线上分享 ｜ 解决Feed流推荐中的多样性问题，小红书新算法入选KDD 2021 在社交媒体领域，信息流（Content Feed 或简称 Feed）是一种常见的产品形式，呈现商品、短视频、直播和新闻等多种样式，为用户提供个性化的内容推荐。 以小红书为例，它是一个拥有 1 亿多月度活跃用户的社交媒体平台，用户可以在该平台上发帖分享自己关于时尚、美食以及旅行、健身等日常生活中的种种体验。每个帖子都包含文本和视觉内容，在推荐系统中，每个帖子都是一个 Item。Explore Feed 是小红书最主要的推荐场景，‘Explore‘意为发现，结合用户历史喜好进行推荐的同时，提供多样性的内容，帮助用户发现新的兴趣也是其中的一个重要目标。 从用户视角分析，多样性可以帮助用户扩展和发现新的兴趣，但是繁多的内容令人厌倦；从平台视角分析，多样性可以帮助系统探索用户喜好，防止内容越推越窄的情况，同时也能够让小众和长尾的内容得到曝光，促进生态发展。 那么，小红书针对 Feed 流推荐的多样性采取什么样的解决方案呢？ 在一篇被 KDD 2021 会议收录的论文《 Sliding Spectrum Decomposition for Diversified Recommendation 》中，小红书的研究者提出了一种多样性算法滑动频谱分解（Sliding Spectrum Decomposition, SSD），该算法可以捕捉用户在浏览长项目序列时对多样性的感知。通过理论分析、离线实验和在线 A/B 测试，研究者验证了该方法的有效性。 8 月 16 日 19:00-20:00，机器之心最新一期线上分享邀请到了论文一作、小红书智能分发部算法工程师黄彦华，为大家详细介绍小红书在多样化 Feed 推荐方面的工作，包括多样性算法 SSD 和相应落地效果。 分享主题：Feed 流推荐中的多样性 分享摘要：Feed 流是一种常见的推荐形式，例如抖音的视频单列和淘宝的首页推荐。多样性是其中一个重要的课题，从用户角度，多样性可以帮助他们发现新的兴趣；对于平台来说，多样性可以帮助系统探索用户的喜好，同时也有助于长尾内容的分发。在本次分享中，我们将从用户和系统的视角，向大家介绍小红书在多样化 Feed 推荐上的工作。首先介绍多样性算法 SSD，然后探讨如何公平地计算相似性，最后会讨论一下我们的落地效果。 嘉宾介绍：黄彦华，小红书智能分发部算法工程师。 论文链接：https://arxiv.org/pdf/2107.05204.pdf 直播间：https://jmq.h5.xeknow.com/s/38kUMn（点击阅读原文直达） 直播时间：北京时间 8 月 16 日 19:00-20:00 加入机动组，一起看直播 「机动组」是机器之心人工智能技术社群，将持续提供技术公开课、论文分享、热门主题解读等线上线下活动，同时「机动组」也将不定期组织人才服务、产业技术对接等活动，欢迎所有 AI 领域技术从业者加入。 识别下方二维码，加入本次直播交流群。 如群已超出人数上限，请添加小助手 syncedai5 或 syncedai6，备注「推荐」即可加入。 点击阅读原文，收藏直播间。阅读原文