荔枝UGC推荐系统实践:内容理解与用户兴趣探索
“20190621_搜索推荐算法(B会场)_荔枝APP的UGC推荐系统探索与实践_庄正中 荔枝FM推荐系统架构师.pdf” 这篇文档主要介绍了荔枝APP(荔枝FM)在构建其UGC(User Generated Content,用户生成内容)推荐系统方面的实践和挑战。荔枝FM作为一个音频分享平台,致力于通过推荐系统建立用户与内容之间的有效连接,发现有价值的主播和内容,并降低用户创作的门槛。 1. **荔枝推荐系统介绍**: - 荔枝推荐系统的核心目标是理解和匹配用户兴趣,通过多种推荐策略来实现个性化推荐。 - 系统涉及多个关键模块,包括用户理解、内容理解、交互设计、算法与模型、以及运营团队等。 2. **内容理解与内容发现**: - UGC内容理解:涉及到音频内容的解析,可能包括ASR(Automatic Speech Recognition,自动语音识别)和NLP(Natural Language Processing,自然语言处理)技术,用于理解音频内容的语义。 - 内容发现:通过各种召回策略(如vector recaller, deep learning recaller, graph recaller, invert index algorithms & models)来找出与用户可能感兴趣的内容。 3. **用户兴趣发现**: - 新用户兴趣探索:对新用户的兴趣进行挖掘,可能采用E&E(Explore & Exploit)算法,在保证用户体验的同时,逐步了解用户的喜好。 - 长尾召回与排序策略:针对长尾内容进行挖掘,以覆盖更多的用户需求,并通过排序算法优化推荐列表,确保有价值的声音能够被发现。 4. **音频处理与NLP**: - 音频处理技术在推荐系统中的应用,可能涉及到声音特征提取,以捕捉音频的独特属性。 - NLP技术用于文本内容的理解,例如搜索引擎的构建。 5. **算法与模型**: - 使用了如SVD(Singular Value Decomposition,奇异值分解)、FFM(Factorization Machines,因子分解机)、word2vec等模型进行内容特征表示。 - 排序服务中采用了LR(Logistic Regression,逻辑回归)、GBDT+LR(Gradient Boosting Decision Tree + Logistic Regression)以及深度学习模型(如DSSM,Deep Structured Semantic Model)等。 6. **数据收集与分析**: - 数据收集涉及用户行为信息、历史记录和其他特征,用于构建用户画像服务。 - 实时上传数据的收集和分析,以便快速响应用户行为变化。 7. **应对挑战**: - 面对新声音的发现和长尾声音的挖掘,荔枝FM开发了相应的策略。 - 建立价值体系,包括动态权重调整,以确保推荐内容的质量和多样性。 8. **应用场景**: - 推荐系统应用于荔枝APP的不同场景,如录播电台、直播、交友、频道、搜索、私人电台等。 - 通过API接口服务于各个应用程序,如荔枝直播(Lizhi Live)、荔枝电台(Lizhi Radio)等。 荔枝APP的UGC推荐系统是一个综合了音频处理技术、自然语言理解、机器学习模型和数据驱动策略的复杂系统,旨在为用户提供个性化的音频体验,同时也鼓励用户创作和分享声音内容。
![](https://csdnimg.cn/release/download_crawler_static/11686580/bg7.jpg)
![](https://csdnimg.cn/release/download_crawler_static/11686580/bg8.jpg)
剩余35页未读,继续阅读
![jpg](https://img-home.csdnimg.cn/images/20210720090814.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
Traceback (most recent call last): File "d:\pythonbaijiahao\baijiahao.py", line 82, in mianrun sub_element.click() File "D:\python3\lib\site-packages\selenium\webdriver\remote\webelement.py", line 81, in click self._execute(Command.CLICK_ELEMENT) File "D:\python3\lib\site-packages\selenium\webdriver\remote\webelement.py", line 710, in _execute return self._parent.execute(command, params) File "D:\python3\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 425, in execute self.error_handler.check_response(response) File "D:\python3\lib\site-packages\selenium\webdriver\remote\errorhandler.py", line 247, in check_response raise exception_class(message, screen, stacktrace) selenium.common.exceptions.ElementClickInterceptedException: Message: element click intercepted: Element 管理商品 is not clickable at point (930, 347). Other element would receive the click: <svg viewBox="64 64 896 896" focusable="false" data-icon="vertical-align-top" width="1em" height="1em" fill="currentColor" aria-hidden="true">...</svg> (Session info: MicrosoftEdge=113.0.1774.42) Stacktrace:
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/29aa3a6cfa1f46f28ae5ab6de323d85f_nelson1003.jpg!1)
- 粉丝: 2
- 资源: 35
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 计算机人脸表情动画技术发展综述
- 关系数据库的关键字搜索技术综述:模型、架构与未来趋势
- 迭代自适应逆滤波在语音情感识别中的应用
- 概念知识树在旅游领域智能分析中的应用
- 构建is-a层次与OWL本体集成:理论与算法
- 基于语义元的相似度计算方法研究:改进与有效性验证
- 网格梯度多密度聚类算法:去噪与高效聚类
- 网格服务工作流动态调度算法PGSWA研究
- 突发事件连锁反应网络模型与应急预警分析
- BA网络上的病毒营销与网站推广仿真研究
- 离散HSMM故障预测模型:有效提升系统状态预测
- 煤矿安全评价:信息融合与可拓理论的应用
- 多维度Petri网工作流模型MD_WFN:统一建模与应用研究
- 面向过程追踪的知识安全描述方法
- 基于收益的软件过程资源调度优化策略
- 多核环境下基于数据流Java的Web服务器优化实现提升性能
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)