如何防止推荐过度个性化导致信息窄化
哪些公司问过
答案要点
- 根因是推荐与用户反馈形成的闭环放大,导致曝光越来越集中
- 探索机制:epsilon-greedy、UCB、Thompson 采样,以及兴趣探索、热门、编辑精选通道
- 多样性重排:MMR、DPP 加类目、作者打散规则
- 目标与评估:引入留存、兴趣广度等长期指标,监控覆盖率、兴趣熵、长尾占比
- 产品机制:不感兴趣、偏好调节等用户可控入口
易错点
- 只做重排打散,不处理召回层候选本身就窄的问题
- 只看 CTR 评估,忽略长期留存和兴趣广度
- 探索比例过大,严重损害短期体验
面试官常见追问
- MMR 的思路是什么?
- 多样性提升了但 CTR 下降怎么办?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。