活动推荐系统：商品会过期，于是冷启动成了常态

一句话

这一章表面是「做一个活动推荐器」，内核是一个被物料寿命逼出来的结构性事实：这里的商品会过期。一场活动从创建到结束常常只有几天到几周，上架那一刻交互为零，等它攒够数据它已经下线——所以冷启动（cold start）不是边角情况，是稳态，靠交互矩阵吃饭的协同过滤从根上断了这条路。剩下唯一能用的，是「这个人 × 这件事 × 此时此地」的具体特征。于是本章把重心从选模型挪到了特征工程（feature engineering），并把问题定义成排序学习（learning to rank, LTR）：不追问「他喜不喜欢」，只求「把这一批候选按报名概率排对顺序」。

Glossary · 术语表

坐标

本章是《ML 系统设计面试》Part II 十道真题的第 6 道。上承 Ch6 视频推荐——那里物料长寿、交互充足，主角是召回与排序的分段；这里物料短命、交互稀薄，主角换成了特征。下启 Ch8 广告点击预测，同样是 pointwise 打分，但那里分数要拿去计费，概率校准因此变成硬需求。现实对应 Meetup、Eventbrite、Facebook Events 这类平台。

这章要解决什么

书设定的场景是一个活动平台：用户打开首页，看到一屏「推荐给你的活动」，业务目标是提高报名转化（register，而不是点击）。两个约束把这一章和上一章彻底分开。

其一，物料寿命以天计。一个视频上线后能活几年、累积几百万次播放，交互矩阵有的是料可学；一场活动从创建到开场常常只有几天到几周，一辈子能攒到的交互可能只有几十上百次，结束后永久下架。换句话说，每一个活动都是在冷启动状态下被推荐完，然后消失的。

其二，正样本极其稀少。曝光量很大，真报名的很少。给个量级：若报名率是 1%，一个永远预测「不报名」的模型准确率就有 99%——准确率在这里是废指标，这是本章评估部分的起点。

不解决会怎样？一个只认交互矩阵的推荐器，对绝大多数在售活动一无所知，能推的只剩那一小撮已经火起来的。富者愈富，新主办方永远起不来——而平台每天的新增供给恰恰全是这种。

核心内容，讲透

第一步：把问题定型成排序，而且是 pointwise 的排序

书把它定义成排序问题：给定一个「用户 × 活动」对，预测报名概率 P(register | user, event)，再按分数从高到低排。标签是现成的——曝光后报名记 1，曝光后没报名记 0。

排序学习有三种训练单位，差别在「一次看多少条」：

• pointwise：一次看一条，退化成普通二分类。能直接复用任何成熟分类器，分数还有独立含义（是个概率，下游可拿去定阈值）。代价是看不见同一次请求里的其它候选，学到的是绝对偏好而非相对顺序。
• pairwise：一次看一对，只学「这两条里谁该在前」，直接对着顺序优化，LambdaMART 是代表。
• listwise：一次看整张列表，直接优化 nDCG 这类列表级指标。最贴目标，成本也最高。

书选 pointwise，理由务实：实现最简单、标签最好造、分数可复用。一条可以带走的判据：极度在意前几名的顺序 → pairwise / listwise；工程要简单、分数还要被别处复用（计费、阈值）→ pointwise。

第二步：特征工程——本章真正的主体

既然不能问「谁去过」，就只能问「这个人、这件事、这个时刻」。书把特征分成四类，值得一类一类看，因为每一类都带出一个不同的编码手法。

位置类。活动地点与用户常驻地的距离、是否同城、步行友好度（walk score）、公共交通可达性。这一类最关键的手法是分桶后再独热，别把原始公里数直接喂进去——人对距离的反应是断崖式的：3 公里和 5 公里几乎没差别，5 公里和 50 公里是两个世界。比直线距离更贴真实决策的是预计通勤时间：跨江 8 公里可能比同区 15 公里更远。

时间类。这一类里有本章最有代表性的一个特征：距开场还剩多久。它的特别之处在于，同一个「用户 × 活动」对，在不同时刻分数必须不同——距开场 30 天和距开场 2 小时是两种完全不同的购买心态。另外还有活动时长、星期几、几点、用户历史出席的时段分布。星期与小时有个坑：它们是环形的，周日 23 点和周一 0 点在现实里相邻，在数值上却隔得最远，所以要么独热、要么用周期编码，不能当普通数值。

社交类，本章最有价值的一栏。用户好友中已报名的人数、主办方是否是好友或已关注、是否被朋友直接邀请、已报名人数与容量的比例。为什么强？因为参加活动本来就是社交行为——「三个朋友要去」这一条，常常比内容匹配度更能决定去不去。面试里问「最重要的特征是哪个」，答社交类加剩余时间，基本不会错。

用户与活动自身。年龄、性别（分桶 + 独热）；票价（免费与付费的转化率往往差一个数量级）、类别、描述文本的嵌入、主办方历史转化率。

编码手法就四件套，各管一类问题：独热管低基数类别；分桶 + 独热管有拐点的连续量；嵌入管高基数 ID；特征交叉管交互信号。交叉为什么必要，一个例子说得最清楚：周三深夜愿意跑 20 公里的人极少，周六下午愿意的人不少——距离单独看、星期单独看都得不出这个结论，必须把「距离 × 星期几」显式造出来。

这里还有一处被短命反噬：活动 ID 的嵌入基本学不动，每个 ID 一辈子只出现几十次。真正学得动的是上一层——主办方 ID、场地 ID、类别，它们跨活动复用，样本才够。

第三步：批特征与流特征——同一张表的两种时效

特征按「什么时候算」分成两拨。批特征离线预算，小时或天级刷新：活动描述的嵌入、主办方历史转化率、用户长期兴趣画像。流特征在请求发生时实时算，秒级：好友刚刚报名了没有、还剩多少票、距开场还剩多久、当前设备与位置。

这一章绕不开流特征，原因很直接：它最强的两个特征恰好都是会变的。剩余时间每分钟都在变，好友报名数随时可能加一。一小时前算好的值，到用户真正请求时已经是错的。

工程代价是同一个特征要有两条计算路径——离线训练用历史回溯表，线上服务用实时流——一旦对不上就是训练与服务偏斜（training-serving skew）：离线指标漂亮，上线掉得莫名其妙。

第四步：模型选型与评估——为什么 GBDT 是这一章的默认

看看手里的东西：几十到几百维人造的、表格型的、类别与数值混杂的、相当稀疏的特征。这正是 GBDT 的主场——不需要归一化、能自动学非线性与特征交互、在中小数据量上比神经网络稳，而且可解释：特征重要性直接告诉你哪一栏在起作用。对这一章尤其要紧，因为你造的特征就是你的模型。

书给的是一条阶梯：逻辑回归（快、可解释，但所有交叉都得手工造）→ 决策树（能学非线性，单棵易过拟合）→ GBDT（默认选择）→ 神经网络（数据量够大、需要吃文本嵌入或做持续学习时才划算）。

GBDT 有两个短板，恰好都被这一章的性质放大：不方便增量更新（新活动每天来，传统上要整体重训）、不擅长高基数 ID 嵌入。所以工业折中通常是两条：GBDT 打底 + 高频重训（天级甚至小时级），或者用 GBDT 的输出当特征再喂给一个轻量神经网络。

评估分两套口径。离线：正例只占 1% 量级，所以准确率必须扔掉，换成 PR 曲线下面积（PR-AUC）看分类质量，Recall@k / MRR / nDCG 看排序质量——一次请求只期待一个正确答案时看 MRR，相关性有等级差异时看 nDCG。线上：点击率、报名转化率（真正的业务目标）、收入。另外，若训练时对负样本做了降采样，分数必须校准回真实概率，否则任何和阈值、预算、钱有关的下游都会错。

第五步：服务链路——为什么第一段是规则而不是模型

这是本章和 Ch6 最容易被搞混的一处。上一章第一段是「双塔 + 近似最近邻」的模型召回，因为十亿个视频没有任何天然的筛选谓词。这一章不需要：活动被时空强约束着。「时间还没过」加「在用户半径内」这两条规则，一下就把 10⁵–10⁶ 个在售活动砍到几百至几千个——剩下的规模排序模型直接吃得下。

所以链路是：全部在售活动 → 规则过滤 → 候选 10²–10³ → 特征拼装（批 + 流）→ 排序模型打分 → top-k。照搬上一章那套召回层，是白加一层复杂度——面试里很常见的一个失分点。

最后，重训必须频繁。物料每天换一批，季节、节假日、城市活动密度都在动，上个月学到的分布这个月可能已经不作数。这是短命物料的直接推论。

关键权衡与选型

表 1 · 视频推荐（Ch6）vs 活动推荐（Ch7）——同是推荐，形状完全不同

表 2 · 排序学习三种范式

表 3 · 模型阶梯：为什么停在 GBDT

还有两条不在表里的实操判据：特征比模型重要得多——加一栏「好友已报名数」带来的提升，通常超过把 GBDT 换成一个更花哨的网络；以及冷启动在这里主要不是模型问题，靠规则与产品手段兜底：新用户先给同城热门与高上座率的活动，让最初几次点击快速收敛。

为什么重要 / 落到真实系统

这套形状的适用面比「活动」宽得多：凡是物料有有效期、且上架即冷启动的场景，都是这一章。票务与活动平台（Meetup、Eventbrite、Facebook Events）最直接；再往外，限时优惠券、航班与酒店的余量促销、直播开播提醒、「即将截止」的职位推荐、餐厅当日空位——共同点都是：交互矩阵还没攒热，商品就没了。

面试里的高频追问就三处：为什么这里不能用协同过滤（当场把「物料寿命」这个理由说出来，而不是背定义）、最重要的特征是哪些、为什么（社交关系与剩余时间）、离线用什么指标（先说清准确率为什么废掉）。

易错点与争议

• 把上一章的漏斗照搬过来。活动被时空强约束，规则过滤就能砍掉 99%，再加一层 ANN 召回是白加复杂度。
• 拿准确率评一个 1% 正例率的问题。永远预测「不报名」就有 99% 准确率。要看 PR-AUC 与排序指标。
• 把距离、年龄直接当数值喂进去。人对这些量的反应有拐点，不分桶就学不到。
• 把星期和小时当普通数值。它们是环形的：周日 23 点和周一 0 点现实里相邻，数值上却隔得最远。
• 给活动 ID 学嵌入。每个 ID 一辈子只出现几十次，学不动；能学动的是主办方、场地、类别这些可跨活动复用的层。
• 特征穿越（时间泄漏）。拿「最终报名总人数」当训练特征，线上打分那一刻根本拿不到——这是本章最典型的「离线很好、上线很崩」。
• 社交特征的两面。它是最强的信号，也是最强的偏置：把热闹的推得更热闹，小众永远起不来；而且「你的哪几个好友要去」本身是否该展示，是隐私边界问题，不只是效果问题。
• 时代局限。书成于 2023 年，「手造特征 + GBDT」是当时的稳态；此后用序列模型建模行为、用大模型从活动描述里抽特征或补冷启动画像，都成了新路线。但「物料会过期、所以没有历史可学」这个约束不会变，换的是怎么造特征，不是要不要造。

要点