推荐算法实践：电商特征选取

推荐系统的特征工程是模型效果的核心，通常按用户、物品、上下文、交互行为、统计类、内容与语义、场景与业务、交叉与组合八大维度划分。下面按类别完整列举，并说明为什么有效。

一、用户侧特征（User Features）

描述用户本身属性、偏好与行为历史，用于个性化匹配。

1. 基础人口属性：

   • 年龄、性别、职业、学历、地域、城市等级
   • 注册时长、是否新用户
   • 有效性：捕捉群体共性偏好，如年轻用户更爱短视频、女性更关注美妆。

2. 设备信息

   • 设备型号、品牌、操作系统、分辨率、网络类型（WiFi/4G/5G）
   • 有效性：网络差更适合推短内容；高端机可推高清视频 / 游戏。

3. 用户画像标签

   • 显式标签：关注 / 收藏 / 点赞的类目、兴趣标签（如 “篮球”“旅行”）
   • 隐式标签：通过行为聚类得到的偏好向量
   • 有效性：直接刻画用户兴趣，是个性化推荐的基础。

4. 用户行为序列

   • 点击 / 浏览 / 收藏 / 加购 / 下单 / 分享 / 完播序列
   • 序列时长、间隔、最近 N 步行为
   • 有效性：序列蕴含时序偏好、兴趣漂移、上下文意图，适合 DIN/DIEN/Transformer 等序列模型。

5. 用户活跃度与价值

   • 日 / 周 / 月活跃天数、访问频次、平均使用时长
   • 付费金额、付费频次、用户价值分层（高 / 中 / 低活、高价值）
   • 有效性：高活用户可做深度探索，低活用户优先做召回与稳定体验。

6. 用户社交特征

   • 好友数、粉丝数、关注数、好友共同点击
   • 有效性：利用社交信任，“朋友看过 / 买过” 提升点击率与转化率。

---

二、物品侧特征（Item Features）

描述被推荐内容 / 商品本身，用于内容匹配与质量控制。

1. 基础属性

   • 类目、标签、品牌、价格、规格、发布时间、有效期
   • 有效性：类目匹配是基础；价格敏感用户偏好低价 / 折扣品。

2. 内容特征

   • 文本：标题关键词、摘要、描述 TF-IDF/TextCNN/Embedding
   • 图像：封面图特征、清晰度、主体检测
   • 视频：时长、分辨率、帧率、封面、OCR 文本
   • 有效性：将非结构化内容转为可计算向量，实现内容相似推荐。

3. 质量与热度特征

   • 播放 / 阅读 / 完播率、点赞 / 评论 / 分享、差评率
   • 有效性：高完播、高互动代表内容质量好，更值得推荐。

4. 时效性特征

   • 新上架、热点、突发内容、节日相关
   • 有效性：热点内容天然高需求，需提升权重做时效性分发。

5. 物品 Embedding

   • 由 Item2Vec、Graph Emb、多模态模型预训练得到
   • 有效性：浓缩全局语义与结构信息，用于粗排精排。

---

三、上下文 / 场景特征（Context Features）

描述推荐发生的环境，用于场景适配。

1. 时间特征

   • 小时、工作日 / 周末、节假日、季节
   • 有效性：早间新闻、中午短视频、晚间电商 / 长视频，意图差异极大。

2. 位置特征

   • 省市、商圈、经纬度、是否异地
   • 有效性：本地生活、外卖、同城内容强依赖位置。

3. 场景入口

   • 首页推荐、搜索结果页、详情页相关、购物车、个人中心
   • 有效性：不同入口意图不同：搜索强意图、首页偏探索、详情页偏相似 / 互补。

4. 页面与展示信息

   • 位置序号（position bias）、展示样式、封面大小
   • 有效性：位置越靠前点击率天然越高，模型必须学习或消除偏差。

---

四、用户 - 物品交互特征（Interaction Features）

直接刻画用户对物品的偏好强度，是排序模型最有效特征之一。

1. 历史交互统计

   • 用户对该物品 / 类目 / 品牌的历史点击、收藏、购买次数
   • 最近一次交互距今时间
   • 有效性：直接反映真实偏好，“多次点击 = 强偏好”。

2. 匹配度特征

   • 用户兴趣向量与物品向量的余弦相似度 / 内积
   • 用户标签与物品标签重合度、Jaccard 相似度
   • 有效性：衡量 “用户兴趣与物品内容的匹配程度”。

3. 交叉行为特征

   • 同类目下点击未购买、加购未付款、收藏未点击
   • 有效性：识别犹豫用户，可推优惠券、相似款促进转化。

---

五、统计类 / 全局特征（Stat Features）

从全局数据统计得到，用于校准与泛化。

1. 物品全局统计

   • 全局 CTR、CVR、曝光量、点击量、互动率
   • 有效性：热门物品天然更易被接受，提供基础置信度。

2. 用户全局统计

   • 用户平均 CTR、平均点击深度、偏好类目占比
   • 有效性：区分 “随便点的用户” 与 “精准点击用户”。

3. 分维度统计

   • （用户年龄 × 类目）CTR、（地域 × 时段）转化率
   • 有效性：细粒度统计捕捉局部规律，提升小样本场景精度。

4. 平滑统计特征

   • 加 1 平滑、贝叶斯平滑、指数衰减加权（近期行为权重更高）
   • 有效性：解决冷启动与小样本统计不准问题。

---

六、内容与语义深度特征（Content/Semantic Features）

用于内容理解与泛化推荐，解决长尾与冷启动。

1. 文本语义 Embedding

   • Word2Vec、BERT、Sentence-BERT 得到标题 / 描述向量
   • 有效性：语义相似而非关键词匹配，提升泛化能力。

2. 多模态特征

   • 图像 CNN 特征、视频帧特征、音频特征
   • 有效性：封面好看、内容精彩可独立预测点击率。

3. 知识图谱特征

   • 实体链接、属性关联、上下游关系、共现关系
   • 有效性：利用先验知识做推理，如 “看过手机→推荐充电器”。

---

七、业务与策略特征（Business/Strategy Features）

用于调控生态、健康度、多样性、成本。

1. 商业化特征

   • 是否广告、出价、预算剩余、广告质量分
   • 有效性：自然推荐与广告混排时做流量分配与收益平衡。

2. 多样性与去重特征

   • 推荐列表类目分布、相似度方差、重复类目惩罚
   • 有效性：避免过度同质化，提升用户体验与留存。

3. 冷启动特征

   • 新用户 / 新物品标记、探索权重、试探流量标记
   • 有效性：给新内容适度探索流量，避免马太效应过强。

4. 风控与合规特征

   • 违规分数、敏感内容标记、地域限制、年龄限制
   • 有效性：保证推荐安全合规，降低风险。

---

八、交叉特征与组合特征（Cross/Combination Features）

单特征线性效果有限，交叉后往往效果暴涨，是传统模型与深度模型都极度依赖的增效特征。

常见交叉方式：

• 用户性别 × 物品类目
• 用户年龄 × 价格区间
• 时段 × 类目
• 城市等级 × 品类
• 历史点击率 × 物品热度

有效性：捕捉非线性关联，如 “一线城市女性在周末更爱买美妆”，单特征无法表达。

---

九、为什么这些特征普遍有效（总结）

1. 用户特征：定位人群偏好，实现个性化。
2. 物品特征：刻画内容 / 商品本身，保证推荐质量。
3. 上下文特征：适配场景意图，符合即时需求。
4. 交互特征：直接反映真实偏好，是强信号。
5. 统计特征：利用全局规律，稳定模型效果。
6. 语义 / 多模态：解决冷启动与长尾，提升泛化。
7. 业务特征：调控生态、收益、合规与多样性。
8. 交叉特征：挖掘非线性模式，大幅提升预测精度。