©作者 | 小红书推荐技术团队

来源 | 机器之心专栏

来自小红书的研究者在多样化推荐中，从用户体验和系统应用的视角出发，提出了一种滑动频谱分解（SSD）的方法，该方法可以捕捉用户在浏览长项目序列时对多样性的感知。通过理论分析、离线实验和在线 A/B 测试，验证了该方法的有效性。

多样化推荐（diversified recommendation）是推荐系统中一个重要的课题。从用户视角分析，多样性可以帮助用户扩展和发现新的兴趣，但是繁多的内容则会令人厌倦。从平台视角分析，多样性可以帮助系统探索用户喜好，防止内容越推越窄的情况，同时也可以让小众和长尾的内容得到曝光，促进生态发展。

在一个大规模的推荐系统中，我们可以从三个角度来理解多样化的推荐结果，如上图所示。首先是推荐质量（quality），即推荐的结果需要匹配用户的兴趣，可能是用户历史交互过的，也可能是第二点，即多样性所考虑的，用户兴趣的扩展和发现。除此之外，我们还需要考虑公平性（fairness），无论是衡量质量还是多样性，都要兼顾小众兴趣和长尾内容。推荐质量使得我们可以对点击率、时长等行为建模，进而转换为一个分类 / 回归问题。推荐结果的多样性，一般由两两之间的相似性（similarity）得到，例如 DPP（Determinantal Point Process）。

本文介绍的工作，即小红书发表于 KDD 2021 的《Sliding Spectrum Decomposition for Diversified Recommendation》一文，将从用户体验和系统应用的视角，试图解决其中的两个问题：如何在质量和多样性之间获得一个较好的权衡（trade-off），以及如何公平地衡量相似性。

论文地址：

https://arxiv.org/pdf/2107.05204.pdf

研究动机

小红书是国内最大的社交平台之一，拥有超过一亿的月度活跃用户。

小红书中的 item 展示为「笔记」的形式，上图是小红书的 Explore Feed 推荐的一个示意图。用户可以在双列中下滑浏览，同时可以点击感兴趣的笔记进入详情页查看更多内容，或者与博主进行互动。与固定列表的推荐不同，用户可以选择在 Feed 中进行持续的浏览，多样性的衡量需要考虑这种长序列的情况。另外受限于手机屏幕的大小，或者短时记忆的影响，研究者在建模多样性的同时也应该考虑「浏览窗口大小」。

从用户的视角来看，Feed 就像是他们观测到的一个一维时间序列，每个时刻为一篇笔记。在经典的时间序列分析中，如西瓜的单价，我们可以将其分解为经营成本、季节、噪声，如上图所示。类比到推荐场景，如果我们也能将笔记序列分解成几个正交的部分，或许就能得到一个较好的多样性衡量办法。

方法介绍

滑动频谱分解（Sliding Spectrum Decomposition，SSD）

该研究将用户观测到的 Feed 序列，转换为下图所示的 Tensor。

其中序列总长度为T，用户浏览窗口大小为w，推荐的 item 序列为，滑动步长为 1，为笔记在向量空间中的表示。是一个三维的张量，但是直接研究它有些困难。可以先考虑较为特殊的情况：w = T，即窗口大小等于序列总长度。此时仅需要考虑一个窗口内的笔记，那如何衡量他们的多样性呢？下图展示了一个简单的例子，可以看到，固定的情况下，相较、，可以提供更多的多样性。在二维平面情况下，面积是一个很好的度量，与围成的平行四边形面积更大，于是他们组合的多样性也就更好。扩展到更一般的情况，我们可以用体积来计算一个窗口内笔记的多样性。

回到长序列问题上，我们需要处理的问题含有多个窗口。多个窗口联合的体积是没有一个直观定义的，SSD 对这种情况下的体积做了一个推广。具体而言，一个窗口内笔记的体积，可以用矩阵的奇异值乘积来表示，这里的矩阵即是 Tensor的一行，注意到奇异值分解在 Tensor 情况下是有定义的，于是我们对 Tensor做奇异值分解，将分解得到的奇异值，作为了 Tensor的体积，即多个窗口联合的多样性。与每篇笔记的质量结合，即可得到如下的 trade-off 目标，其中 Z 是候选集合，是一个平衡系数。

基于内容与基于协同过滤的方法（CB2CF）

在 SSD 中，该研究依赖于笔记的向量表示来衡量多样性，向量两两之间的相似性需要符合用户对于多样性的感知。有两种直观的思路来得到这些向量。一是基于内容（content-based）的方法，即构造一个基于笔记图片和文字内容的监督任务，将监督模型的中间层结果作为向量表示。二是基于协同过滤方法，即通过全体用户的交互历史，构造 CF 向量。

然而在实际应用中，单纯使用这两种方法都有一定的缺陷。基于内容的方法依赖于大量的先验知识，而基于协同过滤的方法对长尾兴趣和新内容却非常不友好。于是该研究设计了上图所示的 CB2CF （Content-based to Collaborative Filter）方法，通过内容信息预估协同过滤的结果。在输入上仅使用内容，这样即使对于新内容也能依赖模型的泛化能力得到较好的结果。在输出上依赖全体用户的协同标注，使得研究者能够在统计上学习用户感知的信号。

实验结果

在离线实验中，研究者对比了 CF 和 CB2CF 在长尾上的表现。在四个高区分度的类目下，由实验结果可得 CB2CF 有着较好的区分能力。

在线上实验中，研究者用 SSD 与 SOTA 的 DPP 模型做了 A/B 实验，在时长（Time）、互动（Engage）、ILAD（用户浏览笔记之间的平均距离，即曝光多样性)、MRT（用户平均阅读类目数，即消费多样性）上都取得了一定的收益。

小红书目前有超过一亿的月度活跃用户，在算法和工程上都有着很多有趣并富有挑战的问题。除了推荐多样性外，我们还在召回、排序、强化学习、图神经网络、CV、NLP 等多个方向进行着持续的探索和落地，职级、薪水 open，base 上海 / 北京，如有任何问题，请直接联系 yanhuahuang@xiaohongshu.com。

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·