用户兴趣模型：数据与特征取舍

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。