以今日头条NLP推荐系统为例（侧重特征工程）

系统概况

image.png

• 内容：需要考虑怎样提取不同内容类型的特征做好推荐。

• 用户特征：包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。

• 环境特征：这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。

  
  image.png

内容分析：以文本分析为例（除此之外，还有视频、音频）

• 文本分析在推荐系统中一个很重要的作用是用户兴趣建模。
• 另一方面，文本内容的标签可以直接帮助推荐特征，比如魅族的内容可以推荐给关注魅族的用户，这是用户标签的匹配。

文本特征：

• 语义标签：显式为文章打上语义标签。这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。

• 隐式语义特征：主要是topic特征和关键词特征。

• 文本相似度：每个人对重复的定义不一样，合理定义个性化相似度。

• 时空特征：分析内容的发生地点以及时效性。

• 质量相关特征：判断内容是否低俗，色情，虚假广告，软文，鸡汤。

  
  image.png

• 分类体系目标是覆盖全面，希望每篇内容每段视频都有分类。

• 概念体系则负责解决比较精确又属于抽象概念的语义。

• 实体体系要求精准，相同名字或内容要能明确区分究竟指代哪一个人或物，但不用覆盖很全。

  
  image.png

用户标签

image.png

用户标签处理策略

image.png