信息流推荐多样性
一、问题现状
信息流产品中一个常见的问题是多样性越来越差，造成这种问题的原因在于机器学习算法本身。下面通过一副系统循环图来介绍多样性差的问题。
- 资讯库随机推荐文章，由于是按照全库比例采样，娱乐占比较大，随机推荐给用户的娱乐资讯偏多。
- 用户点击娱乐的概率变大，算法根据用户的反馈，会更加倾向于给用户推荐娱乐类的新闻。
- 在选资讯入库时，由于娱乐文章的曝光大，ctr置信度高，算法会淘汰比较差的文章，保留比较好的文章，导致资讯库中娱乐类的文章保留概率大。
- 由于还有协同过滤算法，导致推荐给其他用户的娱乐资讯也逐渐增多。
随着时间的推移，我们的推荐系统就是娱乐app了，没有其他类别了。
下图反映了去看看比例的变化。
6月12号的资讯曝光分类占比
11月18号的资讯曝光分类占比
由上图可以发现，娱乐占比已经从6月12日的29%上升到11月18日的45%；女人的占比从6%上升到25%。
二、解决方案
解决方案也很简单，只要将系统循环图中的正反馈切断或进行干扰即可。这里选择进行人工干扰。
为什么选择在资讯入库时进行干扰呢？由图中可以看到，其他推荐给用户的资讯都是算法根据用户兴趣进行计算的，进行干扰对用户体验和用户使用会产生较大的影响。资讯入库这里虽然也会对用户产生影响，但是，相对于其他途径影响较小。
具体怎样进行干扰？固定每个类别的每天资讯入库比例，按照类别比例进行选择。具体设置的类别比例如下：
三、多样性风险和应对策略
3.1 可能的风险
（1）人均阅读篇数和人均阅读时长下降
多样性执行加入了人工干扰，会将质量较好的娱乐类文章丢弃。预计会对目前的指标有影响，我们将这2个指标控制在下降3%之内。同时，资讯库类别占比达到预设值。
（2）新增用户对其他类别不感兴趣
多样性的改观会在一定程度上对新用户造成影响，如果新用户群体兴趣点只是娱乐，有可能会导致新用户转化降低。
（3）短时间内很难选出其他类别的高质量文章
短时间内，由于曝光不充分，在其他类别资讯选择上，置信度不是很高。选出的资讯质量并不能充分保证，其他类别的效果会明显不如娱乐。
3.2 应对策略
针对以上三种问题，应对策略如下：
（1） 逐步调整，不会一步到位，在控制类别比例的过程中，密切关注数据的变化。使得下降的幅度与多样性修正带来的好处达到一个平衡。
（2） 关注新用户的表现，新用户如果是兴趣多样性的用户，会提升新用户的点击转化。
（3） 随着时间的推移，曝光量的增加，其他类别的高质量文章选择将会越来越精确。
3.3 多样性评估
评估多样性应结合长期指标，目前列了如下，后续将继续跟踪：
四、 计划说明
计划12月4日与产品达成一致方案，若未按时出，则按此方案执行。