知识卡片
冷启动模型忽略反馈数据
冷启动环节的模型,设计哲学和自然流量模型正好相反:自然流量模型大量依赖点击、下发、点赞、评论等后验反馈信号,而冷启动模型要明确”忽略反馈数据”,只侧重物料和用户的基础特征。
原因很直接——新入库物料下发少、点击少,后验数据本就稀疏甚至为空,强行用反馈特征只会引入噪声或让模型偏向已有爆款,反而冷启动不出去。所以冷启动模型靠基础特征(物料属性、用户属性等)做打分,把”探索”的活留给进退场机制去放量验证。
区别:这是”用先验/基础特征替代后验反馈”的取舍——牺牲一点短期精准,换取新物料/新用户能被公平试探到。一旦物料积累够后验数据,就交还给自然流量模型。相关卡见 [[物料进退场爬坡机制]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 冷启动环节的设计与实现 11.2 物料冷启动 · 查看原书依据
冷启动环节的模型设计主要考虑的是物料和用户的基础特征,相比自然流量的模型,冷启动环节的模型需要忽略反馈数据,如点击、下发、点赞、评论等
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第11章《物料冷启动》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/134.html;src-064)
- 结论依据:原文指出新物料因下发/点击少而后验数据少,并明确冷启动环节模型主要考虑物料与用户基础特征、需忽略点击/下发/点赞/评论等反馈数据。
- 原始内容:冷启动环节的模型设计主要考虑的是物料和用户的基础特征,相比自然流量的模型,冷启动环节的模型需要忽略反馈数据,如点击、下发、点赞、评论等