面试题 · 评估
请设计一个系统来建模不同用户的兴趣话题偏好，涵盖数据收集与处理流程、特征工程方法、推荐算法选型及模型更新策略。
三层数据源
处理链路
埋点采集 → Flink实时清洗 → Kafka分流 →
├── 离线数仓（Hive）→ 天级特征工程
└── 实时流（Flink）→ 分钟级兴趣更新| 类型 | 具体特征 | 更新频率 |
|---|
按学习路线查看教程、项目和面试题。
| 静态画像 | 人口属性、注册来源、设备偏好 | 月级 |
| 动态兴趣 | 短期点击序列（最近50条）、实时浏览topic分布 | 分钟级 |
| 演化特征 | 兴趣漂移速度、话题跨度、探索vs保守倾向 | 天级 |
关键技巧：用时间衰减加权处理历史行为，近期行为权重指数级提升。
召回层（多路并行）
精排层
| 模式 | 触发条件 | 适用场景 |
|---|---|---|
| 全量更新 | 每周/月 | 基模型重训，捕捉长期趋势 |
| 增量更新 | 每日 | 新增样本finetune，快速收敛 |
| 实时更新 | 分钟级 | 用户embedding在线刷新，应对突发兴趣 |
工程要点：精排模型天级更新，用户向量通过参数服务器实时推送，保证"刷完即影响下次推荐"的体验。
建议系统学习该知识点
场景切入
假设你现在接手一个短视频App，用户刚注册时兴趣很模糊，但刷了几十条后，你发现他对宠物视频停留特别久。你会怎么从零开始搭建一套系统，把这种兴趣偏好建模出来并用到推荐里？
层层追问
用户兴趣建模通常怎么做？……如果只用行为数据够吗？……那内容特征和社交关系怎么融入？……再进一步，模型怎么跟上用户兴趣的实时变化？
直球架构
请你设计一个用户兴趣话题偏好建模系统，包括数据收集与处理、特征工程、推荐算法选型和模型更新策略。每个环节的关键技术和选型理由是什么？
这道题本质上是问我们怎么把用户零散的行为信号，转化成能实时响应用户口味变化的推荐系统。我理解它的核心挑战在于两个：一是兴趣是动态的，今天喜欢美妆明天可能就迷上露营了；二是工程上要在效果和成本之间做取舍。
先说数据收集。我会把它分成三层来抓：行为层，就是点击、点赞、收藏这些，特别是完播率，在小红书这种内容平台是很强的兴趣信号；内容层，笔记的图文、标签、[[OCR]]文本甚至视觉特征，我会抽成[[多模态]][[embedding]]；社交层，关注关系、互动频次和社群归属。处理链路我用Flink做实时清洗，然后分流：一份进离线数仓做天级特征，一份留在流里做分钟级兴趣更新。
特征工程这块，我分静态画像、动态兴趣和演化特征。静态就是人口属性、注册来源，月级更新就行。动态兴趣是核心，比如用户最近50条点击序列和实时浏览的topic分布，分钟级刷新。演化特征比较有意思，像兴趣漂移速度、话题跨度，这些能判断用户是不是在探索新领域，天级更新就够了。关键技巧是时间衰减加权，近期行为权重指数级提升，不然三个月前点的健身视频还在推，用户早腻了。
算法选型上，我坚持多路召回加精排。召回层我会上协同过滤的ItemCF，捕捉“看了又看”的关联；向量召回用[[双塔]]模型，用户embedding实时更新；再加上图召回，基于社交关系的GraphSAGE。精排层主模型用DeepFM或者DIN，DIN的好处是能通过注意力机制处理行为序列，把用户最近对什么感兴趣显式地建模出来。多目标优化我会用MMoE结构，同时优化点击、互动和时长，因为只优化点击容易推标题党。
模型更新策略我分层处理。全量更新每周或每月一次，基模型重训，捕捉长期趋势。增量更新每天跑，用新增样本finetune，快速收敛。实时更新是分钟级的，用户embedding在线刷新，应对突发兴趣，比如突然刷到某个明星同款。工程上有个坑：精排模型天级更新就够了，但用户向量必须通过参数服务器实时推送，这样才能做到“刷完即影响下次推荐”。如果向量更新不及时，用户刚点了一篇露营笔记，下次刷新还在推美妆，体验就很差。
这里我想提一个延伸点：当用户兴趣短期剧烈波动时，比如大促期间从理性购物变成冲动消费，模型很容易过拟合短期行为，导致推荐结果变得很窄。我倾向于在实时更新时引入一个探索与保守的平衡因子，比如用贝叶斯方法动态调节历史行为和新行为的权重，避免兴趣窄化。
所以整体上，我更倾向把兴趣建模看成一套分层响应系统：底层用全量更新保证基础质量，中间层用增量更新快速适应，顶层用实时更新捕捉脉冲。前提是数据质量要过关，埋点得有足够的唯一标识和时间戳，不然实时更新再快也是垃圾进垃圾出。