推荐系统
个性化内容推荐、编辑精选、算法分发——用户发现好内容的核心引擎
推荐策略
Litopia 使用多层推荐策略，结合算法推荐和人工编辑：
1. 个性化语义召回
- 以您近期阅读、点赞、收藏和送礼所涉及的文章作为兴趣参照，选取最多 3 篇
- 对每篇参照文章按内容向量（Litopia 自有服务器内的 bge-m3 推理服务，1024 维）召回语义相近的公开文章，再综合相似度与交互偏好排序
- 本平台不使用协同过滤：推荐不计算用户之间的相似度，也不借用其他用户的偏好；这里的「相似」指文章与文章之间的内容语义相似
2. 内容画像
- 文章语义向量取自标题、摘要与正文前 500 个字符
- 用余弦相似度衡量文章之间的语义接近程度
3. 编辑推荐
- 人工精选——由编辑者在后台标记推荐内容
- 编辑推荐专区展示
4. 热度排序
- 综合阅读量、点赞数、评论数、发布时间的时间衰减加权
- 热门 / 趋势实时计算
推荐位置
- 首页信息流：个性化推荐
- 文章详情页侧栏：相关推荐
- 专栏/文社页：同类型内容推荐
- 搜索页面：热门搜索推荐
算法合规
推荐算法覆盖个性化推送类与排序精选类两种。2026-09-08 提交的混合申报经主管部门审核未通过并退回，要求按单一类型拆分整改；当前按单一类型拆分整理的整改稿尚未提交审核，尚无算法备案编号。最终备案名称、类型和编号以主管部门审核及公开信息为准。详细文档见 参考资料 中的算法备案相关文档。
如何与用户操作配合
推荐系统不会孤立工作，它会和您的阅读、点赞、收藏和送礼行为共同作用：这些行为决定参与语义召回的参照文章。对最终用户来说，“推荐”并不是黑盒固定结果，而是会随着您的互动逐步调整的动态内容流。
继续阅读
延伸阅读：如果你要从用户角度理解如何通过浏览行为影响推荐，请继续阅读“阅读与浏览”；如果你要查推荐系统实现，请继续看项目文档中心中 recommendation 相关设计文档与模块边界。