爆料相关推荐修改为个性化推荐

需求PRD

1. 需求背景

目前已积累较长时间用户针对爆料访问的数据情况，期望通过使用这些数据让推荐内容更能让用户感兴趣，从而提升点击率并进行个性化算法的尝试

2. 需求描述

2.1 推荐算法

本期推荐算法使用在爆料详情页相关推荐区域，算法选型使用「基于内容相关性」推荐。
算法简介：阅览过该内容的用户还浏览了哪些内容

2.2 基于内容相关性推荐算法公式

• 相关性评分 = 用户浏览相关性*内容属性权重
• 用户浏览相关性说明：浏览过该条爆料的用户还浏览了哪些内容

• 用户浏览相关性算法：
  

• 用户浏览相关性=log10(时段点击UV） 取10为底数的时段UV的对数

• 内容属性权重=发布时间权重置顶权重所属分类权重
  
  • 发布时间权重：发布时间小于<1，<6，>6小时以内数据分别获得权重值3，2，1
  • 置顶权重值：置顶内容权重为1，非置顶内容为2
  • 所属分类权重：同大分类通标签匹配内容权重值3，同大分类权重值2，同标签权重值2，其他权重值为1

数据样例：
点击X内容用户同时点击了A,B,C,D3个内容
A内容，发布时间1小时以内，与X内容相同标签相同大分类，同标签，非置顶，当日时共产生101UV
B内容，发布时间6小时以内，与X内容同标签不同大分类，置顶，当日共产生5322UV
C内容，发布时间7小时内，与X内容不同标签不同大分类，非置顶，当日共产生1011UV
D内容，发布2小时以内，与X内容同标签同分类，置顶，当日共产生15000UV

以上权重值
A = 2*3*2*3=36
B = 3.72*2*1*2=14.88
C = 3*1*2*2=12
D = 4.17*2*1*3= 25.02
综上，推荐优先级为：A,D,B,C

2.2 算法规则

• 时段UV= 该条爆料当日累计UV（0-24点）
• 计算频次：尽可能最小
• 计算内容前置条件：
  
  • 非过期内容，非下首页内容
  • 内容与当前内容的点击用户有交集
• 对数结果取小数点后2位