深度学习核心技术精讲100篇（四十）-微信“看一看“内容理解与推荐，背后深层次的技术知多少？

Posted 2021-05-26 文宇肃然

前言

 

相信对于不少人而言微信已经成为获取资讯的主要场景。与此同时，由于微信用户群体的庞大，也吸引了大量的内容生产者在微信公众平台创造内容，以获取用户关注、点赞、收藏等。微信内的内容推荐产品：看一看应运而生。

 

结合微信用户的内容消费需求，以业务目标为导向，我们从基于属性召回、到协同&社交召回、再到深度模型召回进行了演进，深度模型涵盖了序列模型、双塔模型、混合模型、图模型，最终形成了多种召回并列、多路模型共同作用的看一看内容召回系统。如果把推荐系统中工程服务比作骨骼，那么推荐模型可以比作肌肉，还需要内容理解作为血液，纵向贯穿整个推荐系统，从内容库、到召回、再到排序和画像，源源不断的提升系统的推荐精度，本文将着重介绍看一看内容理解平台及应用。

 

看一看接入了非常多合作方的数据作为内容源。由于接入数据源较多，各家数据从内容、质量、品类等差异性比较大。看一看平台方会对数据做“归一化”操作，然后应用于推荐系统线上部分。内容理解定义：对接各种外部图文等内容，对接入内容做业务级内容多维基础理解，同时进行外部标签与自有标签体系对齐，完成应用级内容打标；反馈至下游应用方：用户需求系统，召回策略，召回模型，排序/混排等使用；同时，在业务数据滚动与迭代中修正数据刻画精度与效果，逐步贴合与提升业务线效果；我们将内容画像定义为两个大维度：通过内容本身来理解内容，通过行为反馈来理解内容。前者主要针对内容抽取静态属性标签；后者，通过行为积累的后验数据，统计，或模型预估内容的知识，倾向性，投放目标，以及抽象表达。