腾讯TMQ在线沙龙回顾|推荐评测

推荐评测

活动时间：2018年1月9日　斗鱼直播分享 活动介绍：TMQ在线沙龙第三十八期分享

本次分享的主题：推荐测试。

共有65位测试小伙伴报名参加活动。

想知道活动分享了啥吗？

请往下看吧！

嘉宾

赵田：腾讯手机QQ浏览器测试团队，高级工程师，主要负责后台内容层的测试。 擅长搭建测试平台，数据层的测试和分析。

分享主题

推荐评测测试思路

本次分享，嘉宾给我们介绍了以下内容：

• 推荐类实例&流程
• 推荐类模型抽象&评测
• 白板建设
• 测试思路

问答环节

1、相同类型的文章怎么测试它们的热度，再推荐给用户？ 答：（1）首先看这个相同类型是不是同一件事情，如果是同一件事情的文章，那可以根据来源的权威性来推荐； 如果来源权威性也差不多，还拿不定主意，可以做个ABtest，先发50w用户，看看CTR，再决定发哪一篇； （2）如果不是同一件事情的文章，那就无所谓，都放到文章的池子里面。 2、用户多标签情况下，推送的优先级送达怎么评测？ 答：我理解你的意思是：比如用户有好几个兴趣点，那现在用户来拉一刷新闻，应该怎么下发新闻。 可以根据用户兴趣点的权重来进行推送，虽然有多个兴趣点，但是每个兴趣点的权重不一样，可以根据权重来推送； 可以根据文章的热度（在你看这篇文章之前，其实有很多其他用户已经看过了，那这个时候就有点击率，点击率越高热度相对也就越高），那我们可以根据这个热度来推送给用户； 可以根据文章质量排序推送。 3、能谈下推荐系统一般测试周期多长？

答：这个不好说，不单是看测试，要看整个项目组是否给力，各个小组的人配合，如果要做一个成熟的推荐系统，至少2年以上吧。 测试同学可以根据项目组的痛点进行有针对性的测试，帮助项目改进。 4、这套推荐评测系统，除了资讯评测，还有应用到其他评测上吗？好移植吗？ 答：其实推荐的思路都是差不多，推荐算法也都是开源的，基本上都是围绕人的profile、内容的质量和分类、推荐算法以及环境特征、UI来展开的。 你可以根据你自己的场景（商品、app、音乐、电影、资讯）来具体定制你的测试策略。