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
1704850780
这种情况是最简单的。两篇完全不同的内容，互相不构成对用户消费预判的影响，分别推荐即可。
1704850781
1704850782
推荐密集
1704850783
1704850784
我们承接重复问题继续讨论。密集是指用户的推荐列表中同一类内容的占比过高，导致局部多样性丧失。
1704850785
1704850786
导致推荐密集的原因，一方面是因为用户的短期兴趣点通常比较明确，会因为特定事件或人物而快速聚焦。比如，建军节阅兵时，哪怕娇滴滴的女生也会被解放军的飒爽英姿所吸引。围绕阅兵，会产生如军事分析、士兵英姿、爱国抒怀等不同切入点。伴随热点，人们的消费量也会在这一阶段显著攀升。
1704850787
1704850788
另一方面则是因为推荐系统对用户的兴趣点理解不够，或是仅追求点击导向而放大了用户的强兴趣相关内容，从而忽视了用户的弱兴趣相关内容。比如，系统只知道用户喜欢财经，就围绕财经内容翻来覆去地推荐，或是在财经内容和科技内容所构成的候选集对比中，由于财经内容点击预估显著高于科技内容，系统就只推荐财经内容。
1704850789
1704850790
从点击率角度观测，局部的密集满足了用户需求，往往会带来短期消费量的快速提升。这未必是件坏事。我们在有关用户冷启动的部分也提到，为了短期留存用户，系统会刻意牺牲多样性，以新、热内容来满足用户的短期需求。
1704850791
1704850792
但是，不同用户短期兴趣点的衰减速度是不可预知的。比如，对于阅兵的内容，可能到第三天就无人提及了。有关NBA的赛事报道在赛季结束后，也再无更新。为了防止用户体验发生断崖式的下跌，从产品角度来看，还是希望避免一次刷新中出现内容过度密集的情况。通常，我们采用滑动窗口规则，即连续多条规则尽可能在多个维度打散，降低用户的视觉密集感。
1704850793
1704850794
密集的衡量取决于我们对内容的理解拆分维度，能够拆分出的维度越细致，可以做出的打散策略就越细致。典型的可以拆分的维度有题材载体维度、作者维度、类目（话题）维度和实体词维度。
1704850795
1704850796
题材载体维度：属于同一内容载体的内容过多，比如一屏幕都是视频或图集。
1704850797
1704850798
作者维度：来自同一作者的内容过多，比如高产量的媒体型账号刷屏的现象。
1704850799
1704850800
题材和作者属于内容的固有属性，类目和实体词则是基于语义理解抽离出来的属性。
1704850801
1704850802
类目（话题）维度：来自同一分类（话题）的内容过多，比如阅兵期间有关阅兵的内容大量展现。
1704850803
1704850804
实体词维度：讨论某一实体词的内容过多，比如都是关于某位明星名人的各种维度的论述。典型的例子如马云，横跨财经、科技、教育等多个领域，在系统对于类目识别准确的前提下，依靠类目打散都不能解决马云刷屏的问题，只能通过实体词进行打散。
1704850805
1704850806
关于密集打散的收益，我们通常会站在用户长期留存的角度去衡量。多样性更好的内容在短期可能会降低点击率，但长期来看，对用户留存是有帮助的，不必争朝夕之短长。
1704850807
1704850808
易反感内容
1704850809
1704850810
在内容推荐系统中，我们将用户的行为拆分为列表页的消费决策和详情页的消费体验两部分。无论是详情页的消费体验差还是列表页的消费体验差，都是需要处理的问题。如图6–2所示，列表页中展现出了标题和封面信息供用户判断，用户点击了前两篇内容，没有点击第三篇内容。
1704850811
1704850812
1704850813