1704850730
推荐重复
1704850731
1704850732
在内容生产门槛不断降低、产量持续攀升的背景下，当一个新闻事件发生后，权威新闻源会发布新闻通告，自媒体会从不同角度进行评论，搬运工也会批量产出蹭热点的内容。
1704850733
1704850734
内容的大繁荣也带来了信息的过载问题。对用户来说，其需要的是有价值的信息而非千篇一律的内容，用户可能会厌恶列表页上千篇一律的标题，更会因为点击了标题后却发现内容了无新意而怒发冲冠、拍案而起。
1704850735
1704850736
重复，对于内容推荐来说，是一个必须解决的问题。
1704850737
1704850738
结合用户的使用过程，我们将用户对内容的消费拆解为列表页消费和详情页消费。前者关系到点击前的消费预判（如图6–1左），后者则代表了用户点击后的消费体验（如图6–1右）。
1704850739
1704850740
1704850741
1704850742
1704850743
图6–1 列表页消费和详情页消费
1704850744
1704850745
基于这两个维度拆分，我们能够得到一张2×2的表格，如表6–1所示。
1704850746
1704850747
表6–1
1704850748
1704850749
1704850750
1704850751
1704850752
四种场景分别对应了内容重复的四种处理方式：
1704850753
1704850754
情况A（甲、乙两篇内容，列表页和详情页都相同）：
1704850755
1704850756
从消费角度来看，甲、乙两篇内容对用户来说是具有替代性的。用户消费了甲内容之后，大概率不需要再消费乙内容了。那么，对推荐系统来说，就需要从甲、乙两篇内容中进行选择，选出应当展示给用户的内容。因此，问题从内容选择转变为信息源选择，需要深究重复构成的原因和内容的消费特点。
1704850757
1704850758
• 搬运号对原创内容的抄袭：展示原创内容，对搬运者进行惩罚。
1704850759
1704850760
• 媒体机构发布的新闻通稿：选择首发、权威度高的媒体，或是基于用户订阅关系，给用户推荐他订阅的自媒体。
1704850761
1704850762
• 热点转发内容：在这种场景下“被谁转发”是有一定信息量的。我们会基于用户跟转发者关系的紧密度来判断是否需要展示，紧密度低则不展示。
1704850763
1704850764
• 对于某些具有重复消费属性的内容，如音乐、评书、相声等，可以通过产品设计方式（如历史记录、再看一次、收藏列表、播单等形式）让同样的内容重复出现。
1704850765
1704850766
情况B（甲、乙两篇内容，列表页不同但详情页相同）：
1704850767
1704850768
在转载的情况下，一篇内容以不同的“妆容”展现在列表页当中。这时就需要进一步分析，以确定用户是否看过此内容。
1704850769
1704850770
如果用户点击过甲内容，那么给他推荐乙内容的必要性是不大的，因为从点击后的消费体验来看，用户并没有获得额外收益。如果用户没有点击过甲内容，那么乙内容因为发布者、标题、封面的不同，带给用户的列表页消费预判是不一样的，也就有了进一步推荐的必要性。头条号的脑洞功能“双标题+双封面”就是一个实际的应用。
1704850771
1704850772
情况C（甲、乙两篇内容，列表页相同但详情页不同）：
1704850773
1704850774
典型的例子如红烧肉的做法、郭德纲最新爆笑相声等，尽管用户点击后的消费体验不同，但是相似的列表页展示会给用户带来消费决策上的困惑。
1704850775
1704850776
如果用户点击过了甲内容，他十有八九会以为乙内容与甲内容是重复的，从而忽略；如果用户在列表页看过但是没有点击甲内容，他也会大概率地错过乙内容。对于这种情况，应该拉长两篇内容的推荐间隔，将其视作一个密集打散问题处理。
1704850777
1704850778
情况D（甲、乙两篇内容，列表页和详情页都不同）：
1704850779