368 lines
8.6 KiB
Markdown
368 lines
8.6 KiB
Markdown
# 情绪句子个性化推荐系统（0 → 1）
|
||
|
||
> 本文档用于 **个人 + AI 协作** 场景，作为产品、内容、推荐决策的统一对齐说明。
|
||
>
|
||
> 核心目标：
|
||
> **在任何一个时刻，为用户选出「最可能被接住的一句话」。**
|
||
|
||
---
|
||
|
||
## 一、句子标签体系（Sentence Tagging System）
|
||
|
||
### 1. 设计原则
|
||
|
||
* 标签不是为了分类句子，而是为了 **让推荐系统理解用户的情绪需求**
|
||
* 所有标签必须：
|
||
|
||
* 可被用户行为验证（会被喜欢 / 讨厌）
|
||
* 可直接影响推荐决策
|
||
* 数量克制、定义稳定
|
||
|
||
---
|
||
|
||
### 2. 主情绪标签（Emotion Tags｜6 个）
|
||
|
||
> 主情绪标签 = 一句话 **解决的核心情绪需求**
|
||
>
|
||
> **每一句话只能有 1 个主情绪标签**
|
||
|
||
1. **安抚（Calm）**
|
||
|
||
* 用于情绪过载、焦虑、疲惫
|
||
* 目标：先稳定情绪
|
||
|
||
2. **被理解（Understood）**
|
||
|
||
* 用于孤独、自我怀疑
|
||
* 目标：建立共感
|
||
|
||
3. **接纳（Acceptance）**
|
||
|
||
* 用于自责、内疚、不够好感
|
||
* 目标：缓解自我攻击
|
||
|
||
4. **鼓励（Encourage）**
|
||
|
||
* 用于低落但尚可前行
|
||
* 目标：提供继续的力量（非口号）
|
||
|
||
5. **行动启动（Activation）**
|
||
|
||
* 用于卡住、拖延
|
||
* 目标：启动，而非成功
|
||
|
||
6. **希望感（Hope）**
|
||
|
||
* 用于低谷、无出口感
|
||
* 目标：保留可能性
|
||
|
||
---
|
||
|
||
### 3. 语气标签（Tone Tags｜4 个）
|
||
|
||
> 语气标签 = **“这句话是怎么说的”**
|
||
>
|
||
> 用户对语气的“讨厌”比“喜欢”更重要
|
||
|
||
* **温柔（Gentle）**：安全、低压、共感
|
||
* **中性（Neutral）**：陈述型、兜底使用
|
||
* **直接（Direct）**：清晰、有方向
|
||
* **诗性（Poetic｜可选）**：隐喻、画面感
|
||
|
||
---
|
||
|
||
### 4. 场景标签（Scene Tags｜5 个，可空）
|
||
|
||
> 场景标签是 **加分项，不是必填项**
|
||
|
||
* 早晨（Morning）
|
||
* 工作 / 学习中（Focus）
|
||
* 情绪低谷时（Low）
|
||
* 睡前（Night）
|
||
* 随时（Anytime｜默认）
|
||
|
||
---
|
||
|
||
### 5. 标签纪律（强规则）
|
||
|
||
1. 每句话只能有 1 个主情绪标签
|
||
2. 90% 句子可以没有场景标签
|
||
3. 行动启动 ≠ 鼓励
|
||
4. 安抚 ≠ 接纳
|
||
5. 不确定时，优先选择「被理解」
|
||
|
||
---
|
||
|
||
## 二、用户画像体系（User Profile Indicators）
|
||
|
||
### 1. 设计原则
|
||
|
||
* 用户画像不是“这个人是谁”
|
||
* 而是 **“这个人最近更容易接住什么样的话”**
|
||
* 所有指标默认 **可变、会衰减、以近期为主**
|
||
|
||
---
|
||
|
||
### 2. 用户画像的最小结构（4 大类）
|
||
|
||
#### ① 主情绪偏好（核心）
|
||
|
||
* 对 6 个主情绪标签的近期偏好强度
|
||
* 决定「今天主要推哪一类句子」
|
||
|
||
---
|
||
|
||
#### ② 语气接受度
|
||
|
||
* 用户对不同说话方式的耐受程度
|
||
* 主要用于 **过滤用户讨厌的语气**
|
||
|
||
---
|
||
|
||
#### ③ 场景有效性（轻量）
|
||
|
||
* 哪些时间 / 状态更容易被接受
|
||
* 仅作为推荐修正项
|
||
|
||
---
|
||
|
||
#### ④ 情绪稳定度（隐性指标）
|
||
|
||
* 根据近期反馈判断：稳定 / 波动 / 不稳定
|
||
* 决定：
|
||
|
||
* 探索比例
|
||
* 是否使用保守推荐
|
||
* Push / Widget 是否降强度
|
||
|
||
---
|
||
|
||
### 3. 不纳入的画像指标（刻意避免）
|
||
|
||
* 人格类型（MBTI 等）
|
||
* 情绪诊断标签（焦虑 / 抑郁）
|
||
* 长期性格、身份属性
|
||
|
||
原因：
|
||
|
||
* 医疗与伦理风险高
|
||
* 对「选一句话」帮助极低
|
||
|
||
---
|
||
|
||
## 三、个性化推荐架构（Personalized Recommendation Framework｜0 → 1 详细版）
|
||
|
||
> 本章节完整说明：
|
||
> **个性化推荐系统在 0 → 1 阶段的设计方式、核心算法思想，以及整体运行流程。**
|
||
>
|
||
> 设计目标不是“最聪明”，而是：
|
||
> **可解释、可控制、一个人 + AI 可以长期维护。**
|
||
|
||
---
|
||
|
||
### 3.1 个性化推荐系统的大框架流程
|
||
|
||
一次完整的推荐决策，按照固定顺序经过以下 6 个阶段：
|
||
|
||
1. **用户画像读取（Profile Reading）**
|
||
2. **候选生成（Candidate Generation / Recall）**
|
||
3. **排序判断（Ranking）**
|
||
4. **安全与多样性重排（Safety & Diversity Re-ranking）**
|
||
5. **出句到触点（Serving）**
|
||
6. **行为反馈 → 画像更新（Online Learning）**
|
||
|
||
> 推荐系统的本质是：
|
||
> **在信息不完全的情况下，持续做出“不容易出错”的选择。**
|
||
|
||
---
|
||
|
||
### 3.2 0 → 1 阶段采用的核心算法思想（先给名字）
|
||
|
||
在 0 → 1 阶段，不引入复杂模型，而采用 **规则 + 轻策略算法组合**：
|
||
|
||
1. **Questionnaire Prior（问卷先验）**：用于冷启动画像方向
|
||
2. **Tag-based Recall（基于标签的候选召回）**：缩小搜索空间
|
||
3. **Adjacent-tag Exploration（相邻情绪探索）**：避免情绪回音室
|
||
4. **Weighted Tag Matching（加权标签匹配）**：核心排序逻辑
|
||
5. **Time-decayed Preference（时间衰减偏好）**：画像始终代表“近期状态”
|
||
6. **Cooldown & Blacklist（冷却与黑名单）**：避免重复与强厌恶
|
||
7. **MMR-style Diversity Re-ranking（多样性重排）**：控制情绪与语气分布
|
||
8. **Safety Gating（情绪安全闸门）**：用户不稳定时强制保守
|
||
9. **Epsilon-greedy Exploration（探索 / 利用平衡）**：Feed 中允许试探
|
||
10. **Rule-based Online Update（规则型在线学习）**：行为驱动画像更新
|
||
|
||
---
|
||
|
||
### 3.3 Step 1｜用户画像读取（Profile Reading）
|
||
|
||
**涉及算法思想：**
|
||
|
||
* Questionnaire Prior
|
||
* Time-decayed Preference
|
||
|
||
**这一阶段做什么：**
|
||
|
||
* 读取用户当前的主情绪偏好排序
|
||
* 判断是否存在近期被频繁讨厌的语气
|
||
* 判断情绪稳定度（稳定 / 波动 / 不稳定）
|
||
|
||
**输出一个“当下推荐策略”：**
|
||
|
||
* 主方向情绪：1–2 个
|
||
* 探索情绪：1 个（相邻情绪）
|
||
* 探索比例：Feed 高，Push / Widget 极低
|
||
* 是否开启安全模式
|
||
|
||
---
|
||
|
||
### 3.4 Step 2｜候选生成（Candidate Generation / Recall）
|
||
|
||
**涉及算法思想：**
|
||
|
||
* Tag-based Recall
|
||
* Adjacent-tag Exploration
|
||
|
||
**核心目标：**
|
||
|
||
> **不要从整个句子库中选，而是先圈出“可能对的范围”。**
|
||
|
||
**候选生成逻辑：**
|
||
|
||
* 从主方向情绪中召回大部分句子
|
||
* 从探索情绪中召回少量句子
|
||
* 从新内容池中固定比例补充
|
||
|
||
**这一阶段不做的事情：**
|
||
|
||
* 不做精细排序
|
||
* 不处理语气偏好
|
||
* 不考虑场景冲突
|
||
|
||
---
|
||
|
||
### 3.5 Step 3｜排序判断（Ranking）
|
||
|
||
**涉及算法思想：**
|
||
|
||
* Weighted Tag Matching
|
||
* Time-decayed Preference
|
||
|
||
**排序时的四个核心判断维度：**
|
||
|
||
1. **主情绪匹配度**
|
||
|
||
* 是否符合用户近期最需要的情绪支持类型
|
||
|
||
2. **语气可接受度**
|
||
|
||
* 是否属于用户近期反感的表达方式
|
||
|
||
3. **场景是否冲突**
|
||
|
||
* 当前时间 / 状态下是否明显不合适
|
||
|
||
4. **新鲜感与重复度**
|
||
|
||
* 是否近期已看过或高度相似
|
||
|
||
**关键原则：**
|
||
|
||
* 主情绪是排序主权重
|
||
* 语气更像“过滤器”而非加分器
|
||
* 场景只在明显冲突时生效
|
||
|
||
---
|
||
|
||
### 3.6 Step 4｜安全与多样性重排（Safety & Diversity Re-ranking）
|
||
|
||
**涉及算法思想：**
|
||
|
||
* Cooldown & Blacklist
|
||
* MMR-style Diversity Re-ranking
|
||
* Safety Gating
|
||
|
||
**这一层的目标：**
|
||
|
||
> **即使排序不准，也不能伤害用户体验。**
|
||
|
||
**三类必须存在的保护机制：**
|
||
|
||
1. **去重与冷却保护**
|
||
|
||
* 同一句短期不重复
|
||
* 高相似句子不连续出现
|
||
|
||
2. **多样性保护**
|
||
|
||
* 同一主情绪不连续轰炸
|
||
* 同一语气不连续出现
|
||
|
||
3. **情绪安全保护**
|
||
|
||
* 用户情绪不稳定时，强制回退到：
|
||
|
||
* 安抚 / 接纳
|
||
* 温柔 / 中性语气
|
||
|
||
---
|
||
|
||
### 3.7 Step 5｜出句到不同触点（Serving）
|
||
|
||
**Feed（可滑动）：**
|
||
|
||
* 允许探索与试错
|
||
* 多样性优先
|
||
* 行动启动 / 鼓励可出现
|
||
|
||
**每日一句 / Push：**
|
||
|
||
* 高确定性
|
||
* 强去重
|
||
* 安全优先
|
||
|
||
**Widget（被动看到）：**
|
||
|
||
* 不探索、不试错
|
||
* 只选最低风险组合
|
||
* 默认：安抚 / 接纳 + 温柔 / 中性
|
||
|
||
---
|
||
|
||
### 3.8 Step 6｜行为反馈 → 画像更新（Online Learning）
|
||
|
||
**涉及算法思想：**
|
||
|
||
* Rule-based Online Update
|
||
|
||
0 → 1 阶段，仅关注三类行为信号：
|
||
|
||
* **喜欢**：当前“情绪 × 语气 × 场景”组合有效
|
||
* **讨厌**：该组合需要短期退让与冷却
|
||
* **无反馈 / 快速滑走**：信号弱，提高探索或降低强度
|
||
|
||
> 系统学习的不是“哪句话好”，而是：
|
||
> **什么时候，用什么方式，说什么样的话，更容易被接住。**
|
||
|
||
---
|
||
|
||
### 3.9 0 → 1 阶段的成功判断标准
|
||
|
||
个性化推荐在 0 → 1 阶段 **不需要做到**：
|
||
|
||
* 非常精准
|
||
* 非常智能
|
||
* 深度理解用户心理
|
||
|
||
它只需要做到三点：
|
||
|
||
1. 明显减少「被讨厌」的句子
|
||
2. 每日一句不让用户反感
|
||
3. 用户愿意继续看下一句
|
||
|
||
> 如果做到以上三点，
|
||
> 这就是一个 **成功的 0 → 1 个性化推荐系统**。
|
||
|
||
---
|
||
|
||
**本章节适用于 0 → 1 阶段，建议冻结 3 个月后再评估是否引入复杂模型。**
|