给球迷做个性化赛事推荐：从协同过滤到向量召回

世界杯一开打，内容就爆炸了：几十场比赛、海量新闻、无数集锦和分析。一个只关心某几支球队的球迷，淹没在和他无关的信息里。个性化推荐就是来解决这个的——把每个球迷最可能想看的内容推到他面前。

这篇带你搭一套赛事内容推荐系统，从经典的协同过滤讲到现代的向量召回，并讲清体育场景特有的难点。推荐系统的通用基础可以先看从零构建推荐引擎：协同过滤到神经网络，这篇聚焦世界杯场景的具体取舍。

两种主流思路

推荐系统主要有两条技术路线，各有所长：

协同过滤（Collaborative Filtering）：「喜欢相似内容的人，可能也喜欢」。基于用户行为找相似用户/相似内容。

基于内容（Content-based）：「你喜欢这个，给你推相似的」。基于内容本身的特征。

现代系统通常两者结合，再用向量召回统一处理。我们分别看。

协同过滤：从行为里找规律

协同过滤的核心是一张「用户 × 内容」的交互矩阵（谁看了什么、点赞了什么），从中挖掘模式。

python
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
用户-内容交互矩阵（行=用户，列=内容，值=互动强度）
实际中这是个巨大的稀疏矩阵
interactions = np.array([
    [5, 3, 0, 1],  # 用户1
    [4, 0, 0, 1],  # 用户2
    [1, 1, 5, 4],  # 用户3
])
物品相似度：哪些内容经常被同一批人消费
item_sim = cosine_similarity(interactions.T)
给用户推荐：他互动过的内容的相似内容，加权排序

协同过滤的威力在于它能发现意想不到的关联——比如「看 A 队比赛的人也常看 B 队的战术分析」，这种关联不需要你预先定义。但它有个致命弱点：冷启动。

体育场景的特殊难点

难点一：冷启动特别严重

世界杯是短周期、强时效的赛事。新用户、新比赛、新内容不断涌入，纯协同过滤在没有足够行为数据时推不准。缓解办法：

用内容特征兜底：新内容虽然没有行为数据，但有标签（哪支球队、什么类型）。新用户注册时让他选关注的球队，立刻有了冷启动信号。

混合推荐：行为数据少时偏向基于内容，数据积累后逐渐加大协同过滤权重。

难点二：时效性极强

体育内容过期极快。昨天的比赛预测今天就没用了，淘汰赛某队出局后关于它的内容价值骤降。推荐必须强时间衰减：

python
import math
def time_decay_score(base_score, hours_ago, half_life=12):
    # 体育内容半衰期很短，12 小时热度减半
    decay = math.pow(0.5, hours_ago / half_life)
    return base_score * decay

时间衰减的半衰期要设得比一般内容短得多——这是体育推荐区别于电商、视频推荐的关键。

现代方案：向量召回

现在更主流的做法是用 Embedding 把用户和内容都映射到同一个向量空间，推荐变成「找离用户向量最近的内容向量」——这本质就是向量检索。

python
内容向量：把内容的文本（标题、标签、球队）embedding
用户向量：用户近期互动内容向量的加权平均（近期权重高）
from openai import OpenAI
client = OpenAI()
def embed(text):
    return client.embeddings.create(
        model="text-embedding-3-small", input=text
    ).data[0].embedding
用户向量 = 最近互动内容向量的时间加权平均
召回 = 在向量库里找和用户向量最相似的内容

这套和第一批 RAG 用的是同一类技术——向量检索。内容入向量库、用相似度召回，语义搜索实现完整指南讲的方法直接能用。向量库选型见向量数据库选型指南。

向量召回的好处：天然缓解冷启动（新内容只要 embedding 就能被召回，不需要行为数据），且能统一处理文本、用户、内容。这是它逐渐取代纯协同过滤的原因。

完整架构：召回 + 排序

生产级推荐系统通常是两阶段：

召回（Recall）：从海量内容里快速捞出几百个候选（向量检索 + 协同过滤多路召回）。

排序（Ranking）：用更精细的模型对候选打分排序，结合时效、用户偏好、内容质量。

世界杯场景下，排序阶段要重点加权时效性（刚结束的比赛）和用户关注的球队。

小结

赛事推荐系统的关键，是在通用推荐框架上做体育特化：超短的时效半衰期、靠选球队解决冷启动、向量召回统一多路信号。

它和本系列其它应用是闭环的——推荐的内容来自自动化生成，召回靠向量检索，全景见AI 与 2026 世界杯应用盘点。

从练手角度，建议从向量召回入手——它实现简单、冷启动友好，是性价比最高的起点。