CitySpark · 城事雷达 · Personal Space

想解决的问题

城市里的展览、手作、脱口秀、市集、沙龙、戏剧，大多没有像样的分发渠道。要推得准，得同时满足五个条件：同城、没去过、还能报名、时间不冲突、合口味。任何一个不满足，推荐就是无效的。

CitySpark 把这件事拆成一条完整的推荐链路，并且把「凭什么推这个」也一起交出来。

路径	实现	缺可选依赖时
UserCF	加权 Pearson / Cosine / Jaccard 混合相似度 + 共同数收缩	无需可选依赖
ItemCF	活动向量余弦、热门校正、Top-K 相邻活动	无需可选依赖
MF	`implicit` 的 BPR	降级为 sklearn TruncatedSVD
图传播	归一化二部图上的个性化重启传播	始终可用（未声称实现可训练 LightGCN）
语义	标题 + 描述 + 标签 + 规则/LLM 画像；TF-IDF 或句向量	降级为 TF-IDF + NumPy 余弦
热门探索	同城对数热门度 + 新活动指数衰减	无需可选依赖

隐式反馈按 view=1 / favorite=3 / share=4 / signup=5 加权，每条事件再乘时间衰减（半衰期 30 天），同时给每个活动加 1/log(1+活跃用户数) 的热门惩罚——否则热门活动会把长尾全吃掉。

推荐系统最容易翻车的地方不是排序，是「推了个你已经报过名的活动」。这里做七类过滤：已收藏、已报名、标记不感兴趣、异地、下架或售罄、已经开始、与历史报名时段冲突，再加距离阈值和重复事件去重（同 event_group 只留一条）。

余量按截点前的不重复报名数算，距离用模拟经纬度的 Haversine。

没有随机拆行。 按时间切分，最后一周永远留作测试：

阶段	可见历史	标签窗口
排序训练	10-08 之前	[10-08, 10-15)
测试	10-15 之前（召回重训，排序器冻结）	[10-15, 10-22)

数据是 160 用户、240 活动、11,438 条行为、860 条评分的模拟集（seed 42），测试截点前特意注入了零历史的新用户和新活动，冷启动不是事后补的。

K=10，109 个有可推荐正例的用户，193 个目标：

方案	Recall@10	NDCG@10	覆盖率	新颖度
纯 Pearson UserCF	0.1578	0.0925	0.5919	2.0875
增强 UserCF baseline	0.1356	0.0782	0.6233	2.1925
ItemCF	0.1073	0.0561	0.7085	2.6349
BPR-MF	0.2021	0.1011	0.7489	2.2778
多路融合 · 加权	0.2739	0.1407	0.8161	2.6639
多路融合 · 投票（RRF）	0.2506	0.1411	0.7130	2.5398
多路融合 · LightGBM	0.2162	0.1178	0.8610	3.4280

三件我原本预期相反的事，报告里都按实测写了：

加权融合的 Recall@10 高于 LambdaRank。 学过排序不一定赢过调好的权重，至少在 109 个用户的样本量上如此。
增强版 UserCF 没有全面优于纯 Pearson。 加了热门惩罚、共同数收缩和相似度混合之后，Recall 反而从 0.1578 掉到 0.1356——这道题上它没赚回来。
六路召回的候选上限是 0.9145，实际最好的方案只有 0.2739。 瓶颈不在召回，在排序和过滤。

17 个冷用户在纯协同过滤下 Recall 全为 0（这是必然的，没有历史就没有邻居）。多路融合把冷用户 Recall 拉到 0.1961（加权）和 0.2745（LightGBM）——靠的是语义画像和热门探索这两条不依赖历史的路。

冷活动（29 个）相反：加权融合仍然拿不到正例，LightGBM 能到 0.2414，靠的是特征里有新旧程度和标签匹配。

LambdaRank 的每种召回路径返回一个 TreeSHAP 贡献组（含 context 和 bias），各贡献之和等于原始排序分数；界面里能直接展开看每路给了多少分，同时附上原始召回证据。排序分数不是概率，负贡献也是正常的——界面里写明了这一点，不把分数包装成置信度。