推荐不准的算法改进

这道题问的是推荐不精准怎么从算法层面改进，我觉得本质是在问：你怎么从数据、表征、模型结构这几个环节，把用户真实意图从噪音里尽可能干净地抽出来。我按落地时最常碰到的几个方向展开说。

先说负样本构造。推荐里有个天然偏差：曝光才有点击，但没曝光的不一定是用户不喜欢的。如果只用曝光点击当正样本，未曝光当负样本，模型学到的其实是「曝光偏好」而不是「真实偏好」。我常用的一个思路是 Hard Negative Mining，就是拿那些排在前面但没被点击的样本当强负例，逼模型区分模糊边界。另一个是动态负采样，早期用简单负样本稳定训练，后期切到hard负样本精细调优。还有一个坑是：如果全局负采样做得太猛，热门item会被过度打压，所以得控制采样比例。

再说[[Embedding]]质量。我比较看重的两个手段：一个是对比学习，比如用Dropout构造正样本对，拉近相似item的表征，这在长尾场景特别有效。另一个是[[知识蒸馏]]，用大模型生成的软标签指导[[双塔]]模型，保留细粒度语义关系。举个例子，电商场景里用户搜「男士商务皮鞋」，模型得把「正装鞋」「牛皮鞋」这些相关item的表征拉近，光靠ID Embedding很难做到，对比学习就能帮上忙。

模型结构方面，我觉得最核心的是从静态用户向量转向序列建模。比如用SASRec或BERT4Rec捕捉用户兴趣演化，而不是用一个向量概括所有历史行为。再就是多兴趣建模，像MIND或ComiRec，给每个用户学多个兴趣向量，解决兴趣漂移问题。比如一个用户既喜欢数码又喜欢户外，单向量模型容易两头不靠，多兴趣就能分别建模。

落地的时候有个常见风险：多目标优化容易顾此失彼。比如同时优化点击率和转化率，如果样本加权没做好，模型可能只学点击率，转化率反而不升。我倾向用MMoE或PLE这类结构，给每个目标独立的专家网络，再共享一部分底层，这样能平衡。另外，Focal Loss在处理正负样本极度不均衡时挺好用，比如CTR只有1%的场景。

其实还有一个点值得深挖：在线评估时，如果指标提升不显著，怎么判断是模型真没效果还是实验设计有问题？比如流量切分不均匀、指标非正态分布，这时候用配对t检验可能失效，得换Mann-Whitney U检验。

所以我觉得，推荐不精准的改进不是堆模型，而是先诊断数据偏差，再选合适手段，最后在线上验证时小心统计陷阱。