生活有道网日活突破80万后，用户对生活百科内容的检索效率提出更高要求——传统标签匹配的推荐准确率仅61%，大量优质日常小窍门沉在长尾流量里，曝光不足。如何让每一条实用技巧精准触达需要它的人，成了平台必须攻克的技术命题。

一、用户意图识别：从关键词到场景向量

我们构建了基于BERT微调的意图分类器，将用户查询映射到128维场景向量空间。比如“白醋除水垢”会被拆解为清洁场景+厨房区域+酸性溶剂三个维度。离线评测显示，该模型在1.2万条测试样本上的F1值达到0.89，比原有关键词倒排索引提升27个百分点。

多路召回与实时排序

• 协同过滤通道：基于用户7日行为序列，挖掘相似人群的窍门点击偏好
• 语义向量通道：Faiss索引支撑毫秒级近邻搜索，覆盖30万条生活百科条目
• 热度衰减通道：引入时间衰减因子，让应季窍门（如梅雨季防潮）获得加权

三路召回结果进入DeepFM排序模型，融合用户画像、内容质量分、实时上下文等42维特征。A/B测试表明，点击率提升34%，长尾内容曝光量增长2.1倍。

二、冷启动与多样性兜底

新用户缺乏行为数据时，系统降级为规则引擎：按地域、设备类型、当前时段匹配日常小窍门。例如晚间优先推送助眠技巧，周末则倾斜收纳整理类内容。同时引入MMR算法控制类目多样性，避免推荐列表被“厨房清洁”单一主题霸屏。

工程落地层面，我们用Redis缓存热门场景向量，将端到端响应时间压在180ms以内。上线三个月后，生活百科栏目的次日留存率从22%爬升至39%。后续计划接入多模态模型，让用户拍一张水槽照片就能直接匹配除垢方案。