文章從圖庫行業(yè)的產(chǎn)品需求出發(fā)，分析了基于內(nèi)容的推薦、協(xié)同過濾推薦、 多臂老虎機策略、上下文感知推薦和人工規(guī)則推薦，這五種常見的推薦策略具體如何進行應(yīng)用，并簡單介紹了ALS算法。推薦對算法推薦模式感興趣的同學(xué)閱讀。

一、背景

以內(nèi)容為主體的產(chǎn)品（應(yīng)用/網(wǎng)站）往往離不開推薦策略，如何在搜索功能之外，將用戶感興趣的內(nèi)容推送到用戶面前，提高內(nèi)容的點擊率、下載率、購買率是當(dāng)前互聯(lián)網(wǎng)行業(yè)一個非常通用性的問題。

我基于自己在圖庫行業(yè)的工作經(jīng)驗，以圖庫行業(yè)為示例，簡單說一下推薦策略在圖庫行業(yè)的應(yīng)用。文中重點會講述推薦策略中協(xié)同過濾推薦策略（矩陣分解實現(xiàn)）的落地，并給出常見的推薦策略供大家參考。

二、產(chǎn)品需求

圖庫行業(yè)，如何讓用戶快速找到自己心怡的圖片并為止付費，是一個行業(yè)內(nèi)重要的話題。第一個大途徑是搜索，第二個大途徑則是推薦。本文不討論搜索如何優(yōu)化（召回、排序、行為數(shù)據(jù)反饋），就以圖片推薦為切入點，講解圖庫行業(yè)是如何應(yīng)用推薦策略的。

產(chǎn)品需求或者說產(chǎn)品目標很簡單，通過一個推薦策略，把用戶感興趣的內(nèi)容放到他的面前。

三、推薦策略選擇

我所在的公司，在國內(nèi)圖庫行業(yè)算是塔尖的公司，因此實際積累了大量的用戶行為數(shù)據(jù)（搜索、點擊、下載、收藏），這些數(shù)據(jù)可以應(yīng)用來給用戶推送優(yōu)質(zhì)的內(nèi)容。我們主要選擇的推薦策略有：

• 基于內(nèi)容的推薦
• 協(xié)同過濾推薦（矩陣分解實現(xiàn)）
• 多臂老虎機策略（Multi-Arm Bandit Strategy）
• 上下文感知推薦
• 人工規(guī)則推薦

1. 基于內(nèi)容的推薦

詳情頁相關(guān)內(nèi)容推薦

在圖片的詳情頁（大圖頁）中，用戶已經(jīng)打開了一張圖片，那么用戶對這張圖片的主題、風(fēng)格可以認為是相對滿意的，這個時候我們需要推送基于這張圖片的相關(guān)內(nèi)容就有可能命中用戶的需求。

詳情頁內(nèi)容的推薦主要從兩個方向考慮：

1. 同組圖片
2. 相似圖

其中，同組圖片滿足的需求場景是：用戶需要成套系的圖片，或者對這個模特很滿意需要別的動作的場景。在供稿人上傳圖片時，會將同一組場景的內(nèi)容放到一起，行成組圖。這個可以作為同組圖片的推薦。

相似圖，整體有兩個方案，一是從視覺層面的相似，二是從內(nèi)容主題上的相似。其中視覺層面的相似有兩個弊端：

1. 對于計算資源消耗較大，成本較高。
2. 兩張圖片過于相似，只有細微變化，可能不符合用戶的需求。完全相似的畫面內(nèi)容，在質(zhì)量、主題上與原圖重合度、相似度過高。

而基于內(nèi)容主題上的相似，即兩張圖片主體、場景甚至色彩相似，但是不一樣，這個對于用戶瀏覽中的擴展閱讀是非常棒的體驗。我們的實現(xiàn)邏輯，是基于原始圖片的關(guān)鍵詞與圖庫中其他圖片的關(guān)鍵詞比對，計算相似度（或者重疊率），取出相似度最高的TOP100圖片。

（1）獲取圖片ID及圖片對應(yīng)的關(guān)鍵詞ID（為了防止二義性、解決同義詞、可控性等問題，將關(guān)鍵詞轉(zhuǎn)為關(guān)鍵詞ID進行系統(tǒng)性管理）。

（2）遍歷所有圖片，計算每張圖片和其他所有圖片的關(guān)鍵詞重合度（即A有關(guān)鍵詞a，B是否有關(guān)鍵詞a，然后根據(jù)重合的數(shù)量、重合關(guān)鍵詞在A和B圖關(guān)鍵詞中的占比情況，綜合計算重合度），以關(guān)鍵詞重合度作為圖片之間的相似度。

（3）取每張圖片相似度最高的TOP100張圖。

（4）以上循環(huán)，每天對新入庫的圖跑一次數(shù)據(jù)（確保新入庫圖上線后即可有相似圖推薦）。每月對全量庫中圖跑一次數(shù)據(jù)（保證新入庫的圖可以作為被關(guān)聯(lián)圖關(guān)聯(lián)上）。

（5）數(shù)據(jù)存儲如Redis，在每張圖片詳情頁被訪問時，查詢100張相似圖。

以上整個方案其實有兩個點我們做了重點的優(yōu)化：

• 由于有一些關(guān)鍵詞，非常常見，大多數(shù)圖片都有，無具體對圖片的描述含義，這部分會影響關(guān)鍵詞重合度的計算，污染相似度數(shù)值。例如：1個、圖片、畫等。這部分關(guān)鍵詞應(yīng)該進行過濾，過濾后再去計算重合度和相似度。
• 由于同組圖片，在社區(qū)上傳時，關(guān)鍵詞會是一模一樣，這部分會和上面說的同組圖片大部分重合（這類圖肯定相似度最高），會導(dǎo)致推薦位大量圖片重復(fù)。因此解決辦法是，將同組圖、相似圖合并為“推薦圖片”欄目進行展示，并且依據(jù)圖片ID去重。

2. 協(xié)同過濾推薦（矩陣分解實現(xiàn)）

猜你喜歡

在給用戶推薦內(nèi)容時，我們設(shè)置了“猜你喜歡”欄目，在圖片首頁。該部分本質(zhì)實現(xiàn)思路是協(xié)同過濾的推薦邏輯，最終因為考慮到數(shù)據(jù)規(guī)模、計算性能的問題，采用了矩陣分解（ALS）的實現(xiàn)方式。

協(xié)同過濾本質(zhì)邏輯是，A用戶下載了a、b、c、d圖，B用戶下載了a、b、c、e、f圖，綜合所有用戶下載記錄的比對，我們認為A和B下載的圖重合度較高，即A和B用戶較為相似，那我們認為B下載了e、f圖，A還沒下過，所以我們將e、f推送給A，將A下載的d圖推送給B，從而實現(xiàn)了基于用戶-用戶的協(xié)同過濾。

但是由于整個網(wǎng)站用戶量級是千萬級，圖片是億級，想要構(gòu)建千萬級×億級的矩陣（并且每個用戶下載過的圖片肯定總量不大，在千級別，導(dǎo)致這個矩陣非常稀疏），對于系統(tǒng)的計算量來說非常巨大，效率很低下（這個數(shù)據(jù)需要每日計算一次）。因此直接通過協(xié)同過濾推薦邏輯，將下載視為直接因子來構(gòu)建矩陣實現(xiàn)圖片推薦，性價比極低。

綜合考慮，采用了基于模型訓(xùn)練的實現(xiàn)方式，即矩陣分解，采用了ALS訓(xùn)練算法訓(xùn)練預(yù)測用戶喜好（即推薦圖片） 的ALS模型。通過ALS算法，交替固定用戶因子和圖片因子來最小化重建誤差、求解結(jié)果。通過模型訓(xùn)練，將下載圖片作為重要行為，發(fā)現(xiàn)用戶和圖片之間的潛在因子，通過調(diào)用模型預(yù)測用戶喜好完成圖片推薦。

（1）通過用戶下載日志（業(yè)務(wù)系統(tǒng)&埋點系統(tǒng)）獲得用戶ID及對應(yīng)歷史下載圖片ID。

（2）清洗數(shù)據(jù)，將錯誤的、為空的數(shù)據(jù)刪除。

（3）數(shù)據(jù)轉(zhuǎn)換，將數(shù)據(jù)的類型進行統(tǒng)一。

（4）數(shù)據(jù)加載，數(shù)據(jù)存儲至HBase。

（5）調(diào)取Spark MLlib庫中ALS（Alternating Least Squares）算法訓(xùn)練模型。

（6）存儲訓(xùn)練的ALS模型。

（7）調(diào)用ALS模型，傳入用戶id獲取推薦的100張圖。

（8）遍歷庫中所有有下載行為的用戶id，重復(fù)以上模型預(yù)測過程，存儲推薦圖片ID（和用戶ID關(guān)聯(lián)）到HBase。

（9）用戶訪問圖片詳情頁時，通過user_id調(diào)取API接口，獲取推薦圖片IDs，將推薦圖片存入Redis（每日定點清空重置Redis）。

（10）同一用戶當(dāng)日再次訪問網(wǎng)站，直接讀取Redis。

以上方案僅針對歷史有過下載行為的用戶有效，對于無下載行為的用戶無法訓(xùn)練，則直接展示網(wǎng)站在前3日下載最多的圖片。

3. 多臂老虎機策略（Multi-Arm Bandit Strategy）

搜索結(jié)果排序

這個地方在本文不詳說，多臂老虎機策略本質(zhì)上平衡“探索（Exploration）”、“利用（Exlpoitation）”，即給出一些沒有數(shù)據(jù)積累的推薦內(nèi)容來嘗試，同時給出一些有數(shù)據(jù)積累的好的推薦內(nèi)容來利用。對于搜索圖庫場景是根據(jù)每張圖片被點擊、收藏、下載的概率來調(diào)整圖片推薦的優(yōu)先級（在搜索場景則是排序）。

具體的實現(xiàn)方式是在每個關(guān)鍵詞下，圖片被搜索、點擊、收藏、下載數(shù)據(jù)進行計算，通過搜索/下載轉(zhuǎn)化率、曝光/下載轉(zhuǎn)化率、下載絕對值、點擊絕對值、收藏絕對值等計算圖片在這個關(guān)鍵詞下的權(quán)重，對用戶數(shù)據(jù)積累較多的，進行高權(quán)重展示（排序靠前），即“利用”。

而為了防止強者恒強、弱者無曝光導(dǎo)致排序固化，會以一些比較特殊的方式，在搜索結(jié)果集插入一些沒有數(shù)據(jù)積累的圖片測試用戶反饋，即“探索”部分。

4. 上下文感知推薦

搜索頁的關(guān)聯(lián)專題推薦

在搜索頁，用戶搜索圖片時，根據(jù)用戶的搜索詞，進行人工運營的圖片專題推薦。

5. 人工規(guī)則推薦

（1）熱門下載圖片推薦

在網(wǎng)站首頁，提供近3日下載得最多的圖片展示，同時為了防止排序固化強者恒強，定期對排序進行打亂保證頁面內(nèi)容的更新。

（2）最新圖片

對于入庫時間最新的圖片，進行展示。但是為了保證展示的效果，對圖片內(nèi)容進行質(zhì)量分級，僅展示高質(zhì)量的內(nèi)容，并且防止組圖上傳導(dǎo)致圖片重復(fù)度過高，依據(jù)上傳作者進行圖片去重。

（3）人工運營專題

由運營和編輯，根據(jù)臨近的商機節(jié)點，例如節(jié)日、重大事件等，挑選高質(zhì)量的、新上傳的圖片，建立專題，專題在首頁和搜索頁均有曝光展示。

（4）分類導(dǎo)航推薦

也是人工運營推薦的一種，推薦思路是根據(jù)用戶的行業(yè)、使用場景等維度，將所有圖片細分到各個分類，幫助用戶在不知道怎么組織搜索詞時，可以循序漸進的找到自己想要的內(nèi)容。這種方式對于新手用戶體驗較好，但是弊端是需要較大量的人工支持。

對于圖片數(shù)量較少的圖庫可以采用這種方式，或者通過機器+人工的方式幫助分類。通過CLIP模型實現(xiàn)圖片內(nèi)容識別，從而實現(xiàn)自然語言搜索后，可以根據(jù)預(yù)先分析好的分類場景便利的批量分類圖片。

四、常用推薦策略腦圖

總結(jié)歸納的一些常用推薦策略，可以參考，不一定非常準確，很多定義是需要在實踐中摸索，不同的推薦策略也可以結(jié)合使用。

五、ALS算法概要

本文中用來推薦圖片的ALS算法，一些基本的概念幫助大家快速了解，感興趣的同學(xué)可以擴展了解一下，很多的推薦方法、算法、模型都已經(jīng)非常成熟了，條條大路通羅馬，只要明確了用戶的需求自己的目標，總是能達到的。