Netflix's Page Generation Algotihm

问题描述

在有限的device屏幕下，做下面各种冲突的平衡。

1. accurate v.s. diverse；
2. 推荐算法 v.s. 重定向策略（比如继续看、重看）；
3. 关注深度 v.s. 关注广度；
4. 用户自身风格的延续 v.s. 帮助用户发现新的兴趣；

解决方法

传统方法

一般传统方法使用规则模版来实现。比如填坑法，什么坑放什么内容是模版定义的，每个坑里面具体放什么内容列表是由算法产生。但是，这样的做法会带来一个问题：不便于业务发展，比如UI改版没有什么依据，全凭个人主观论断。

机器方法

算法自动生成整个页面也可以分成两种，一种简单粗放，一种更加细致一些。

简单粗放的方法就是row-ranking，使用算法自动展示不同策略，一个个的排列起来，完成page生成。这种方法简单直接，但是可能会出现多样性问题。也就是将相似策略的结果一起都推荐给了用户。

更加细致一点地方法就是使用stage-wise方法来取代row-ranking。在选择策略时，需要考虑该策略和前后策略的相关性等。具体来说，可以使用贪心算法来进行简单处理：

1. 定义一个明确的score function；
2. 选择一个策略，使得该score function最大；
3. 在选择一个策略，重新计算已有策略的score，使得score function最大；
4. repeat 3直到策略足够。

另外，还可以使用机器学习的方法。机器学习方法的难点如下：

1. 定义一个明确的score function；
2. 如果克服presentation bias的问题，注意这里不仅仅是position bias；

多样性机器学习算法且看下回分解，参考论文如下。
http://www.wsdm2009.org/papers/p5-agrawal.pdf

A/B实验的指标

定义Recall@m-by-n: 也就是m个策略，每个策略出n个结果的recall。

参考资料

Learning a Personalized Homepage: http://techblog.netflix.com/2015_04_01_archive.html