真实面经题目 · 原创解析
这道题考察的是候选人能否把 ItemCF 从“共同被同一用户交互过就相似”的朴素共现，升级成考虑用户行为序列和时间上下文的召回方法。时间间隔表达两个物品是否在接近的兴趣周期内被消费，位置间隔表达它们在用户序列中是否相邻或有方向性。好的回答要从 ItemCF 基础相似度公式出发，说明在共现贡献项里乘上时间衰减和位置衰减，再配合用户活跃度归一化、物品热度惩罚、会话切分、方向性建模、离线召回评估和线上指标护栏。重点不是背一个固定公式，而是说明为什么这些权重能降低偶然共现和长周期兴趣漂移带来的噪声。
我会先从标准 ItemCF 讲起：两个物品的相似度通常来自同一批用户的共现，简化看是对所有同时交互过 i 和 j 的用户累加贡献，再除以物品流行度归一项。问题在于普通共现把“同一天连续浏览”和“半年内各买过一次”当成同等证据，也把序列里相邻消费和隔很远的消费当成同等证据。引入时间间隔时，可以在用户 u 对 i、j 的共现贡献上乘一个时间衰减函数，例如 `w_t = exp(-|t_i - t_j| / tau)` 或 `1 / log(2 + |t_i - t_j|)`，时间越近，相似证据越强；时间太远时权重趋近于很小。引入位置间隔时，可以用用户行为序列里的下标距离做衰减，例如 `w_p = 1 / (1 + |pos_i - pos_j|)`，如果要做下一跳推荐，还可以保留方向性，把 i 到 j 和 j 到 i 分开统计。完整贡献可以写成 `sim(i,j) += user_norm(u) * w_t * w_p`，最后再做物品热度归一和相似度截断。工程上要注意会话切分、时间单位、重复行为去重、活跃用户降权、热门物品惩罚和日志时序，避免未来信息泄漏。验证时离线看 Recall@K、HitRate、NDCG、覆盖率、多样性和长尾召回，线上看 CTR、CVR、留存、负反馈和召回延迟。
ItemCF 的核心假设是：如果很多用户都交互过物品 i 和物品 j，那么 i 和 j 可能相似或可替代。朴素相似度会统计用户集合交集，再用物品热度做归一化，避免热门物品和所有物品都显得相似。但朴素共现只知道发生过共同交互，不知道它们在时间上是否接近、在序列里是否相邻，也不知道用户兴趣是否已经漂移。
时间间隔权重用于区分近期连续兴趣和长期松散共现。两个行为间隔越短，说明它们更可能属于同一次需求、同一兴趣周期或同一会话，贡献应更大；间隔越长，可能只是用户长期兴趣很宽，贡献应减小。衰减函数可以是指数衰减、对数衰减或按业务时间窗分桶，参数要根据商品生命周期、内容时效性和用户访问频率调节。
位置间隔权重利用用户行为序列中的相对距离。相邻浏览、连续点击、加购后购买等行为通常比相隔几十个行为的共现更能表达局部关联。可以用 `1/(1+d)`、指数衰减或窗口截断处理位置距离。如果业务目标是下一步推荐，还可以建有向 ItemCF：用户先看 i 再看 j 贡献给 `i -> j`，而不是简单合并成无向相似。
加入时间和位置权重后，仍然要处理用户活跃度、物品热度和重复行为噪声。重度用户会产生大量物品两两组合，容易污染相似度，可按用户行为数做 `1/log(1+N_u)` 降权。热门物品要继续做流行度归一或惩罚，避免所有候选都指向头部。重复点击可以按会话内去重或保留强度但限幅，防止刷行为或异常日志放大相似度。
实现时通常按用户序列扫描，在一个时间窗或位置窗内枚举物品对，累加带权共现。窗口不能无限大，否则计算量和噪声都上升。日志要按真实事件时间排序，训练样本要只使用预测时刻之前的行为，避免未来泄漏。最终相似表通常只保留每个物品 topN 相似物，召回时用用户近期行为按行为权重聚合候选，再做去重、过滤和后续排序。
离线验证不能只看相似度是否变大，要看召回结果是否更接近用户后续真实行为。常用指标包括 Recall@K、HitRate@K、NDCG@K、MRR、覆盖率、长尾占比、多样性和新颖性。线上要看 CTR、CVR、留存、负反馈、冷启动用户表现和召回延迟。还应做消融实验，分别比较无衰减、仅时间衰减、仅位置衰减和二者组合，确认改进来自有效时序信息而不是偶然波动。
可以先按业务周期定候选范围，例如新闻内容可能按小时或天，电商耐用品可能按周或月；再用离线验证集搜索 tau，看 Recall@K、NDCG 和覆盖率的变化。上线前最好做分桶分析，确认短周期用户和长决策周期用户不会被同一个衰减参数同时伤害。
二者相关但不等价。时间近不代表序列相邻，例如用户一天内浏览很多内容；序列相邻也可能跨很长时间，例如低频用户两次访问间隔很久。时间权重表达兴趣周期，位置权重表达行为上下文距离，实际可以组合使用，并通过消融验证增量价值。
活跃用户交互物品多，会产生大量物品对，如果不降权，他们的广泛兴趣会让很多不相关物品产生共现。按用户行为数做对数或平方根降权，可以让每个用户对相似表的总贡献更均衡，减少重度用户噪声。
说明模型更偏向短期强关联，可能牺牲了长尾和探索。可以降低衰减强度、保留多路召回、对长尾物品单独放宽阈值，或在召回融合阶段设置覆盖和多样性约束。最终要看业务目标，如果 CTR 提升但长期多样性变差，也不能简单全量替换。
