KDD 2021 | 小红书推荐多样性解决方案：SSD在质量、多样性之间获得较好权衡

机器之心专栏

小红书推荐技术团队

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 KDD21 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。

ACL 2021 论文分享会

为了给国内 NLP 社区的从业人员搭建一个自由轻松的学术交流平台，机器之心计划于 7 月 31 日组织「ACL 2021 论文分享会」。

ACL 论文分享会设置 Keynote、 论文分享 、圆桌论坛、 Poster与企业展台环节 。Keynote 嘉宾包括字节跳动人工智能实验室总监李航和华为诺亚方舟实验室语音语义首席科学家刘群，创新工场首席科学家周明将作为圆桌论坛嘉宾参与此次活动。

欢迎论文作者、AI 社区从业者们点击「阅读原文」报名参与。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com