丁不二軟文:信息流廣告推薦場景的機制是什么?熱點推薦場景

通過熱點挖掘算法,得到更加滿足用戶興趣的話題集合、事件集合和對應的熱度。

接下來看在熱點推薦場景下如何應用起來。

05

熱點應用

1. 圖文熱點應用

圖文熱點應用。資訊庫是流式文章入庫,在線理解借助語義匹配模型,將新入庫的文章和已有的事件庫關聯起來,使用的是雙塔結構和MatchPyramid模型結合,將文章標題和事件的名稱的BOW特征,計算語義相關度,而MatchPyramid模型則構造事件詞與文章內容的交互矩陣,比如事件名稱包含6個詞,文章選擇前300個詞,是300維,得到6*300的矩陣,做卷積計算,得到一個相似度量,將這兩個做線性融合,得到顯性匹配的分。這樣也可以把在線文章進入事件庫,賦上 事件標簽、話題標簽、綜合熱度,給推薦系統使用。在事件匹配的準確率上,也達到了較高的標準,事件覆蓋效果也比較好。

這不僅可以用在圖文挖掘上,也可以用在視頻、小視頻熱點挖掘中。

2. 視頻&小視頻熱點

視頻&小視頻熱中的應用,主要是基于熱點挖掘得到的文本信息,將圖文計算的熱點傳遞給視頻和小視頻,怎么做的呢?視頻能夠準確打出影視綜合明星tag,通過已挖掘好的熱門詞庫,可以篩選出來近期熱門的影視明星類的視頻和小視頻。我們還會解決這樣的問題,比如快樂大本營已經播了很多年,經常出現老片段新發,或者明星自制的明星短劇,需要借助視頻關鍵詞、作者的信息、人工標簽,過濾掉非熱門視頻,得到熱門視頻的候選。另一個是基于新聞報道的視頻,人工不知道事件的前提下,直接打事件標簽很困難,需要借助已經挖掘到的事件庫,和視頻標題做匹配,匹配近期的熱門事件的視頻和小視頻,如"科比墜機",可以匹配到"科比去世","科比墜機身亡事件",得到這些標題后,進入熱門視頻庫中,幫助推薦系統給用戶推薦更加熱門的視頻和小視頻。

今天的分享就到這里,謝謝大家。