“請(qǐng)不要再給我推一樣的內(nèi)容了，拜托?！痹诿鎸?duì)平臺(tái)一直跟你推薦同樣的內(nèi)容時(shí)，你是否是一樣的想法。這樣情況是否有改善的方法？本文作者從這一問題出發(fā)，對(duì)去重服務(wù)進(jìn)行了分析探討。

如果一個(gè)APP一直給你推薦同樣的東西，就像一個(gè)人在你面前絮絮叨叨同一件事情，你的心情想必非常糟糕。

去重服務(wù)在資訊APP中是一項(xiàng)基礎(chǔ)服務(wù)，PUSH、圖文、視頻、直播等內(nèi)容業(yè)務(wù)，甚至是作者編輯后臺(tái)都會(huì)需要使用。去重服務(wù)細(xì)拆開其實(shí)是很復(fù)雜的，也容易出現(xiàn)“眾口難調(diào)”的問題，因?yàn)橹貜?fù)的類型可能有：不同信息載體的重復(fù)（文章和文章、視頻和文章等）、不同場景的重復(fù)（feed流、正文頁等）、信息有無增量的重復(fù)（高度重復(fù)和一般相似等）……

1. 無信息增量：包含的內(nèi)容是同樣的，用戶從該內(nèi)容中無法獲得差異化的信息和體驗(yàn)。
2. 有信息增量：包含的內(nèi)容有部分相同或相似，即使之前已有相關(guān)的閱讀，但用戶從該內(nèi)容中仍可以獲得差異化的信息和體驗(yàn)。

對(duì)于第一種情況，是絕對(duì)去重，即將高度一致的內(nèi)容過濾掉，“多選一”。關(guān)鍵點(diǎn)是“如何挑出原創(chuàng)或質(zhì)量更高的內(nèi)容”，文章質(zhì)量、源質(zhì)量、發(fā)布時(shí)間、原創(chuàng)度可以幫上忙。所謂“道高一丈魔高一尺”，上網(wǎng)搜關(guān)鍵詞“躲避消重教學(xué)”，你會(huì)發(fā)現(xiàn)你要做的工作還有很多。

（圖片來自網(wǎng)絡(luò)）

另外直播形式下的專題或機(jī)器批量生產(chǎn)的標(biāo)題，不同內(nèi)容的標(biāo)題可能一模一樣，為了避免誤傷太多內(nèi)容，需要細(xì)化去研究內(nèi)容的特性。

對(duì)于去重服務(wù)，定義標(biāo)準(zhǔn)很重要，拿圖片重復(fù)來說：

（1）背景、人物動(dòng)作完全相同的圖片

（2）同一現(xiàn)場/背景，同一機(jī)位截圖，人物相同（人物動(dòng)作可能不同）

（3）某圖片的局部截圖（至少半圖及半圖以上）

以上三組圖片，在我們的認(rèn)知里一般屬于重復(fù)，基于以上的定義，我們?cè)倏磶捉M圖片：

（娛樂類）同一綜藝節(jié)目，同一機(jī)位截圖，但人物不同：

（游戲類）同一款游戲，不同背景截圖：

（游戲類）同一游戲背景截圖，游戲人物不同：

（母嬰類）新生寶寶圖：

如果按先前三組的定義，以上圖片屬于重復(fù)，但從我們的日常體驗(yàn)?zāi)苤溃鼈兪遣灰粯拥膬?nèi)容（只是同個(gè)系列），所以，區(qū)分分類（category）做細(xì)化的定義很有必要，只有這樣機(jī)器才能按照人的期望學(xué)習(xí)并輸出可用的結(jié)果。

除了內(nèi)容，圖片重復(fù)的形式也要定義，如在feed流里：

對(duì)于有信息增量的情況，處理方式要精細(xì)得多，面對(duì)的是“怎么推”的問題?？梢钥紤]“分層定義->分場景限制”的推薦策略。定義文章相似，能用來輔助判斷的元素有：

1. 標(biāo)題
2. 摘要
3. 圖片
4. 正文
5. 類別

視頻還有物理時(shí)長、音頻、字幕等。

我們先來看看標(biāo)題相似（內(nèi)容相似或體感相似）的case：標(biāo)題主體或關(guān)鍵詞不同或模糊不清，強(qiáng)調(diào)的主旨相同，用詞或長或短；同一事件不同角度：

其中，容易被機(jī)器識(shí)別為相似從而產(chǎn)生badcase（會(huì)降低內(nèi)容的分發(fā)效率），產(chǎn)品汪需要留意一下：

1. 不同主體同一方面
2. 同一主體的不同方面
3. 強(qiáng)本地屬性的類似事件
4. 同一領(lǐng)域中關(guān)聯(lián)度較高的事件
5. 同一領(lǐng)域（如星座、育兒）實(shí)體或關(guān)鍵詞相似，但事件面不同
6. 同屬一賽事（如世界杯），不同賽事
7. 體育球星、會(huì)議與政策之間等不同面

當(dāng)NLP能較準(zhǔn)確識(shí)別相似內(nèi)容時(shí)，分場景限制的策略可以從哪些維度入手？

1. 時(shí)間間隔去重：如操作時(shí)間在12小時(shí)之內(nèi)，做嚴(yán)格的相似過濾邏輯
2. 刷數(shù)去重：如鄰近50刷，做嚴(yán)格的相似過濾邏輯
3. 事件去重：如同一事件內(nèi)容不得黏連
4. POI（興趣點(diǎn)）/Keyword（關(guān)鍵詞）去重：如同一刷同一個(gè)POI不得超過3個(gè)，重排打散
5. 源去重：如同一刷同一個(gè)源的文章不得超過1篇

還可以對(duì)不同用戶（如投訴過重復(fù)老舊的用戶、新老用戶）做不同程度的控制；也可以根據(jù)相似度將相似分層，做不同程度的控制；也可根據(jù)事件的熱度，做不同程度的控制；也可以根據(jù)用戶的興趣的濃度做不同程度的控制。

去重力度需要產(chǎn)品汪把控，而且去重工作中還有很多內(nèi)容需要確認(rèn)：比較的對(duì)象、信息載體、時(shí)間長短、數(shù)據(jù)來源等等。沒有最佳方案，本文旨在引發(fā)思考且補(bǔ)全思路，只有不斷測試，才能找到適合自己產(chǎn)品的組合方案。

本文由 @張小喵Miu 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。