排序优化

召回拿到候选集后,排序决定用户实际看到什么。但排序不是简单按点击率从高到低排——推荐流同时追求用户喜欢、内容健康、作者生态、公平探索和商业收益,只追点击率会催生标题党,只看完播率会把内容推向短平快。

第一步是多目标排序:模型常用用户、内容、交叉与召回特征,排序分组合点击率、完播率、互动概率、关注转化和投诉举报风险,加多样性加成,权重靠实验调——本质是把「业务要什么」翻译成权重组合,再用护栏目标防走偏。第二步是重排:模型只看单条分数,看不到一整屏的组合效果,打分最高的五条可能来自同一作者,所以要靠规则去掉已曝光、过滤低质与审核风险、控制同作者同题材连续出现、插入探索内容,并保持模型的相对顺序。第三步是实验与延迟:离线指标只说明模型可能更好,最终要看线上留存、完播、投诉和生态;工程上要求分层实验、样本一致、统计显著和可回滚,排序必须在延迟预算内完成。

读完你应该能把业务目标翻译成多目标排序的权重组合和护栏指标,解释模型打分后为什么还需要重排、哪些是硬约束哪些是软惩罚,并为一次排序改动设计出实验方案和延迟预算。

上一章解决候选从哪来,这一章解决顺序怎么排。下一章收束:把四条链路串成完整系统。

章节

发现内容有问题?

告诉我们哪里需要改进。