精通推荐算法2：推荐系统分类（面试必备）

作者简介：

腾讯算法研究员。硕士毕业于中国科学院大学。在阿里和腾讯工作多年，拥有丰富的搜索和推荐算法经验。CSDN博客专家，原创文章100篇。发表专利15个，其中已授权6个。

系列文章，欢迎关注

精通推荐算法1：为什么需要推荐系统（系列文章，建议收藏）

精通推荐算法2：推荐系统分类（面试必备）

推荐算法架构6：数据样本（面试必备）

推荐算法架构7：特征工程（吊打面试官，史上最全！）

1 概述

当前各大平台基本都有自己的推荐系统，它已经深入到电商、社交、资讯、电影和音乐等各行各业。囊括了纯文本、图文、长短视频和直播等多种不同的内容介质，并产生了单列信息流、双列信息流和沉浸式等多种交互形态。另外，它可以使用在首页、垂直类目和相关推荐等场景。

2 业务领域分类

按所处业务领域，推荐系统有电商、内容和社交等方向。其中电商有综合电商、垂直电商、酒旅和外卖等不同领域，它们通常与支付有一定关联。内容有新闻、资讯、电影、短视频、问答和音乐等不同方向，它们满足人们日常获取信息的需求。社交则有熟人社交、陌生人社交、职场社交和各种兴趣社区等，它们是连接不同人的纽带。

不同业务领域的用户心智和使用习惯不同，导致推荐系统也会有些差别。电商处于消费链的末端，用户通常带有一定的实际需求。同时由于其通常需要付费，导致用户决策成本和转化成本较高。因此搜索系统在电商业务中同样十分重要，通常是与推荐系统并驾齐驱。另外，用户的复购行为在电商场景中很常见，甚至很多用户直接从历史订单中购买商品。最后，作为电商业务生产端的商家，其门槛通常较高，需要有营业执照等证件。

内容则处于消费链的上游，用户很多时候没有目的性，其决策成本通常也较低，因此更加依赖推荐系统。大多数时候，用户对浏览过的内容不会再有兴趣，故需要在推荐系统中做曝光过滤。另外，内容创作者比电商商家的门槛要低很多，其规模更大，因此也更容易良莠不齐。最后，对于新闻等内容场景，其实时性要求比较高，也对推荐系统提出了较大挑战。

3 内容介质分类

按内容介质，推荐系统包括了纯文本、图文、短视频、长视频和直播等多种不同形态。不同介质代表了不同的生产难度，其中纯文本最容易，而长视频和直播则较难。生产难度的高低，进一步导致内容规模和创作者数量的差异。例如影视综为核心的长视频平台，其内容供给数量明显少于短视频等其他平台。这反应在推荐系统上，便是内容底池的规模大小。

另外，不同介质给用户的信息密度和视听体验也不同。图片能带来较强的视觉冲击力，视频能让人身心更加放松，而直播则带来了更好的交互能力。这会对推荐系统中物品的点击率和转化率等有一定影响。

4 交互形态分类

按交互形态，推荐系统包括了单列、双列、多列和沉浸式等不同方式。不同交互形态，会带来物品信息量和曝光密度的差异。通常，多列形态下单个物品的展示信息最少，但曝光的物品数最多，而沉浸式则正好相反。这会对推荐系统中，精排等模块的数据样本有一定影响。

另外，不同交互形态下的用户注意力和用户体验也会不同。例如双列和多列形态下，用户如果没有点击，则可能是注意力被其他物品吸引了。相反沉浸式场景下，用户负反馈的置信度则要更高。

最后，沉浸式有一点特殊之处，其曝光和转化是一体的，不需要点击则可实现播放。而单列、双列和多列等方式下，通常需要在信息流页面点击感兴趣的物品，然后跳转到详情页观看，最后再回退到信息流页面浏览其他物品。它们需要经历曝光、点击和转化等步骤。这会导致推荐系统的建模方式有一定差异。如图1所示，为推荐系统在京东APP中的不同交互形态。

​

图1 京东APP的单列、双列、多列和沉浸式交互形态

5 应用场景分类

按应用场景，推荐系统可以包括首页、垂直类目页和相关推荐等不同场景。首页流量最大，通常是一个综合推荐场景，各种不同物品竞争其流量。垂直类目则通常只推荐对应类目下的物品，例如数码、男装和食品等。而相关推荐则通常需要推荐与当前物品有一定关联性的其他物品。

三者在建模方式下有一定区别。首页通常最复杂，需要考虑各种业务目标和规则策略。其推荐池通常最大，数据样本最丰富。垂直类目页可以单独建模，但为了维护方便，也可以基于多领域学习，与首页联合建模。相关推荐则需要以当前物品为核心，推荐与之相关的其他物品，通常相关性可以由强到弱。如图2所示，为推荐系统在京东APP中的不同应用场景。

​

图2 京东APP的首页推荐、垂直类目和相关推荐

6 总结

搜索、推荐和广告是绝大多数互联网公司的核心业务，其地位不言而喻。从事这个方向的工程师是十分幸运的。同时，搜索、推荐和广告三大方向一脉相承，其复用性很高，基本掌握一个方向，其他另外两个方向也能得心应手。本文是《精通推荐算法》系列文章的第一篇，后续会连载更多内容。包括召回、粗排、精排和重排的知识体系、当前重难点、如何优化，以及业界的经典模型等。干货多多，强烈建议关注和收藏。

系列文章，欢迎关注

精通推荐算法1：为什么需要推荐系统（系列文章，建议收藏）

精通推荐算法2：推荐系统分类（面试必备）

推荐算法架构1：召回

推荐算法架构2：粗排

推荐算法架构3：精排

推荐算法架构4：重排

推荐算法架构5：全链路专项优化

推荐算法架构6：数据样本（面试必备）

推荐算法架构7：特征工程（吊打面试官，史上最全！）