前言

 

相信對于不少人而言微信已經成為獲取資訊的主要場景。與此同時，由于微信用戶群體的龐大，也吸引了大量的內容生產者在微信公眾平臺創造內容，以獲取用戶關注、點贊、收藏等。微信內的內容推薦產品：看一看應運而生。

 

結合微信用戶的內容消費需求，以業務目標為導向，我們從基于屬性召回、到協同&社交召回、再到深度模型召回進行了演進，深度模型涵蓋了序列模型、雙塔模型、混合模型、圖模型，最終形成了多種召回并列、多路模型共同作用的看一看內容召回系統。如果把推薦系統中工程服務比作骨骼，那么推薦模型可以比作肌肉，還需要內容理解作為血液，縱向貫穿整個推薦系統，從內容庫、到召回、再到排序和畫像，源源不斷的提升系統的推薦精度，本文將著重介紹看一看內容理解平臺及應用。

 

看一看接入了非常多合作方的數據作為內容源。由于接入數據源較多，各家數據從內容、質量、品類等差異性比較大。看一看平臺方會對數據做“歸一化”操作，然后應用于推薦系統線上部分。內容理解定義：對接各種外部圖文等內容，對接入內容做業務級內容多維基礎理解，同時進行外部標簽與自有標簽體系對齊，完成應用級內容打標；反饋至下游應用方：用戶需求系統，召回策略，召回模型，排序/混排等使用；同時，在業務數據滾動與迭代中修正數據刻畫精度與效果，逐步貼合與提升業務線效果；我們將內容畫像定義為兩個大維度：通過內容本身來理解內容，通過行為反饋來理解內容。前者主要針對內容抽取靜態屬性標簽；后者，通過行為積累的后驗數據，統計，或模型預估內容的知識，傾向性，投放目標，以及抽象表達。

 

總結

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（四十）-微信“看一看“内容理解与推荐，背后深层次的技术知多少？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。