近日，ACM国际多媒体会议（ACM Multimedia 2023）举办的社交媒体UGC热度预测比赛（Social Media Prediction 2023）公布了最终成绩，其中，网易从全球工业界和学术届的众多参赛队伍中脱颖而出，超过去年阿里达摩院创造的记录，夺冠。据了解，网易从2017年开始在十余款游戏落地UGC推荐场景，针对多种UGC场景沉淀了具有业界领先水平的通用建模方案。
ACM MM（ACM International Conference on Multimedia）是计算机图形学与多媒体领域的优质国际会议，也是中国计算机学会（CCF）推荐的A类学术会议之一。由全球最 大、影响力最广的国际计算机学会 ACM（Association for Computing Machinery）发起，其评选的图灵奖（A.M. Turing Award）更是计算机领域的最 高荣誉。这一荣誉的取得，不仅证明了该团队在推荐算法技术领域的卓越能力，也进一步展示了网易在推动AI技术应用方面的领先地位。
本次赛题是社交平台多媒体UGC内容的热度预测，涵盖了照片、用户信息、图像、文本、时间等多模态信息，对技术要求跨越了自然语言处理（NLP）、计算机视觉（CV）、推荐系统（REC）等多个领域，对技术储备是个不小的挑战。面对这一挑战，网易凭借多年在UGC业务中的技术积累和方案打磨，将业务中积累的算法模型迁移到比赛中，从比赛伊始就一路领先，最终获得了冠 军的殊荣，且相关论文也被会议接收，彰显了卓越的技术实力和创新能力。
在游戏领域，UGC 可用于扩展游戏体验、提高用户参与度和留存率，是一种具有成本效益的营销形式。丰富、与众不同、个性化的UGC内容，不仅能够满足用户多样化的需求，也使产品更具吸引力和互动性，更能增加用户黏性。玩家自制的内容不仅能让现有的用户持续体验到新鲜感而留存，还能在社交平台上进一步扩散，吸引更多潜在用户。
对于UGC推荐，他们将问题理解为以下几个方面：
1. 玩家体验和作者体验的平衡：从玩家体验的角度出发，分发的应该是最热门的内容和最 符合玩家偏好的内容。然而，对于一些作者的新作品，由于缺乏历史数据，难以确定用户是否会喜欢，因此不会将其直接分发给用户。这种做法会导致严重的马太效应，使新的优质内容难以成为热门，也无法激励作者，不利于长远发展。
2. 多模态特征的重要性：UGC内容以绚丽的Feed流形式呈现给用户，一张卡片所能承载的信息有限而珍贵。除了常见的标题、作者、简介等文字信息外，还蕴含着推广图、快照短片等引人入胜的图片信息，主题音乐等音频信息，以及点赞数、浏览数等统计信息。然而，仅凭统计数据和用户行为序列这些容易建模的信息，我们只能勉强揣测用户的喜好。这种粗略推断既无法充分发掘UGC内容的潜能，又容易受到马太效应的限制，无法真正“激活”未被挖掘的优 秀内容。
3. 内容冷启动的难点：毋庸置疑，卓越的内容必须获得足够的曝光，方能充分验证其卓越之处，并找到那些真正喜欢它的用户。那么，我们是否可以通过冷启动的方式为其提供曝光呢？然而，曝光流量可贵无比，给予过多的冷启动机会可能导致内容受众的减少，直接影响用户体验，更不用说某些敏感玩家只是试探性地探索一番，若未能吸引他们，他们很可能会迅速离开。因此，除了前文提及的文字、图片、音频等内在信息可用于冷启动之外，还必须考虑用户特征以及在短暂曝光后对内容曝光的增加或降低，以及曝光应更多面向哪个群体。所有这些要素都必须被充分考虑，方案的复杂度呈指数级上升。
4. 分发多样性的必要性：为了实现长远发展，不仅需要给与用户当下最满足需求的内容，还需要提供多样化的内容选择，丰富用户的阅读和观看体验。用户不再局限于热门内容，而是能够发现更多风格各异、独具特色的作品。这种多样性不仅能够满足用户的个性化需求，也能够拓宽用户的视野，让他们体验到更多不同领域的精彩内容，提升用户的长期体验。
5. 数据的稀疏性：数据稀疏性呈现出双重维度的挑战，即用户行为的稀疏和UGC内容的反馈稀疏。这种稀疏性使得我们难以准确揣摩用户的偏好，也让一些卓越作品黯然失色。为了克服数据的稀疏性，我们需采用创新的数据采集和分析方法，结合实时用户反馈和行为数据，甚至在游戏业务中善用其它场景的用户行为。借助这些手段，我们能以更迅速、更全面的方式洞察用户需求，为他们提供更加丰富、个性化的内容推荐。当我们克服数据的稀疏性时，才能真正激发卓越作品的潜能，提升整体用户体验，推动UGC平台踏上可持续发展之路。
网易自 2015 年起，一直致力于在游戏中利用数据智能技术改善玩家体验，在精细化运营、个性化推荐技术领域助力上百款产品实现营收增长。 对于UGC业务，他们已经沉淀了一套有效的接入方案， 当前接入的业务涉及UGC地图推荐、社区帖子推荐、UGC外观推荐、直播推荐等，均在参与率、游玩时长等指标上获得提升。
（推广）