有没有人来讨论社区推荐帖子的思路

[unii23i]

不知道有没有这种方法，选出 x 个（可能是 100 个）代表用户，简称 [看帖 kol ]

通过记录点击行为，统计这些 [看帖 kol ] 喜欢点击哪些帖子，就把这些帖子推荐给 [点击过其中一篇帖子过的用户] ，

相当于两个人都对游泳感兴趣，其中一个人喜欢钓鱼，那么另一个人也可能对钓鱼感兴趣

Q：这 100 个人是怎么选出来的？ A：比方说：根据他们留存率是否达标、每天是否可以消费 3-50 篇内容、是否能产生互动行为

Q：这些帖子库的排序是什么？ A：比如根据 1 小时前点击最多的帖子，组成 top50 帖子。随机排序

不知道这样可不可行，或者需要花的时间是否以月计算 开发和我说没有一个软件是这样推荐的。。。。

小红书是根据内容标签进行推荐的吗？不过我们的社区够小暂时无法机器学习打标

目前的困扰就是帖子按照热度排序后，部分新帖没有曝光，部分老贴依旧曝光，各种帖子曝光不均匀 ，尝试通过调整点击率作为权重，（为了点击率的真实性，必须满足一定曝光才能进入计算），但是低曝光的帖子怎么也进不了这个权重里面

[zhaodong]

做一些时间衰减的权重策略，对新帖提权差异化保量，再加上一些分量曝光的的策略，基本就差不多了

[az422]

1. 既然都开始做推荐系统了，x 通常就是全站去非法用户。一般也不止收集点击行为，还有曝光、收藏、评论等
2. 你说的“推荐方法”术语是召回，具体你描述的其实是 u2i 召回，可以搜索下。此外还有经典的 i2i 召回：用户喜欢这个帖子也可能喜欢相似帖子。
3. 你的排序方式其实只考虑了帖子特征，小项目还行，成熟的点击率模型需要：用户特征+帖子特征+用户对帖子行为特征。召回 100 个帖子后，分别计算特征当输入，然后输出 100 个预估的点击率，再排序取 top
4. 最后一个是推荐系统冷启动问题