编辑导读：微信已经成了不少人获取咨询的来源之一，看一看功能在这基础上实现内容的精确推荐，以及拓宽用户阅读兴趣，打破信息茧房。本文从六个方面，以多模型内容策略与召回的角度分析微信看一看，希望对你有帮助。

相信对于不少人而言微信已经成为获取资讯的主要场景。与此同时，由于微信用户群体的庞大，也吸引了大量的内容生产者在微信公共平台创造内容，以获取用户关注、点赞、收藏等。微信内的内容推荐产品：看一看应运而生。

基于微信通过多年的用户沉淀，积累得到的大量“隐式反馈”阅读兴趣信息，可以精准的实现内容与内容消费者之间的推荐。同时，秉承降低用户获取信息茧房效应，拓宽用户阅读兴趣，增强互动，强化用户认知，及时获取咨询等等诉求，看一看不断在算法迭代的同时，引入各类腾讯系，外部图文，视频，资讯，小视频等内容，丰富内容多样性的同时不断上线优化产品体验与进行样式优化。

1. 内容源

看一看接入了非常多合作方的数据作为内容源，包含但不仅限于微信公众平台及其他外部内容等等。

由于接入数据源较多，各家数据在内容、质量、品类等方面差异性比较大。看一看平台方会对数据做“归一化”操作，包括标签统一化，推荐标签提取，内容投放目标，投放人群倾向性等内容理解处理，这部分我们称为看一看内容画像部分。

2. 内容画像

内容理解：对接各种外部图文等内容，对接入内容做业务级内容多维基础理解，同时进行外部标签与自有标签体系对齐，完成应用级内容打标。

反馈至下游应用方：用户需求系统，召回策略，召回模型，排序/混排等使用。同时，在业务数据滚动与迭代中修正数据判断精度与效果，逐步贴合与提升业务线效果。

我们将内容画像，定义为两个大维度：通过内容本身来理解内容， 通过用户行为来理解内容。前者主要针对内容抽取静态属性标签；后者则通过用户行为积累的后验数据、统计或模型预估内容的知识、倾向性、投放目标以及抽象表达。

3. 多模态标签语义标签

我们将文本语义按粗到细粒度分为：文本多分类（1-3级），主题topic model（长效topic，实时topic），tagCluster， tag/entity，这也是NLP领域持续在关注和研究的重点方向。

文本分类与模式识别中心合作对长/短文本训练基于标注的增量多分类模型（1-2级分类准确率可以达到90% ），支持领域内DL文本分类模型。

Topic Model作为重要分支，为支持看一看推荐业务，解决了时效性热点的快速topic增量模型，实现多层级（1000维，1500维度，5000维， 1W维）topic model，以及以此为基础衍生出的topic Embedding技术等。

Tagcluster是介于tag和topic粒度之间的一类tag聚簇概念，维度为10W级；用于解决语义自动语义聚合的可解释问题；关键词提取（标签提取），技术演进从传统的基于标注，到半监督，到自动标注的序列提取的浅层模型；已经全部迁移为基于bilstm attention CRF 和 bert的一套深度模型系统。

标签是推荐系统的核心基础能力，深度模型的引入对算法准确率与覆盖率都有显著的提升。

视频理解的相关维度，我们与外部团队深度合作，建立起一套基于短/小视频，封面图多维度的多媒体特征体系，包括人脸识别，人脸embedding，标签，一二级分类，视频embedding表示，水印，OCR识别，清晰度，低俗色情，敏感信息等多种维度。有力辅助多媒体理解深度，并广泛用于召回模型，曝光展示策略，过滤策略等，目前，在召回与策略层面已经证明有一定在线提升效果。

4. 基于知识体系的表示与可解释标签

知识图谱作为知识承载系统，用于对接内外部关键词信息与词关系信息；内容画像会将原关系信息整合，并构建可业务应用的关系知识体系。

其次，依赖业务中积累用户行为产生的实体关系数据，本身用户需求的标签信息，一并用于构建业务知识的兴趣图谱，基于同构网络与异构网络表示学习等核心模型，输出知识表示与表达，抽象后的图谱用于文本识别，推荐语义理解，兴趣拓展推理等场景，直接用于兴趣推理的冷启场景已经验证有很不错的收益。

5. 嵌入表示

语义嵌入表示：这类是相对已经比较成熟的技术，基于短文本tag， word粒度，句子粒度，doc粒度都可以构建embedding表示。其次，除文本外，更为丰富的多媒体信息的融入，已经可以验证在一定程度上可以增强表达能力。

其次，我们基于微信阅读场景的用户点击/分享/关注等等序列结合场景的上下文信息，以他们作为文本切割的序列标注信息，早起基于传统的HMM,CRF类浅层模型，发展至目前的seq2seq，RNN，transformer，Bert等序列类，语义类模型，将内容作为文本切割的一个子序列，从而实现对文本的序列的表示信息。由于更加贴近推荐场景，这类嵌入表示业务可用性会更高，也体现在召回/排序模型的应用效果会更加明显。

6. 倾向性与目标性识别

这部分是通过用户行为数据来理解内容的重要体现。分为两部分：内容倾向性与内容投放目标性。都是建立在一套基于文本，多媒体，kg，投放日志等下的一套分类器进行打标，模型如上图所示。

内容倾向性：内容通过分类模型预打“倾向性”标签，例如：内容适合的性别倾向、年龄倾向性、地域倾向性等等，从而预判待投放内容的特殊人群倾向性。

目标性识别：看一看的场景会比较多，例如：主TL流，视频流，专题流，tag可点流，看一看 小程序，每个场景都有不同的投放目标（例如：主TL内容会以点击率为主，专题流会以时长消费为主，小程序分享率为主）。所以，我们会在item上同样基于投放预估的模型预先打上一组目标识别标签预判分数，供在线策略使用与内容库构建、以及内容试探等。

综上，通过内容理解与内容库构建的概要流程图如下：