座位推荐打分函数怎么设计:把「用户偏好」翻译成可调参数
座位推荐打分函数怎么设计:把「用户偏好」翻译成可调参数
为什么打分比排序难
做校园自习座位推荐,最难的不是"算出哪些座位空着"——那是一条 SQL 就够;
难的是在几十个空座位里,为什么推荐这一个。
我们最初的版本按座位号排序,用户反馈"推给我的座位总在最里面"。后来改成"按房间负载排序",
又变成总推同一个房间。最后才想明白:推荐的本质是把多个用户的偏好折成一个可比较的分数,
而这件事必须在设计阶段就把"权重"和"理由"一起定下来。
硬约束先做,软偏好后做
我们的划分是:
硬约束(不满足直接剔除):
· 该房间在这个时段开放
· 座位在 [start, end) 内没有被占用(区间相交判定)
软偏好(转化为分数):
· 是否有电源插座
· 是否靠窗
· 楼层偏好
· 房间拥挤度(用于均衡引导)
· 房间类型(研讨间不适配单人长时段自习)
这个分层很关键:硬约束用 SQL 过滤,软偏好在应用层打分,两者代码不混在一起,
以后加新偏好只改打分函数,不动查询。
权重怎么定:先给"基础分 + 加减项"
我们最终用的是:
| 条件 | 分值 |
|---|---|
| 基础分 | 50 |
| 声明需要电源 + 有插座 | +18 |
| 声明需要电源但没有 | −28 |
| 声明需要靠窗 + 靠窗 | +12 |
| 偏好楼层匹配 | +8 |
| 房间负载 < 45%(均衡引导) | +10 |
| 房间负载 > 85% | −12 |
| 研讨间(不适配个人长时段) | −6 |
| 该房间爽约率 > 15% | −6 |
几点经验:
1. "声明需要但没满足"要扣两次:不只是不加分,还要额外扣。否则一个"有电源但满座"的座位
可能靠其他项加分爬到前面,用户会认为系统没听懂需求;
2. 负分项要少而狠:项目太多会让分数失去解释力,用户看不懂"为什么这个 62 分那个 58 分";
3. 均衡引导单独加分:这是我们运营目标(把人往空房间导),不是用户偏好,
所以要能和偏好区分开——后来我们在理由里单独写了"当前较空(负载 42%)"。
推荐必须带理由,而且是"从分数里长出来的"理由
我们返回的每条推荐都带一个 reasons 数组:
{
"seat_code": "403-004",
"score": 84.0,
"reasons": ["有电源插座", "靠窗采光好", "敬文四层研讨间A当前较空(负载 42%)"]
}
关键点是:理由不是写死的文案,而是打分时顺手记录的。
每加一分就 push 一句解释,保证"分数与理由永远一致"。这带来两个好处:
• 用户能验证系统有没有真的理解他的需求;
• 我们自己调权重时,能立刻看出某条推荐"高分"到底由哪几项堆出来的。
一个反直觉的结论
我们试过用"用户历史行为"做个性化打分(比如常去的房间加权),效果反而变差:
• 冷启动用户没有任何历史,分数被压到最低;
• 有历史的用户被"锁"在固定房间,进一步加剧了热门房间的拥挤。
最后我们去掉了个性化项,改成用运营目标做全局均衡(负载低的房间加分),
用户满意度反而上升——因为大家真正在意的是"有没有座、坐得舒服",而不是"系统懂不懂我"。
小结
• 先分层(硬约束 / 软偏好),再谈打分;
• 权重表要能被业务同学看懂,否则调参就是玄学;
• 理由必须从打分过程生成,不能事后编;
• 个性化要看场景:信息不足时会伤害冷启动用户,不如用"全局均衡"这种所有人都受益的策略。
- 点赞
- 收藏
- 关注作者
评论(0)