Feature

特征

特征选择上会贴近具体的业务场景

用户画像 User Profile

• 用户 ID（在召回、排序中做 embedding)
• 人口统计学属性：性别、年龄。
• 账号信息：新老、活跃度…
• 感兴趣的类目、关键词、品牌

物品画像 Item Profile

• 物品 ID（在召回、排序中做 embedding)
• 发布时间（或者年龄)。
• GeoHash（经纬度编码)、所在城市。
• 标题、类目、关键词、品牌…
• 字数、图片数、视频清晰度、标签数…
• 内容信息量、图片美学…

用户统计特征

• 用户最近 30 天(7 天、1 天、1 小时)的曝光数、点击数、点赞数、收藏数
• 按照笔记图文/视频分桶。（比如最近 7 天，该用户对图文笔记的点击率、对视频笔记的，点击率)
• 按照笔记类目分桶。（比如最近 30 天，用户对美妆笔记的点击率、对美食笔记的点击率、对科技数码笔记的点击率。)

笔记统计特征

• 笔记最近 30 天(7 天、1 天、1 小时)的曝光数、点击数、,点赞数、收藏数…
• 按照用户性别分桶、按照用户年龄分桶…
• 作者特征：
  • ·发布笔记数
  • ·粉丝数
  • ·消费指标（曝光数、点击数、点赞数、收藏数)

场景特征 Context

• 用户定位 GeoHash（经纬度编码)、城市。
• 当前时刻（分段，做 embedding）
• 是否是周末、是否是节假日。
• 手机品牌、手机型号、操作系统。

特征处理

• 离散特征：做 embedding。
  • ·用户 ID、笔记 ID、作者 ID。
  • ·类目、关键词、城市、手机品牌。
• 连续特征：做分桶，变成离散特征。
  • ·年龄、笔记字数、视频长度。
• 连续特征：其他变换。
  • 曝光数、点击数、点赞数等数值做 log(1+x)
  • 转化为点击率、点赞率等值，并做平滑

特征覆盖率

• 很多特征无法覆盖 100%样本。
• 例：很多用户不填年龄，因此用户年龄特征的覆盖率远小于 100%。
• 例：很多用户设置隐私权限，APP 不能获得用户地理定位，因此场景特征有缺失。
• 提高特征覆盖率，可以让精排模型更准。

数据服务