智能曝光打压策略的探索与实践

智能曝光打压策略的探索与实践

摘要

为保证推荐结果的新颖性，本文提出了一种新的策略，通过在推荐流程中的精排阶段引入交互特征（指用户、书籍间的曝光、点击交互数据），在保证不降低推荐精度，甚至略有提升的同时，降低过滤的复杂度，其中总存储由400GB降低为200GB（降低的曝光打压存储，新增的交互特征存储），提升推荐引擎性能， 同时模型更容易维护。