作者：[email protected]，金融科技公司天農(nóng)科技CTO，曾任新浪微博資深推薦算法工程師，考拉FM算法主管，先后負責(zé)微博反垃圾、基礎(chǔ)數(shù)據(jù)挖掘、智能客服平臺、個性化推薦等產(chǎn)品的后端算法研發(fā)，為考拉FM從零構(gòu)建了個性化音頻推薦系統(tǒng)。
本文為《程序員》原創(chuàng)文章，未經(jīng)允許不得轉(zhuǎn)載，更多精彩文章請訂閱2017年《程序員》
流動的推薦系統(tǒng)
我們經(jīng)常談?wù)摰耐扑]系統(tǒng)（Recommender System），從形式上看是比較“靜態(tài)”的推薦，通常位于網(wǎng)頁主要信息的周邊，比如電商網(wǎng)站的“看了又看”、“買了又買”。這種推薦系統(tǒng)在大多數(shù)場景下無法獨立撐起一款產(chǎn)品。
依據(jù)維基百科Recommender System詞條的定義：“推薦系統(tǒng)是信息過濾系統(tǒng)的子類，專門用于預(yù)測用戶對一個項目偏好或者評分進行預(yù)測”，則興趣Feed也是一種推薦系統(tǒng)：它預(yù)測用戶對社交網(wǎng)絡(luò)中相鄰節(jié)點動態(tài)內(nèi)容喜好程度，并根據(jù)喜好程度決定這些動態(tài)內(nèi)容的展示順序。
Feed是一種信息流，就是我們看到的“動態(tài)”、“新鮮事”。當用戶與一些內(nèi)容源建立了連接（如關(guān)注、贊、收藏等）之后，這些內(nèi)容源產(chǎn)生的新動作，就會源源不斷地通過連接流向用戶，不同內(nèi)容源產(chǎn)生的動態(tài)被聚合后呈現(xiàn)在用戶面前，就是Feed。
傳播社交網(wǎng)絡(luò)動態(tài)的Feed，通常默認按照動態(tài)產(chǎn)生的時間順序出現(xiàn)在你面前，稱為時間線（timeline）。國外的Twitter、Instagram，一開始都是時間線形式的Feed；國內(nèi)的微博、QQ空間、微信朋友圈至今仍然是時間線。
但是一些老牌時間線Feed都有計劃要切換成依據(jù)算法排序的個性化興趣Feed，微博在2012年嘗試過智能排序，Twitter在去年上線了一個叫做“當你不在時發(fā)生了什么”的功能，F(xiàn)acebook甚至早就放棄對其NewsFeed的時間線排序。
出現(xiàn)這種情況的原因主要有兩個。一方面，智能手機的普及和移動網(wǎng)絡(luò)的提速，使得UGC越來越容易，用戶動態(tài)的產(chǎn)生和瀏覽越來越碎片化，數(shù)量和頻度陡增，以前用戶消費無壓力的時間線Feed，開始出現(xiàn)信息過載或者錯過一些更感興趣的內(nèi)容的情況。Instagram說他們的用戶平均錯過了70%的內(nèi)容，F(xiàn)acebook也曾說每個用戶每天只能看完1500條新鮮事中的300條而已。另一方面，時間線Feed不利于商業(yè)化的開展，商業(yè)賬號肆無忌憚地以動態(tài)的方式發(fā)布廣告，不僅影響用戶體驗，還完全繞過平臺方進行商業(yè)活動，形成一種“公共資源悲劇”。
所以，F(xiàn)eed的發(fā)展趨勢必然是從時間線到利用算法重排序，按照用戶興趣的相關(guān)程度展示Feed，一方面要幫用戶解決信息過載問題，另一方面要平衡好平臺上的商業(yè)價值和用戶體驗。
成功的興趣Feed——NewsFeed
一個成功的興趣Feed，就是Facebook的NewsFeed。那是2006年9月，F(xiàn)acebook上線了朋友新鮮事，與之同時問世的還有MiniFeed（個人動態(tài)）。上線至今十周年，NewsFeed已經(jīng)成為日收入幾千萬美元的現(xiàn)金牛。
Facebook剛上線這個功能時，曾引發(fā)廣泛的爭議，焦點就是“隱私”問題——我的動態(tài)怎么能讓別人看見呢？用戶不停質(zhì)疑和抗議，又忍不住繼續(xù)使用，F(xiàn)acebook就在爭議聲中增加了最初的隱私控制功能，比如隱藏自己的動態(tài)，而NewsFeed就這樣堅持了下來。
2009年，F(xiàn)acebook在收購FriendFeed之后，將其贊（like）功能整合進了NewsFeed中，并開始按照熱門程度對Feed重排序，這又引起了用戶們的反抗，因為大家已經(jīng)習(xí)慣按照時間順序閱讀。
10年來，NewsFeed有數(shù)不清的改進，甚至每天線上會同時部署很多算法版本進行AB測試。但EdgeRank算法是這條改進之路的一個標志性建筑，我們可以將NewsFeed排序策略分為EdgeRank前時代、EdgeRank時代和EdgeRank后時代。
在EdgeRank前時代，按照Facebook首席產(chǎn)品官Chris Cox的說法：“最初，NewsFeed排序就是在拍腦袋，給照片加點權(quán)重，給系統(tǒng)消息降點權(quán)重。”我們的算法工程師們讀到這些，想必要會心一笑：今天高大上的Facebook，又是人工智能又是深度學(xué)習(xí)，竟然也是從這個時代走過來的。
之后，Serkan Piantino（現(xiàn)任Facebook人工智能研究院工程總監(jiān)）在2010年左右領(lǐng)導(dǎo)開發(fā)了第一版EdgeRank算法。
EdgeRank算法
了解大名鼎鼎的EdgeRank是怎么回事，先看朋友的一條新鮮事（動態(tài)）誕生后怎么流動到你的面前：