用户兴趣模型：数据与特征取舍

回答与解析

一、数据收集：三层数据体系

显式数据

• 关注/收藏/点赞/评论的显式反馈
• 用户主动填写的兴趣标签

隐式行为

• 曝光→点击→完播→互动的漏斗行为
• 停留时长、滑动速度、复访频次
• 搜索查询词（强意图信号）

社交关系

• 关注关系、互动关系、同好社群
• 笔记的分享传播路径

关键：埋点设计要覆盖"负反馈"（快速划过、不感兴趣点击），避免模型只学正样本

二、特征工程：分层表征

小红书特色：强化"生活方式"标签体系（穿搭、家居、旅行等细分类目）

三、算法选型：召回→粗排→精排

召回层

• 双塔模型（User塔+Item塔）：用户兴趣向量实时更新，Item向量天级更新
• 多路召回：兴趣标签召回、协同过滤、图神经网络（社交关系）

精排层

• 多目标优化：点击+互动+关注+时长，用MMoE或PLE结构
• 序列建模：DIN/Transformer捕捉短期兴趣，长期兴趣用记忆网络

冷启动策略

• 新用户：基于相似人群（Lookalike）+ 热门兜底
• 新内容：内容理解模型（图文多模态）预打标签，快速匹配潜在人群

四、模型更新策略

稳定性保障

• 影子流量验证新模型，KS检验分布漂移
• 设置兴趣衰减因子（如7天无交互权重×0.5），防止僵尸兴趣

五、评估与迭代

• 离线：AUC、GAUC、多样性指标（ILS）
• 线上：人均消费时长、互动率、留存
• badcase分析：定期抽样"不感兴趣"反馈，反向优化

学习建议

建议系统学习该知识点

口语版讲法(约4分钟)

• 一句话定位：本质是理解用户、匹配内容
• 数据收集：三层体系与负反馈
• 特征工程：分层表征，序列特征是重点
• 算法选型：召回到精排，多目标与序列建模
• 模型更新：实时与批量结合，稳定性保障

这道题本质上是问怎么把用户和内容高效匹配起来，让推荐系统既懂用户短期兴趣，又不忘长期偏好。我会从数据、特征、模型和更新策略几个方面来说。

先说数据收集。我会搭一个三层体系：显式反馈、隐式行为和社交关系。显式就是点赞收藏这些，隐式包括曝光到点击的漏斗、停留时长、滑动速度，还有搜索词，这个意图信号特别强。社交关系比如关注和同好社群。这里有个关键：埋点一定要覆盖负反馈，比如快速划过或者点不感兴趣。如果模型只学正样本，推荐会越来越窄，用户很快就腻了。

特征工程这块，我倾向于分层表征。底层是用户静态属性，像年龄、设备；往上走是动态特征，比如近7天活跃频次、时段偏好；内容侧有类目、关键词、视觉风格；交叉特征像用户对类目的点击率；最核心的是序列特征，就是用户最近交互的内容ID序列。这个序列对捕捉短期兴趣特别重要，后面算法会用到。

算法选型我分召回和精排两层。召回层我会用双塔模型，用户兴趣向量可以分钟级更新，内容向量天级更新。多路召回也很关键，标签召回、协同过滤、图神经网络都上，保证覆盖面。精排层重点做多目标优化，点击、互动、时长这些目标用MMoE或者PLE结构来平衡。序列建模我倾向用DIN或者Transformer，把用户最近行为序列喂进去，注意力机制能自动聚焦当前最相关的部分。冷启动方面，新用户用Lookalike找相似人群，热门内容兜底；新内容靠多模态模型预打标签，快速匹配潜在人群。

模型更新我分三个粒度。实时兴趣向量用Flink流式处理，分钟级更新；模型参数小时级或天级做在线学习或全量训练，A/B验证后上线；特征体系周级做重要性分析，该加的加，该删的删。稳定性保障不能忽视，我会用影子流量跑新模型，看KS检验有没有分布漂移。还有一个细节：兴趣衰减因子，比如7天没交互权重乘0.5，防止僵尸兴趣一直占着位置。

说到时效性，其实实时更新有个前提：行为流必须干净，如果用户误触很多，实时更新反而放大噪声。所以上线前我会特别关注点击和有效互动的比例，过滤掉无效行为。

最后收一下，离线评估看AUC和多样性，线上看人均时长和留存。我倾向于把整个系统看成动态平衡：既要快速响应新兴趣，又要稳住长期偏好。

关键一句:实时更新有个前提：行为流必须干净，误触会放大噪声，需要过滤无效行为。

面试官还可能这样问

1. 问法 1 · 场景切入

   假设我们做一个内容社区，用户刚注册进来，一条内容都没看过，你怎么快速猜出他可能喜欢什么？如果他用了一周，行为变多了，兴趣模型怎么逐步更新和收敛？

2. 问法 2 · 层层追问

   你一般怎么从用户行为里提取兴趣特征？……那用户搜了又没点，或者快速划走，这些信号怎么处理？……再进一步，如果兴趣随时间漂移，比如上周爱看健身这周爱看美食，模型怎么自适应？

3. 问法 3 · 直球架构

   设计一个内容平台的用户兴趣模型，从数据收集、特征工程、算法选型到模型更新策略，全链路说下你的方案。重点讲清楚怎么处理隐式反馈和兴趣衰减。