推荐系统的核心目标是提升用户满意度，但过度优化点击率往往会让系统陷入一个恶性循环：用户点击了某类内容，系统就推送更多同类内容，用户的兴趣画像被不断强化，最终视野越来越窄。这就是信息茧房问题。要打破这个局面，需要在推荐流程中引入多样性约束和探索机制，让系统在 exploiting 已知兴趣的同时，主动 exploring 用户潜在的兴趣空间。
一、信息茧房是如何形成的
从技术角度看，信息茧房的形成与推荐算法的优化目标直接相关。以协同过滤为例，算法基于用户的历史行为计算相似度，用户看过的内容越多，画像越精准，推荐结果也就越集中在已验证的兴趣领域。CTR 预估模型同样如此：模型学习的目标是拟合历史点击数据，历史数据中占主导的类目自然会在推荐结果中占据更高比例。
这种正反馈循环会带来两个层面的危害。对用户而言，长期接收同质化内容会导致体验疲劳，留存率反而下降；对平台而言，内容分发效率降低，长尾类目和创作者得不到曝光，生态多样性受损。更隐蔽的问题是，模型训练数据来自上一轮的推荐结果，形成所谓的曝光偏差，即使某用户对科技类内容有兴趣，如果系统从未给他曝光过科技内容，模型永远无法学到这一点。
因此，解决信息茧房不能只靠事后重排，而要在召回、排序、重排三个环节同时引入多样性和探索机制。
二、多样性重排算法：MMR 与 DPP
多样性约束最常用的落地点是重排层。经典的 MMR（Maximal Marginal Relevance）算法思想很简单：每次从候选集合中选择一个既与用户兴趣相关、又与已选结果不相似的物品，公式为 score(i) = λ × rel(i) - (1-λ) × max sim(i, j)，其中 rel 是相关性分数，sim 是与已选集合的最大相似度，λ 控制两者的权衡。
def mmr(candidates, rel_scores, sim_matrix, lam=0.7, k=10):
selected = []
while len(selected) < k:
best, best_score = None, -1e9
for i in candidates:
if i in selected:
continue
# 已选集合为空时相似度惩罚为0
sim_penalty = max([sim_matrix[i][j] for j in selected], default=0)
score = lam * rel_scores[i] - (1 - lam) * sim_penalty
if score > best_score:
best, best_score = i, score
selected.append(best)
return selectedMMR 实现简单、可解释性强，缺点是贪心策略不保证全局最优，且每次选择都要与已选集合计算相似度，候选集大时计算开销明显。工业界更前沿的做法是 DPP（Determinantal Point Process，行列式点过程）。DPP 把推荐子集的质量建模为核矩阵行列式，核矩阵 K = diag(r) × S × diag(r)，其中 r 是相关性向量，S 是相似度矩阵。行列式的几何含义是向量张成的体积，如果推荐结果彼此高度相似，行列式趋近于零，这天然编码了多样性的惩罚项。
DPP 的优势在于可以通过贪心近似在近似线性时间内求解，效果通常优于 MMR，YouTube 和 Hulu 都有相关实践。此外还有基于类目聚类的简单做法：将物品按类目或向量聚类分组，重排时按组轮转取数，保证每个类目都有展示机会，虽然粗糙但在很多场景下足够用。
三、探索策略：让系统敢于试错
多样性重排解决的是已召回候选的呈现问题，但如果召回阶段就没有探索性内容，重排也无米下锅。探索的核心是经典的 Multi-Armed Bandit 问题：如何在探索未知收益与利用已知收益之间取得平衡。
最简单的探索策略是 epsilon-Greedy：以 1-ε 的概率推荐最优结果，以 ε 的概率随机推荐。实现成本几乎为零，但随机探索的效率低，容易浪费流量。UCB（Upper Confidence Bound）则更聪明一些，它给每个臂维护一个置信上界，优先尝试置信上界高的臂，公式为 score = mean_reward + sqrt(2 × ln(N) / n_i)，其中 N 是总试验次数，n_i 是该臂的试验次数。被尝试少的臂第二项会更大，从而天然获得探索机会。
Thompson Sampling 是目前实践中效果最好的探索算法之一。它为每个臂的回报率维护一个 Beta 分布，每次采样时从各臂的分布中抽一个值，选抽到的最大值对应的臂。被尝试少、不确定性大的臂分布更宽，被抽中高值的概率自然更大。以新闻推荐为例，可以将每篇未充分曝光的文章视为一个臂：
import numpy as np
class ThompsonSampling:
def __init__(self, n_items):
# 每个物品维护 Beta 分布的两个参数
self.alpha = np.ones(n_items)
self.beta = np.ones(n_items)
def select(self, k=5):
samples = np.random.beta(self.alpha, self.beta)
return np.argsort(samples)[-k:]
def update(self, item_id, clicked):
if clicked:
self.alpha[item_id] += 1
else:
self.beta[item_id] += 1在真实系统中，探索通常不是对物品级别做 bandit，而是在类目、话题或向量聚类级别进行，这样探索空间可控，冷启动物品也能通过所属类目获得试探流量。另外要设置探索流量的兜底逻辑：对明显负向的探索结果（如用户快速划走）及时止损，避免伤害体验。
四、工程落地与效果权衡
多样性约束和探索策略上线前，必须考虑准确性与多样性的权衡。多样性提升通常会带来短期 CTR 的下降，这是正常现象，因为系统把部分流量分给了不确定性内容。评估时不应只看 CTR，还要关注次留率、七日留存、人均使用时长等长期指标，以及 ILD（Intra-List Distance）、类目覆盖度等多样性指标。
工程实现上还有几个实用手段：第一，打散规则，比如同作者、同类目、同话题的内容在信息流中至少间隔 N 个位置；第二，类目配额，为长尾类目保留最低展示比例；第三，流量分层，将用户分为对照组和实验组，用小流量验证探索策略的安全边界；第四，把探索结果与用户反馈形成闭环，快速更新模型，减少曝光偏差的累积。
最后需要认识到，打破信息茧房不是一味追求多样，而是追求与用户兴趣匹配的多样。给科技爱好者推美妆内容并不算有效的探索，系统需要基于兴趣向量的邻近关系做渐进式扩展。只有准确性和多样性形成正向循环，推荐系统才能真正实现用户体验与平台生态的双赢。