假设有一个用户，第一周用江南体育App时，主要看了一支主队的比赛，也顺手点过几篇联赛观察和一篇青年球员的成长分析。系统很快学到：他喜欢这支主队。三周后，首页里主队相关内容占了六成；三个月后，接近八成。他还是那个人，兴趣没有真的缩小，只是首页给他看的世界越来越小。
这是一段模拟的变化过程，数字只为说明趋势，不代表任何真实用户或站内统计。它描述的现象却是推荐系统里被反复讨论的老问题：用户越点，系统越窄，系统越窄，用户能点的选项也越少。这就是信息茧房。
体育里的茧房不止一种
谈茧房时，大家往往只想到“只看同一支球队”。实际上，在体育内容里至少有四种形态。
- 球队茧房：首页几乎全是同一支球队，对手、其他联赛、年轻球员的内容被挤出去。
- 联赛与地域茧房：用户看惯了某个顶级联赛，推荐就不再出现次级联赛或其他地区的球员，尽管其中可能有他会感兴趣的人。
- 内容形式茧房：用户习惯看集锦，系统便一直推集锦，战术分析和数据解读消失了，用户从此没有机会发现自己其实也喜欢“为什么这球会进”。
- 热度茧房：被大量内容提及的明星球员反复出现，冷门但风格相近的球员长期看不见。
四种茧房的成因和解法各不相同，不能只靠“多推点别的”一个动作处理。
点击率为什么天然把首页越推越窄
推荐模型通常拿点击、停留这类行为作为训练目标。用户习惯点主队内容，模型就学到“主队内容点击率高”，于是给主队内容更多曝光；曝光更多，点击自然更多，这个循环会越转越紧。别的内容因为曝光少，得不到验证，模型对它们的判断越来越不自信，更不敢推。
这里还藏着一个统计上的偏差：模型只能看到“被展示过的内容”的反馈，从没被展示过的内容没有任何数据。它对这部分内容的估计，是空白，而不是“用户不喜欢”。把空白当成不喜欢，是茧房最常见的起点。用户兴趣的构造方式，可以参考喜欢一支球队，为什么推荐系统不应该只给你看这支球队，这里强调的是：兴趣需要主动被验证，而不是被动被点击圈定。
“多样”不只是数量，还有距离
把多样性简单理解成“换不同的球队”，往往不够。江南体育智能推荐在思考多样性时，会把它拆成几个可以观察的维度：
- 覆盖度：一屏推荐里，涉及多少种不同的球队、联赛、位置、内容形式。
- 列表内相似度：同一屏的推荐之间彼此有多像，如果每一条都指向同一名球员，即便标题不同，也是重复。
- 新颖性：这个内容对当前用户来说是不是新的，是否他此前从未接触过同类。
- 意外发现：更难做的一项，指“出乎意料但恰好有用”。它需要同时满足两个条件：与用户兴趣有某种可解释的关联，又不在用户已经熟悉的范围内。
只追求新颖，不追求相关，结果就是噪声。用户看到一堆毫无关系的内容，很快会失去信任。所以意外发现必须有一根锚，这根锚就是知识图谱里的关系。用户没点过某个球员，AI为什么仍然可能把他推荐出来里讲的路径，正是探索位选择内容的依据：沿着关系向外多走一步，而不是随机抽取。
探索位怎么放：按语义距离分层
把探索想成三圈：
- 近圈：与用户长期兴趣紧密相关，但没看过的内容，比如同一支主队的青年队、同一位置的其他风格球员。
- 中圈：兴趣的相邻区域，比如喜欢进攻型边后卫的用户，可以看到边后卫防守转换的分析。
- 远圈：与已知兴趣关联很弱，但整体人群里有一定接受度的内容，比如另一个联赛的战术风格对比。
远圈的内容必须放得很克制。一般来说，近圈和中圈用来温和拓宽，远圈只作为偶尔的试探。同时，不同用户的探索预算应当不同：新用户先要建立稳定的基础画像，探索太多会让他不知道系统在做什么；老用户的画像已经稳定，就有更大的空间接受意外发现。至于各圈的具体占比，取决于人群与业务数据，没有一个通用的标准值，需要通过持续的线上观察逐步调整。
在排序之后再做一次“重排”
技术上，多样性通常不是在打分阶段解决的，而是在排序之后的重排阶段。模型先给出一个按相关性排好的候选列表，再由重排步骤挑选：在保持相关性不太受损的前提下，把彼此太相似的条目往后放，把不同类型、不同球队的条目提前。这有点像编辑排版：头版不会放五篇写同一场比赛的稿子。
比赛类内容还需要考虑时间敏感性。一场刚结束的强度很高的比赛，即便与用户主队无关，也可能应该出现在“今晚值得回看”的位置。这类时效判断与用户兴趣同样重要，一场比赛还没开始，江南体育AI怎么判断它值不值得推荐给某个用户专门谈了比赛开赛前的推荐依据。
不能纠偏过度：忠实球迷就是想看自己的球队
反茧房的另一面，是别把对主队的忠诚也当成问题。一个用户明确地、持续地只想看自己支持的球队，这是完全正当的偏好。系统应该把这部分内容放在最显眼的位置，同时为“如果你愿意，也可以看看这些”留出一点位置，而不是强迫他接受不想看的东西。
所以，多样性的目标是“给选择，不是替他选择”。如果用户对探索位内容反复选择“不感兴趣”，系统应当尊重这个信号，收缩探索范围，而不是继续硬塞。这类反馈的读取方式，和江南体育智能推荐栏目里其他文章的思路一致：用户的明确表态优先于模型的推断。
怎么判断推荐有没有变窄
只看点击率，会得出相反的结论：越窄，点击率往往越高。比较有用的观察指标包括：用户在一段时间内接触过的球队、联赛、内容形式的种类数；用户主动搜索新话题的频率；探索位内容的接受率与“不感兴趣”比例；以及长期留存，而不是单次点击。这些指标都需要拉长时间窗口，短期内容易被热点事件扰动。
这一套做法的局限
- 探索位的价值很难在短期数据里看到，容易在“提升点击率”的压力下被砍掉。
- 意外发现是主观感受，没有一个客观指标能完整衡量，只能用多种代理指标组合，并辅以抽样的人工评估。
- 图谱和标签有误差，探索位若沿着错误关系走，用户看到的就是牵强的推荐。
- 多样性与相关性之间总是有取舍，调高一个，另一个会下降，需要按场景反复权衡。
回到开头那位用户。合理的三个月后首页，仍应以他的主队为主，但里面有一块位置，属于他还没遇到的球员、联赛和分析。江南体育智能推荐的目标，是让首页保持对他熟悉，同时留着一扇门，而不是把这扇门关成一堵墙。
