用learning to rank做推荐的时候，为啥会出现跟baseline（为每个用户推荐最热门的N个产品）很相似的结果
推荐最热门N个产品的这种方法，本来就是很强的baseline。你提一个模型，能不比这个方法差，已经很不错了。而且，推荐效果也看评测数据的特点，如果个性化不明显，的确不一定能比Popular-N的方法好。
■网友
【用learning to rank做推荐的时候，为啥会出现跟baseline（为每个用户推荐最热门的N个产品）很相似的结果】 从历史的经验来看，在资讯领域稍微做下个性化都会比 baseline （热门）的指标好一倍以上，一般是点击率
learning to rank 只是结果排序的一种方式，推荐系统一般需要包含召回\u0026amp;排序两个阶段，召回一侧一般是会更个性化的，排序一侧会利用大量用户画像数据，和历史用户行为去和文章的类型做交叉的特征以拿到个性化的结果
出现你这种情况，一般可能会有这么几个可能性
推荐系统应用的领域个性化诉求不强；举个例子，电影\u0026amp;书籍的个性化推荐的诉求就很强，但是还有一些领域，例如o2o下的某些品类，往往和距离或者价格强相关，或者就是和热度强相关，则单特征过强导致，和baseline很接近就算是电影的品类，如果 推荐算法没做好，例如仅仅使用共现次数作为较强的特征进行rank，会出现热门电影总是出现在前面，这个时候一方面可以通过支持度、置信度等关联规则的方案来进行优化，另外一块需要增加更多个性化的特征来把推荐做的更为精细用户对长尾的探索机制做的不好，比如 有些场景下，编辑推荐占据了重要的位置，很多用户都因为编辑无个性化的推荐进行了内容的获取，而没有更多的自我探索的过程，则会导致用户行为偏向于编辑推荐的热门内容，出现马太效应，这个需要产品侧综合去解决，避免生态恶化系统的召回策略较为单一，未能获取足够多的个性化数据
推荐阅读
- 汽车知识|月薪5000元，推荐4款车型，可全款可分期，既有质量又有面子
- 环球车讯网|【帮你选车】简单粗暴 前后双电机+四驱 三款纯电SUV推荐
- 学图像处理有哪些不错的书推荐
- 环球车讯网|8万元最佳性价比大众车推荐丨桑塔纳和宝来
- 人民车市|第12批新能源汽车推荐目录发布 众多热门车入选
- 婴儿|美国儿科学会： 1岁以下婴儿不推荐学习游泳
- |新款领克01竞争力分析：推荐入门版 价格门槛提高2.9万元
- 能否推荐一个能用快播看电影且电影都是中英双字幕的网站
- 汽车知识|它凭实力远超飞度！合资8.47万元的标致301价廉物美 你买我推荐
- 有哪些做短视频的自媒体推荐