兴趣衰减模型如何降权

一、核心逻辑：时间权重衰减 + 行为熵值评估

兴趣衰减模型的降权本质是通过数学建模人类认知遗忘曲线，将用户行为数据划分为短期兴趣信号与长期兴趣基底。2025年主流平台采用双引擎架构实现动态降权：

1. 时间衰减函数（Time Decay Function）

• 指数衰减公式：权重 = 原始权重 × e^(-λ×Δt)

• λ为衰减系数（通常取0.01-0.05），Δt为当前时间与行为发生时间的差值（单位：天）

• 示例：某用户3天前观看科幻电影（初始权重1.0），当λ=0.03时，当前权重≈1.0×e^(-0.03×3)=0.913

• 分段衰减策略：

• 0-7天：线性衰减（保护即时兴趣）

• 8-30天：指数衰减（平滑过渡）

• 30天：断崖式降权（触发兴趣重置）

2. 行为熵值量化（Behavior Entropy Quantification）

• 单类目行为集中度：计算用户在某领域（如体育）的行为占比

• 熵值公式：H = -Σ(p_i × log2(p_i))，当H<2.5时触发降权（阈值可调）

• 跨平台行为校准：接入外部数据源（需用户授权）验证兴趣真实性

• 例如：用户仅在A平台看美食视频，但外卖App无相关订单，则A平台美食类权重自动×0.7

二、技术实现路径（以TikTok 2025版算法为例）

1. 实时兴趣图谱更新

• 多模态信号融合：

  数据类型	采集频率	权重影响
  观看完成率	毫秒级	35%
  重复播放次数	秒级	20%
  跨视频关联跳转	分钟级	15%
  设备传感器数据	关闭采集	0%

• 衰减触发条件：

•           
            
            
            
  
             
             
             
             
  if 同一标签视频观看时长占比 > 40% 且 持续天数 > 5: 
      启动强制降权（权重×0.6/日）
  elif 用户主动搜索新领域内容:
      重置相关旧领域衰减系数λ×1.5
            
            
            
            

2. 长短期兴趣分离架构

• 短期记忆池：存放7天内行为数据，参与实时推荐计算

• 长期记忆库：存储降权后的低频兴趣，仅在大模型周级更新时参与训练

• 遗忘缓冲区：30天未触发的兴趣标签移入待删除队列，需用户主动唤醒方可恢复

三、商业与伦理平衡实践

1. 平台收益保护机制

• 衰减豁免清单：

  类别	豁免条件	案例
  品牌广告	合约期剩余>30天	某汽车品牌投放权重锁定12周
  付费内容	用户月消费额>100元	知识付费课程降权速度降低50%
  政策合规内容	政府强制要求	反诈宣传视频永不降权

2. 用户可控性增强

• 衰减透明度面板：
  （虚构示意图：展示兴趣标签权重变化曲线与人工干预按钮）

• 三级降权抵抗权：

1. 临时暂停：冻结某兴趣衰减72小时（每日限3次）

2. 部分豁免：选择3个兴趣标签永久禁用衰减

3. 超级用户：付费订阅无衰减模式。