您好、欢迎来到现金彩票网!
当前位置:516棋牌游戏 > 文本挖掘 >

今日头条推荐机制?其算法是怎么样的?

发布时间:2019-07-22 02:58 来源:未知 编辑:admin

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  今日头条帮助媒体在上亿用户中精准的找到受众,并将内容推荐给他们。那么今日头条海量文章推荐的机制是什么呢?为什么有的文章展现量几百万,有的却只推荐了几千?

  今日头条它的文章推荐机制是个性化推荐机制,最大化保证推送的精准度,尽量保证对的文章推荐给对的人,为实现最精准的内容推荐。

  今日头条的文章个性化推荐机制主要是:相似文章主题相似性的推荐:通过获取与用户阅读过文章的相似文章来进行推荐。基于相同城市的新闻:对于拥有相同地理信息的用户,会推荐与之相匹配的城市的热门文章。

  基于文章关键词的推荐:对于每篇文章,提取关键词,作为描述文章内容的一种特征。然后与用户动作历史的文章关键词进行匹配推荐。

  基于站内热门文章的普适性推荐:根据站内用户阅读习惯,找出热门文章,对所有没有阅读过该文章的用户进行推荐。

  基于社交好友关系的阅读习惯推荐:根据用户的站外好友,获取站外好友转发评论或发表过的文章进行推荐。

  基于用户长期兴趣关键词的推荐:通过比较用户短期和长期的阅读兴趣主题和关键词进行推荐。

  基于相似用户阅读习惯的列表推荐:计算一定时期内的用户动作相似性,进行阅读内容的交叉性推荐。

  基于站点分布来源的内容推荐:通过用户阅读的文章来源分布为用户计算出20个用户喜欢的新闻来源进行推荐

  用户画像(user profile):根据用户的社会人口属性,生活习惯,消费行为等信息而抽象出的一个标签化用户模型。

  标签tag/label构建用户画像的核心作用是给用户打标签\标签的类型越精确,我们推荐的效果会越好,标签是对用户信息分析得来的高度精炼的特征标识,标签来源是用户消费习惯,从而进行精准营销.许多的标签集合就构成了用户画像

  服务产品的私人定制,个性化服务某类群体,甚至每一位用户用户画像的构建流程基础数据收集,行为建模,构建画像

  基础数据包括网络行为数据,服务内行为数据,用户内容偏好数据,用户交易数据。

  构建用户画像则是通过用户的基本属性,购买能力,行为特征,兴趣爱好,心理特征,社交网络。

  时间衰减: 随着用户动作的增加,老的特征权重会随时间衰减,新动作贡献的特征权重会越大。

  通过分析和利用用户的历史行为来给用户的兴趣建模,并根据用户的兴趣对用户作出推荐。

  基于用户的协同过滤的基本假设:一个用户会喜欢和他有相似兴趣、喜好的用户群喜欢的物品。

  为了给目标用户做推荐,首先应该找到与该用户在兴趣喜好上最相似的一组,然后做推荐。

  基于物品的协同过滤的基本假设是用户会喜欢和他以前喜欢过的物品,相似的物品。这种在电商的推荐里非常常见。

  推荐的时候,首先从用户行为历史数据中检索他之前喜欢过的物品集合,然后从尚未推荐的物品里找到和他喜欢的物品相似的物品,进行推荐。

  了解更多自媒体运营创业思 维、项目操作手法、营销经验,联系我来免费领取价值12800的自媒体教程以及实战应用软件(价值6980元视频批量编辑工具、批量加片头、片尾、遮盖层,颜色微调等视频批量编辑工具)

http://dolphinfixtures.com/wenbenwajue/445.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有