論文Fresh Content Needs More Attention:Multi-funnel Fresh Content Recommendation
方案和系統(tǒng)都不復雜，但是很切合業(yè)務實際哨毁。
論文的貢獻主要再一下幾方面：
a.證明了冷啟動的價值嫁盲，包括：1.Corpus coverage is improved闹蒜。2.A larger corpus is discovered by the users野哭。3.Content providers are encouraged to upload more contents。4.More fresh content is consumed by the users with a minor impact on short-term user engagement眨唬。
b.提出新的冷啟動評估指標和評估方式。評估指標不在專注傳統(tǒng)的ctr好乐，而是提出三個新指標：1.Daily Unique Impressed Contents at ??（DUIC@K）匾竿。2.Fresh Content Dwell Time。3.Number of content receiving X (post bootstrapping) positive蔚万。評估方式方面岭妖，實驗組和對照組不應該相互干擾。實際上現(xiàn)在工業(yè)界很多公司的ab試驗系統(tǒng)再冷啟動方面都有數(shù)據(jù)泄露問題，實驗組推薦推薦鏈路上的上游數(shù)據(jù)會進入對照組的訓練數(shù)據(jù)昵慌，實際上是一中數(shù)據(jù)泄露假夺，會導致冷啟動方案的收益低估。
整體冷啟動的架構不復雜斋攀，整個推薦鏈條為：
? ? ? ? ? ? ? ? ? 新類容召回——內容過濾(graduation filter)——多臂老虎機預打分——精排
新類容召回包含兩個召回模型 已卷，一個只用meta feature的雙塔模型Low-funnel model，一個使用用戶最近點擊行為的實時雙塔召回模型Middle-funnel model淳蔼。線上按概率p隨機使用Low-funnel model召回侧蘸，1-p概率使用Middle-funnel model。
內容過濾(graduation filter) 按照次數(shù)過濾掉新內容召回的item鹉梨，超過n次展示的內容會被過濾讳癌，實際上就是冷啟動 cold-start階段的頻率控制，避免少數(shù)新內容占用過多曝光存皂。
多臂老虎機預打分采用的是Thompson Sampling晌坤。論文中沒有詳細說怎么做的。實際上可以采用linucb或者?Contextual?Thompson Sampling旦袋。預打分選取10個候選進精排骤菠。
精排部分，論文采用的是google 的主推薦rank 算法來確定top 1.
