话语权，在内容的生产、传播、消费的过程中，扮演着 不同角色。 内容信息：微博的信息是简短、丰富而碎片化的，同时存在着 UGC 和媒体内容，具备极快的传播 速度。微博由点及面和 Timeline 的Feed 流设计，使其具备极好的信息传播能力，这是微博的优势， 但同样也会引发问题 —— 飞速的传播让旧信息很快被淹没掉，不管其价值多寡。因此对于推荐系统 来说，其主要目标就是让优质信息沉淀下来并获得更多的曝光机会，这也是之所以要做 错过的“ 微博 ”的原因。 用户：微博用户具备个性化的行为和偏好，承担着良好的社会化分工角色。同时，微博通过基 于 UID 的账号体系来识别用户，记录历史数据并存储关系数据，从而精确地了解每一个用户，也为 后面个性化推荐打下良好的基础。 微博推荐系统设计 微博推荐的设计主要包括产品、架构、算法 3 个方面，下面首先了解产品的设计思路。 产品设计 微博自然推荐分为用户和内容推荐两个部分。 用户推荐 用户推荐的产品目标是优化用户关系网络结构，在用户推荐产品设计实践中主要有两点经验值得和 大家分享。 效果衡量指标。效果衡量指标是连接产品定位和算法优化方向的桥梁，而这也是产品设计中不断思 考和摸索的方向。初始时我们直观地认为，如果用户喜欢推荐结果就会产生较高的点击率，从而 将 CT R作为衡量指标，但随后这个思路就被否定。用户推荐的初衷是关系达成而不是即时愉悦用户 ，于是衡量指标被调整为 RPM(Relation per T housand Impression ，即千次曝光的用户关系达 成量 ) 。在一段时间后我们开始反思一个问题：用户关系达成的意义是什么，用户关系量是否是越多 越好呢 ?答案显然是否定的，受限于精力，推荐必须帮助用户梳理关系网络结构，让用户可以简单 地构建高价值的用户关系，从而让用户可以更好地消费内容以及更容易地进行社交互动，因此衡量 指标衍生为关系达成后的互动率和用户行为量。 产品设计原则。推荐是用户预期之外的非自然流量，应该顺应用户的行为，以自然流畅的方式展现 给用户。因此，推荐必须从最有效的主动场景入手，比如微博找人页用户带有明显关注新用户的 意图，而这里展示用户推荐正好满足需求 ;而 Feed 流的浏览目的是内容消费，推荐新用户会打断内容 消费的流畅性，效果很差。 内容推荐 内容推荐的产品目标是加速优质信息传播以满足内容消费需求， 错过的微博、赞过的微博、正文页“ 相关推荐、热点话题 ”则是其中具有代表性的内容推荐产品，这里会重点介绍下 错过的微博“ ”的设计 思路。 错过的微博“ ”前身是一个叫做 智能排序“ “的推荐产品，主要用于解决信息过载情况下的排序问题。正 常情况下，微