聚类召回

基本思想

• 如果用户喜欢一篇笔记，那么他会喜欢内容相似的笔记。
• 事先训练一个神经网络，基于笔记的类目和图文内容，把笔记映射到向量。
• 对笔记向量做聚类，划分为1000 cluster,记录每个 cluster的中心方向。(k-means聚类，用余弦相似度。)

线上召回

• 给定用户ID,找到他的last-n交互的笔记列表，把这些笔记作为种子笔记。
• 把每篇种子笔记映射到向量，寻找最相似的cluster (知道了用户对哪些cluster感兴趣)
• 从每个cluster的笔记列表中，取回最新的m篇笔记。
• 最多取回mn篇新笔记。

内容相似度模型

模型的训练

基本想法：鼓励cos(a,b+)大于cos(a,b-)

• Triplet hinge loss:
  • L(a,bt,b)=max{0,cos(a,b)+m-cos(a,b+)3.
• Triplet logistic loss:
  • L(a,bf,b)=log(1+exp(cos(a,b)-cos(a,b+))).

正样本

• 方法一：人工标注二元组的相似度
• 方法二：算法自动选正样本
  • 筛选条件：
    • ·只用高曝光笔记作为二元组（因为有充足的用户交互信息）
    • ·两篇笔记有相同的二级类目，比如都是“菜谱教程”。
  • 用ItemCF的物品相似度选正样本。

负样本

• 从全体笔记中随机选出满足条件的：
  • 字数较多（神经网络提取的文本信息有效)
  • ·笔记质量高，避免图文无关。

总结：

• 基本思想：根据用户的点赞、收藏、转发记录，推荐内容相似的笔记。
• 线下训练：多模态神经网络把图文内容映射到向量。
• 线上服务：用户喜欢的笔记→特征向量最近的Cluster→新笔记