📉 第一章：痛点剖析——准确率的“回声室效应”
在推荐系统的早期，我们追求的是极致的准确率。协同过滤、逻辑回归、深度学习模型，都在试图回答一个问题：“用户喜欢什么？”
但当准确率达到一定阈值后，问题出现了：
过滤气泡： 系统只展示用户已知的兴趣，将用户封闭在信息茧房中。
- 长尾埋没： 冷门但优质的内容因为与用户历史行为相似度低，永远没有出头之日。
新颖性缺失： 用户感到乏味，因为系统太“听话”了。
我们的目标：
在推荐列表的后处理阶段（重排序），引入多样性约束。我们要在保留Top-K个最相关物品的同时，确保这些物品之间不能“长得太像”。
技术选型：最大边缘相关性算法
核心思想：在每一步选择下一个推荐项时，不仅考虑它与用户查询（或历史）的相关性，还要考虑它与已经选中的推荐项的相似性。如果它和已经选中的某个项太像，它的得分就会被惩罚。
🛠️ 第二章：数学建模——用公式定义“惊喜”
假设我们有一个候选集R，我们想要从中选出一个子集S作为最终推荐，使得S既相关又多样。
对于候选集中的每一个物品d，我们计算它的MMR得分：
Score(d) = lambda cdot Sim_{rel}(d, Q) – (1 – lambda) cdot max_{d’ in S} Sim_{div}(d, d’)
参数解析：
Sim_{rel}(d, Q)：物品d与用户查询/兴趣Q的相关性得分（例如：预测评分、点击率）。
Sim_{div}(d, d’)：物品d与已选集合S中某个物品d’的相似性（例如：基于内容的特征余弦相似度）。
lambda：平衡因子（0到1之间）。lambda越大，越重视准确性；越小，越重视多样性。
算法流程：
初始化空的结果列表S。
当S的大小小于目标数量N时：
a. 遍历候选集R中所有不在S中的物品d。
b. 计算d的Score。
c. 选择Score最高的d加入S。
d. 从R中移除d。
🧪 第三章：Java实战——手撕MMR重排序引擎
我们将模拟一个“电影推荐”场景。用户喜欢“科幻”和“动作”片，但系统不应该只推《星际穿越》，也应该试着推一部“科幻+爱情”的《HER》。
第一步：定义实体类
我们需要电影实体，包含ID、名称、特征向量（这里简化为一个数组）以及原始的相关性得分。
import lombok.Data;
import java.util.Arrays;
/**
电影实体类
为了演示多样性，我们用一个"特征向量"来表示电影的内容属性
例如：[动作指数, 科幻指数, 爱情指数, 喜剧指数]
*/
@Data
public class Movie {
private Long id;
private String title;
// 电影的内容特征向量 (归一化后的值)
private double[] features;
// 基于协同过滤或CTR预估的原始相关性得分 (准确性得分)
private double relevanceScore;
public Movie(Long id, String title, double[] features, double relevanceScore) {
this.id = id;
this.title = title;
this.features = features;
this.relevanceScore = relevanceScore;
}
@Override
public String toString() {
return String.format("《%s》(ID:%d) [动:%.2f,科:%.2f,爱:%.2f,喜:%.2f] 得分:%.3f",
title, id,
features[0], features[1], features[2], features[3],
relevanceScore);
}
}
第二步：核心工具类——向量计算与MMR算法
这是最核心的部分。我们将实现余弦相似度计算和MMR选择逻辑。
import java.util.*;
public class DiversityRecommender {
/**
计算两个向量之间的余弦相似度
用于衡量两部电影的"相似程度"
结果范围：-1 到 1，这里因为是非负特征，所以是 0 到 1
*/
public static double cosineSimilarity(double[] vec1, double[] vec2) {
if (vec1.length != vec2.length) {
throw new IllegalArgumentException("向量维度不匹配");
}
double dotProduct = 0.0;
double norm1 = 0.0;
double norm2 = 0.0;
for (int i = 0; i mmrSelection(List candidates, int n, double lambda) {
// 结果集
List selected = new ArrayList();
// 剩余候选集 (使用LinkedHashSet保持插入顺序，方便移除)
Set remaining = new LinkedHashSet(candidates);
// 如果候选数量不足，直接返回（虽然通常不会发生）
n = Math.min(n, candidates.size());
// MMR核心循环
for (int i = 0; i bestScore) {
bestScore = mmrScore;
bestCandidate = candidate;
}
}
// 5. 将选中的电影加入结果集，并从候选集中移除
if (bestCandidate != null) {
selected.add(bestCandidate);
remaining.remove(bestCandidate);
System.out.printf("第%d轮选择: %s (MMR得分: %.4f)%n", i+1, bestCandidate.getTitle(), bestScore);
}
}
return selected;
}
}
第三步：模拟测试场景
我们构建一个极端的场景：前3名都是纯科幻片，第4名是科幻爱情片。
public class DiversityTest {
public static void main(String[] args) {
// 模拟候选集 (假设已经经过召回和初步打分，按相关性降序排列)
List candidates = Arrays.asList(
// 1. 纯科幻动作 (特征向量: [动作, 科幻, 爱情, 喜剧])
new Movie(1L, “星际穿越”, new double[]{0.1, 0.9, 0.2, 0.0}, 0.98),
new Movie(2L, “星球大战”, new double[]{0.8, 0.9, 0.1, 0.0}, 0.95),
new Movie(3L, “银翼杀手”, new double[]{0.3, 0.9, 0.3, 0.0}, 0.92),
// 4. 科幻+爱情 (混合类型，与前三个略有不同)
new Movie(4L, “HER”, new double[]{0.1, 0.6, 0.9, 0.2}, 0.85), // 原始相关性稍低
// 5. 纯爱情喜剧
new Movie(5L, “恋恋笔记本”, new double[]{0.0, 0.1, 0.9, 0.8}, 0.70)
);
System.out.println("=== 原始候选集 (按相关性排序) ===");
candidates.forEach(System.out::println);
System.out.println("n=== 开始MMR重排序 (λ=0.6) ===");
// λ=0.6 表示稍微偏向准确率，但保留一定多样性
List result = DiversityRecommender.mmrSelection(candidates, 3, 0.6);
System.out.println("n=== 最终推荐列表 ===");
result.forEach(movie -> System.out.println("✅ 推荐: " + movie.getTitle()));
}
}
📊 第四章：结果分析与调优
运行输出模拟：
=== 原始候选集 (按相关性排序) ===
《星际穿越》… 得分:0.98
《星球大战》… 得分:0.95
《银翼杀手》… 得分:0.92
《HER》… 得分:0.85
《恋恋笔记本》… 得分:0.70
=== 开始MMR重排序 (λ=0.6) ===
第1轮选择: 星际穿越 (最相关，直接入选)
第2轮选择: 星球大战 (虽然相关，但和星际穿越太像，得分被扣)
第3轮选择: HER (因为HER与前两部的相似度较低，尽管原始得分0.85 < 0.92，但MMR得分反超！)
调优策略：
调节 lambda (Lambda)：
lambda to 1.0：退化为纯贪心算法，只看相关性。（准确率优先）
lambda to 0.0：只看多样性，推荐一堆不相关但五花八门的东西。（探索优先）
建议： 从0.5开始A/B测试，根据业务指标调整。
特征工程：
上述例子用了简单的向量。在生产环境，特征可以是：
类别的One-Hot编码。
标签的TF-IDF权重。
甚至是从深度学习模型（如BERT）提取的Embedding向量。
分桶策略 (Hybrid Approach)：
不要把所有鸡蛋放在MMR里。更稳健的做法是：
70% 的位置留给纯相关性排序（保底转化率）。
30% 的位置留给MMR或纯多样性探索（拉新）。
🚀 总结
小李看着屏幕上输出的推荐列表，若有所思：“原来不是要抛弃准确率，而是要在排序的过程中加入‘嫉妒心’。如果一个物品和已经选中的太像，就‘惩罚’它。”
我拍了拍他的肩膀：“没错。推荐系统的高阶玩法，就是做用户兴趣的‘拓扑学家’——既要沿着用户已知的路径深挖（准确率），又要时不时打通新的隧道，连接到未知的大陆（多样性）。”
“那这个算法上线后，监控指标要注意什么？”
“主要看两个：一是覆盖率（是否有更多种类的物品被推荐出去），二是惊喜度（用户是否点击了那些不在他历史兴趣列表里的物品）。只要这两个指标上升，且CTR没有断崖式下跌，我们就成功了。”
“明白！这就去改代码！”
“去吧，记住，好的算法不是让用户看到他们‘已经知道’的世界，而是帮他们发现他们‘可能喜欢’的世界。”
