如何增强关系链

2021-09-26 机器学习 推荐系统

# 一、优化目标及优化方法

通过统计,我们可以很容易得到一个结论:关注数与留存率成正相关。但这种现象很有可能是幸存者偏差,关注数越高,并不代表关注质量高。

我们要提升的是 用户可感知的关系密度,而非关注数。方法是构造关系有向图,找到关键用户(割点)重点运营,具体目标如下:

  1. 割点不流失;
  2. 关系链不断;
  3. 边缘点与中心点建立关系。

如果有向图的计算压力过大,或者计算效果不理想,可以先对用户按地区等进行 分群,分群的范围可大可小,之后再进行关系链的计算。

上面提到了我们的三个目标,要实现它们就需要提高用户的关注行为数量,具体可以通过以下方法:

  1. 建立 群组功能:将兴趣相同的用户吸引至同一群组,引导用户的主动关注行为;
  2. 首页插入“你可能感兴趣的人”模块,主动推荐引导关注;
  3. 在用户对某个人的作品消费量达到一定时提示关注

# 二、关注上限是否取消

目前很多 APP 都会限制最大关注数,那么这个限制是否有必要呢?首先说一下结论:保留关注数上限

下面来具体分析一下,如果取消了关注数上限,那么首先带来的就是 算法计算压力增大,可能会影响推荐的效率,其次,关注数大幅上涨很可能会导致 关注质量的下降

因此,我们可以在用户关注数达到一定程度后,提示用户关注列表中亲密度较低的被关注者,让用户 主动清除无效关系,保证关注质量。

# 三、关注亲密度

所谓关注亲密度,就是用来 评价关系质量 的一个指标。

我们可以归纳出 影响关注质量的所有互动行为,包括主动消费、艾特@、私信、点赞等,训练一个模型来计算亲密度的值。有时场景不同,我们选择的互动行为也不同,因此可以针对不同场景训练不同的亲密度模型。

有了亲密度的概念,我们在进行算法推荐时就能对推荐内容进行加权,得到更准确的结果。

Last Updated: 2023-01-28 4:31:25