江南体育智能推荐

江南体育智能推荐：从用户兴趣到比赛、新闻和视频发现

一位用户在三个月里点开过十几次同一支球队的新闻，推荐系统就把首页全部换成这支球队，这看上去很“懂他”，其实是把他已经知道的东西又给了他一遍。体育兴趣比一个球队标签要复杂得多：他可能喜欢那支球队的年轻中场，可能更爱看战术拆解而不是赛后集锦，也可能对另一个联赛的一场焦点战很感兴趣，只是从来没有搜索过。

江南体育智能推荐要解决的，就是从这些零散的行为里读出更完整的兴趣，然后找到与之相关、但用户还没发现的内容。下面按一条推荐结果的产生过程，从头讲一遍。

喜欢一支球队，首页却不该全是它

最简单的推荐是“你看什么，我推什么”。它的问题很快就会显现：内容越来越窄，用户逐渐审美疲劳，系统看到点击下降，又推得更集中，形成恶性循环。体育内容尤其如此，因为比赛日的新闻高度集中在少数几支球队，热度本身就会把推荐往同一个方向拉。

比较合理的做法，是把“他喜欢的球队”看作兴趣的入口，而不是边界。系统学习他关注哪些球员、哪类赛事、偏好战术分析还是集锦、是否在意青年球员和转会，再给这些兴趣分配不同的权重。喜欢一支球队，为什么推荐系统不应该只给你看这支球队？江南体育AI如何理解真正的体育兴趣把这套思路完整地讲了一遍。

兴趣有几层，哪些是长期的，哪些只是这一周

一名用户的行为里，混着三种时间尺度的信号：长期偏好，比如始终关注某个位置的球员；阶段性关注，比如某个赛事临近时的热度；以及一次性的好奇，比如被一个标题吸引点了一下。把三者混为一谈，系统就会把一时的好奇当成长期兴趣。

江南体育智能推荐在用户表示里区分这几层，用较慢的更新速度记录长期偏好，用较快的速度跟踪近期关注，并在推荐时综合两者。这不是精确的科学，用户的兴趣本来就会变，系统更应该保持一定的谦逊：兴趣估计错了，能快速修正，比估计得多精确更重要。

用户向量与内容向量也并不是各装各的。系统把用户的兴趣和内容的语义特征放在同一个空间里，距离越近，越可能相关。这样一名喜欢“边路突破”类内容的用户，即使从没看过某个联赛，也可能因为那里出现了风格接近的球员而被推荐到，这比单纯的“点击过的球队”要灵活得多。但向量距离只能给出候选，最后的排序还要结合新鲜度、内容质量和多样性来做。

内容的语义，比标题更重要

一条新闻的标题只是表面，真正决定它适合谁的，是内容里涉及的球员、球队、赛事、战术概念和事件类型。仅靠标题关键词匹配，会漏掉大量相关内容，也容易被标题党带偏。

所以系统会先对内容做语义标注：这场比赛的两支球队是什么风格，这条视频讨论的是压迫还是出球，这篇文章涉及哪位年轻球员。标注之后，内容就有了可以与用户兴趣对照的“特征”，而不只是一串词。这一层做得越扎实，后面的推荐越不依赖热度。

知识图谱：没点过的球员，为什么也会出现

用户没有搜索过某位年轻球员，系统却把他推荐了出来，这常让人疑惑。原因通常在于图谱里的关系：这位球员与用户关注过的球员踢法相似、位置相近，或者所在的球队与用户常看的球队有相似的战术风格。体育里的球员、球队、赛事、位置、教练之间的关系，恰好适合用知识图谱表示。

这样的推荐是有依据的，也应该能够解释：“因为你关注过某类进攻型中场，这位球员的踢法与其接近”。如果解释不出来，就说明这个推荐很可能是噪声。用户没点过某个球员，AI为什么仍然可能把他推荐出来？专门讨论了这个过程，也列出了图谱推荐容易出错的地方，比如关系过于稀疏、相似度只反映表面数据。

信息茧房：好推荐要留一点“意外”

推荐做得越准，越容易把用户圈在一个越来越窄的世界里。对体育用户来说，这意味着只看到自己支持的球队，只接触一种观点，错过了其他联赛里正在崛起的球员。江南体育智能推荐的做法，是有意识地在推荐列表里留出探索的位置：一部分内容与兴趣高度相关，一部分内容相关但更少见，一部分内容属于用户尚未接触的领域。

探索也需要节制，随机推荐不等于好的探索，用户会很快感到被打扰。判断标准是“相关但新鲜”，并且用后续的行为反馈来调整比例。体育推荐最容易陷入什么“信息茧房”？江南体育AI为什么需要探索性推荐对多样性、新颖性和意外发现之间的权衡做了更细的说明。

研究界对体育推荐的看法也在变化。公开资料显示，体育推荐不再只依靠点击矩阵，而是逐渐结合深度学习、语义关系和用户长期兴趣，这与体育数据本身关系密集的特点相吻合。江南体育智能推荐沿用的是同样的方向，但每一个环节都保留“说得清理由”的要求，做不到的地方，宁可少推。

比赛开始前，怎样判断它值不值得推荐

比赛推荐有一个特殊的约束：时间窗口很短。一场比赛开球之前，系统要在几个因素之间做权衡：用户关注的球队是否上场，他关注的球员是否首发，这场赛事的重要程度有多高，以及用户当前所处的情境，比如工作日晚上还是周末下午。

这些因素并不总是一致的。用户支持的球队踢一场无关紧要的比赛，另一场没有他支持球队的焦点战，却有他喜欢的年轻球员出场，究竟推哪一场，需要按用户的历史偏好来决定，并且给出简要的理由。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？用几个模拟的例子说明了这个判断过程。

赛前推荐还要考虑一个现实问题：信息的完整程度。首发名单往往在开球前不久才公布，在此之前系统对“他关注的球员会不会上场”只能给出概率。所以推荐理由里应该说清楚这是预计还是确认，用户看到“可能首发”时，也不会误以为这是确定的信息。

新闻、视频和集锦，不能用同一把尺子

同一位球员，可以对应一条转会新闻、一段战术分析视频和一份比赛集锦，它们对用户的意义不同，消费场景也不同。用户在通勤路上想看短视频，在赛前想看战术前瞻，在赛后想看数据复盘。把它们混在一个排序里，会让每一类都发挥不好。

系统会按内容形式和用户偏好分别做排序，再合并。对没有明显偏好的新用户，则更多依靠内容语义和热度，在获得足够反馈之前，不轻易下结论。

点击并不等于喜欢：怎样读用户的反馈

点击、停留、收藏、忽略、取消关注，这些反馈的含义各不相同。标题吸引人的点击，往往看完就走，反而是一个负面信号；长时间停留和收藏，通常比点击更能说明兴趣。如果只把点击当作“喜欢”，推荐就会被标题党牵着走。

此外，用户没有点击的内容，不一定是不感兴趣，也可能根本没被展示过，这是推荐系统的一个常见偏差。所以系统需要保留一定的探索展示，给未曝光的内容机会，才能得到更公平的反馈。

推荐的边界：透明、可控，谨慎对待年轻球员

用户应该知道自己为什么看到某条推荐，也应该能够调整：不想再看某类内容，就能一键屏蔽；希望多看某个位置的球员，也能主动加入关注。江南体育智能推荐的设计取向，是让用户对自己的兴趣画像有一定的控制权，而不是完全交给算法。

涉及青少年球员的内容，推荐时更要谨慎，避免把个别孩子放到不适当的关注之下，也不应把孩子的发展前景用夸张的语气推给用户。如果想了解近期外界对知识图谱与语义关系进入体育推荐的观察，可以阅读体育推荐不再只看点击历史：江南体育观察知识图谱和语义关系如何进入推荐系统；在日常使用中，推荐会体现在江南体育App的内容发现里。