丁不二软文:信息流广告推荐场景的机制是什么?热点推荐场景

通过热点挖掘算法,得到更加满足用户兴趣的话题集合、事件集合和对应的热度。

接下来看在热点推荐场景下如何应用起来。

05

热点应用

1. 图文热点应用

图文热点应用。资讯库是流式文章入库,在线理解借助语义匹配模型,将新入库的文章和已有的事件库关联起来,使用的是双塔结构和MatchPyramid模型结合,将文章标题和事件的名称的BOW特征,计算语义相关度,而MatchPyramid模型则构造事件词与文章内容的交互矩阵,比如事件名称包含6个词,文章选择前300个词,是300维,得到6*300的矩阵,做卷积计算,得到一个相似度量,将这两个做线性融合,得到显性匹配的分。这样也可以把在线文章进入事件库,赋上 事件标签、话题标签、综合热度,给推荐系统使用。在事件匹配的准确率上,也达到了较高的标准,事件覆盖效果也比较好。

这不仅可以用在图文挖掘上,也可以用在视频、小视频热点挖掘中。

2. 视频&小视频热点

视频&小视频热中的应用,主要是基于热点挖掘得到的文本信息,将图文计算的热点传递给视频和小视频,怎么做的呢?视频能够准确打出影视综合明星tag,通过已挖掘好的热门词库,可以筛选出来近期热门的影视明星类的视频和小视频。我们还会解决这样的问题,比如快乐大本营已经播了很多年,经常出现老片段新发,或者明星自制的明星短剧,需要借助视频关键词、作者的信息、人工标签,过滤掉非热门视频,得到热门视频的候选。另一个是基于新闻报道的视频,人工不知道事件的前提下,直接打事件标签很困难,需要借助已经挖掘到的事件库,和视频标题做匹配,匹配近期的热门事件的视频和小视频,如"科比坠机",可以匹配到"科比去世","科比坠机身亡事件",得到这些标题后,进入热门视频库中,帮助推荐系统给用户推荐更加热门的视频和小视频。

今天的分享就到这里,谢谢大家。