编辑导语：百万日活的推荐系统是很多人可望而不可求的，其系统的设计也并不简单，那么该如何设计这样一款推荐系统呢？本文作者基于自己的实际搭建经验，为我们分享了他的产品设计历程，希望能够帮助大家在系统搭建的过程中少走一些弯路。

前言

作者简介：本人3年金融行业产品经验，主攻python数据挖掘和机器学习。目前就职于上海大智慧，主要负责大数据平台、用户画像、推荐搜索、知识图谱等方向 。曾参与过ontrade数字金融交易所、区块链钱包、仙人掌股票证券投顾平台等多个项目。独自建立了datagrowth.cn数据驱动增长自媒体网站。

本系列专栏主要讲述本人从0到1搭建RES推荐系统的一些经验，记录下产品设计的心路历程，以此激励自己不断探索新知识。

与市面上泛泛而谈的博客不同的是，本文主要从产品的角度，结合行业特性，剖析踩过的坑。

一、产品架构

任何一款再简单的产品，都需要商业模式和产品架构的设计。架构不需要多么复杂、花哨，深入理解行业背景，适合产品规划才是最重要。

用visio画的一个比较满意的产品图，基本能把要表达的思路全部画了出来。

不同于前任设计的基于规则的1.0版本，这次重构主要在于搭建一个可扩展的体系，同时引入数据驱动、算法赋能，而不是拍脑袋决定。

从产品的角度看推荐，应属于业务应用层。

一切的一切，都是基于底层埋点到分析流程、大数据平台、用户标签画像、自然语言处理等基础服务搭建较为完善的前提下开展。

推荐的整体流程分为召回、过滤、排序（因为数据量不是非常大，所以不需要粗排、精排）、重排序，这次主要讲召回层最易理解但最重要的热门召回。

二、整体流程

流程首先考虑闭环：从app用户行为产生、大数据实时统计，到产生热门召回、过滤、排序后，形成热门推荐服务；又通过用户行为来评估推荐效果【产品指标，如PV/UV、人均阅读时长、转化率等 】。

根据整体流程，发现核心在于热门值的计算方案。

新闻入到资讯的es库中，系统赋予一个初始热度值；进入推荐列表后，用户的点击、分享、点赞等交互行为可以提升新闻的热度值。由于新闻有较强的时效性，新闻发布后，热度非线性衰减。

资讯热度分=（初始热度值+用户交互产生热度值-低质量惩罚分（暂无））*时间衰减系数。

1. 初始热度值

1）不同类别的文章给与不同的权重

根据用户数据反馈，选择其中某些热门主题类型的文章，同时综合考虑高质量的类目，给与较高的权重。

类别初始热门值：

2）人工构建热门词库

新媒体运营的专家是最懂行业，最懂当前热点的了，引入人工规则，维护一张热门词库。

对文章进行提取关键字，进行匹配，根据匹配程度适当提升热门权重。提取关键字的算法也很简单，利用textrank，弥补tf-idf无法提取上下文关系的劣势，取共现词topN。

def get_keywords(self,conntent):
key_words1 = jieba.analyse.extract_tags(sentence=conntent,topK=50,withWeight=True,allowPOS=[‘n’,’v’,’f’])
key_words2 = jieba.analyse.textrank(sentence=conntent,topK=50,withWeight=True,allowPOS=[‘n’,’f’,’v’])
key_words1 = dict(key_words1)
key_words2 = dict(key_words2)
df1 = pd.DataFrame([key_words1]).T
df2 = pd.DataFrame([key_words2]).T
#取两者共现词作为关键字，取内连接
df = pd.merge(df1,df2,how=’inner’,left_index=True,right_index=True).head(10)
#取tf-idf算法的权重作为真实权重
df=df.drop(df.columns[1], axis = 1)
#重设索引
df.reset_index(inplace=True,drop=False)
df.columns=[‘feature’,’weight’]
print(df)
return df

作为关键词，当然前置工作有去除停用词，后置工作有同义词归并等等，所以NLP的底层基础能力很重要。

3）自动发现热词

若某一段时间，某一些文章的点击/搜素数量剧增，排除置顶等运营干预后，就应该考虑到可能出现了热门词。这种可以通过算法自动捕捉：算法思路也很简单，通过聚类，提取共性主题的关键字。

2. 交互热度值

取前M小时用户的不同行为赋予不同的分数，如【具体分值根据数据表现配置】：

几个核心的点：

1. 评论：无法单一的根据内容得出用户的偏好。需要对内容做正负面分析。
2. 阅读时长：过短的阅读时长，可能是负面反馈。这里由于找不到好的拟合函数，就简单做了分段函数，正常来说应该是基于预估阅读时长做一个正态分布。

3. 时间衰减

采用经典的hacker news的排行算法：

G重力衰减因子默认为1.8，值越大衰减越快：

至于接下来的，LR+adam排序算法，将在后续章节介绍。

作者：数据增长创始人，datagrowth.cn数据驱动增长自媒体网站创始人。

本文由 @数据增长创始人 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Pexels，基于CC0协议