Quora是如何做推荐的

　　光环大数据培训，讲师都是实战专家，有十几年的软件开发经验和5年以上的实战经验，在业内口碑非常不错。关于师资质量这点非常重要，大家可以去了解一下。优秀的大数据培训机构能让自己能和大数据行业最前沿的项目、最主流的技术接触，这对你的学习成长非常的重要。

前段时间，Quora的VPEngineering机器学习大牛XavierAmatriain，在WWW2016大会的QuestionAnsweringWorkshop做了一个报告，《MachineLearningforQ&ASites:TheQuoraExample》，我周末学习了一下，分享给大家。

Quora的Mission：Toshareandgrowtheworld’sknowledge。

Quora主要考虑的三个因素：Relevance、Quality和Demand。


Quora核心的数据模型及其之间的关系。


FeedRanking

Quora做推荐的一个最核心问题就是PersonalizedFeedRanking。Quora是以问题、答案与主题为核心把「知识」串联起来，然后基于用户的顶和踩等动作来划分内容质量，最后再通过人和问题的Follow关系让知识在社区内流动起来。而个人Feed正是这种「流动」的最主要的载体。

Xavier说Quora做FeedRanking的难度要比Netflix大，这也正常，没有更大的挑战想来Xavier也不会跳槽是吧。QuoraFeedRanking的首要目标是确保推送进用户Feed的内容应该是和用户兴趣高度相关的，其次还需要考虑的包括用户之间的Follow关系以及互动，Xavier管这个叫做socialrelevance，另外还有时间因素，比如一些和热点事件相关的问答，也应该及时地推送进用户Feed。

1、目标：Presentmostinterestingstoriesforauseratagiventime

Interesting=topicalrelevance+socialrelevance+timeliness

Stories=questions+answers

2、主要使用的是个性化的learning-to-rank方法

3、Xavier确认了一点，相比于时间排序(time-ordered)，相关度排序大大提升了用户参与度。

4、面临的挑战，

potentiallymanycandidatestories

real-timeranking

optimizeforrelevance

简单讲就是使用一个「行为加权函数」来预测用户对一个story的感兴趣程度。有两种可选的计算方法，一种是把所有行为弄到一个回归模型里面直接预测最终值，另外一种就是先分别预测每个动作的可能性(比如顶、阅读、分享等)然后再综合起来加权求和。第一种简单，但可解释性稍差，第二种可以更好的利用每个动作信号，但需要给每个动作配一个分类器，计算消耗大。

另外Xavier也强调了特征工程的重要性，在这块下功夫搞一下对最终能得到一个好的ranking结果非常有帮助，如果能够实时在线的更新特征就更好了，这样可以更及时地对用户的行为作出响应。Quora最主要的特征包括：

user(e.g.age,country,recentactivity)

story(e.g.popularity,trendiness,quality)

interactionsbetweenthetwo(e.g.topicorauthoraffinity)

从整体框架来看，Quora的FeedRanking也没有什么太特别的地方，基本上也是业界的标准打法。Quora比较特别的是它的数据模型相对其他网站更复杂，之间的关系也更多样化。比如从用户角度看，既可以follow其他用户User，又可以follow问题Question，还可以follow主题Topic。

Follow用户接收到的信息范围更广也更多样化，惊喜内容很可能就是来自于自己关注的有趣的用户，但也可能最容易制造不相关的内容噪音，这块的最重要工作是用户专业度的评估。

Question/Answer是Quora最核心的内容元素，也是驱动Quora体系里知识流动的原力，这块的主要工作是引导更多的高专业度用户来贡献优质答案，另外就是如何激发生产出更多的好问题(甚至是自动生成问题)，要计算answerranking，还有要做反sapm的工作。

Topic是对一个主题内容的聚合，Topic在Quora的信息架构里面承载着极其重要的角色，是知识结构的骨架，Quora管这个叫做TopicNetwork，如何构建TopicNetwork本身就是一个非常大的挑战，另外还需要解决的问题包括，如何把Topic下(潜在)优质的问题发掘出来，以及如何把水问题降权和过滤/合并重复问题等。

围绕着这些核心问题，Quora分别都进行了更深入的工作。

AnswerRanking

Goal：Givenaquestionandnanswers,comeupwiththeidealrankingofthosenanswers.

Quora主要考虑了下面三大维度来进行Ranking计算，每个大维度下面又包含了很多的features。

答案内容本身的质量度。Quora对什么是「好的答案」有明确的指导[2]，比如应该是有事实根据的，有可复用价值的，提供了解释说明的，进行了好的格式排版的等等。

互动，包括顶/踩、评论、分享、收藏、点击等等。

回答者本身的一些特征，比如回答者在问题领域的专业度。

另外这块的工作也包含非个性化的与个性化的两部分，某些类问题的排序是非个性化的，最好的答案对所有用户而言都是一致的，而另外一些问题则是个性化的，对于每个人而言最好的答案会有自己个性化的判断。总之，AnswerRanking对Quora非常重要，这块Quora做得很细致，Quora的blog上有一篇专门的文章讲这个，有兴趣的朋友可以去看看原文[3]。

36大数据

Ask2Answers

A2A是Quora产品里面非常重要的一个功能，本来Quora是可以直接把相关问题推荐给系统认为的合适的回答者的，Quora最开始也是这么做的，但系统自动做这事儿显然不如发动群众人肉邀请回答来得感觉好，A2A操作增强了仪式感，让被邀请者有种被人需要的感觉，心理上很满足，另外这也是一种社交动作，社交的精髓之一就是为用户制造「装逼」的便利，回答问题前很随意的「谢邀/泻药」，一切尽在不言中了。

这个功能看似很简单，Quora也是下了功夫的，Quora把A2A这事model成了一个机器学习问题：Givenaquestionandaviewerrankallotherusersbasedonhow「well-suited」theyare。其中「well-suited」=likelihoodofviewersendingarequest+likelihoodofthecandidateaddingagoodanswer，既要考虑浏览用户发送邀请的可能性，又要考虑被邀请者受邀回答的可能性。Quora的blog上也有一篇文章详细讲解了他们的做法[4]。



TopicNetwork

Quora花了很大力气来正确引导用户给内容打标签，持续不断坚持这项工作的好处开始逐渐显露出来了，他们发现[5]，

随着用户群体的扩大，Topic正在呈现出迅速多样化的势头。

很多领域都自组织出了相当不错的层级知识结构。

Quora相信这种依靠社群来组织领域知识的方式是可行的。


UserTrust/ExpertiseInference

这是Quora另一件非常重要的事情，Quora需要找出某个领域的专家，然后通过产品引导这些专家在这个领域里贡献更多的优质答案。Quora会考虑用户在某个领域里回答问题的多少，接收到的顶、踩、感谢、分享、收藏及浏览等数据。另外还有一个很重要的是专业度的传播效应，比如Xavier在推荐系统领域对某个答案顶了一下，那么这个答案作者在推荐系统领域很可能具备较高的专业度。

其他

其他相关的，包括推荐主题、推荐用户、相关问题、重复问题、反Spam等等，Quora大量地在使用机器学习的方法来解决这些问题。

Quora最大的宝藏，就是这几年在各个领域不断积累下来的大量有价值的内容，Quora自然也少不了对这些的挖掘，有篇《MappingtheDiscussiononQuoraOverTimethroughQuestionText》[6]，就是一个很好的挖掘数据价值的案例。作者陶雯雯，看个人简介是北大元培计划的，妥妥地又一个美女学霸，感觉知乎可以出手了。

大数据培训，就选光环大数据！

原创文章，转载请注明出处：光环大数据