今日頭條發(fā)布了后臺(tái)的算法原理进陡，不過(guò)用詞比較考究愿阐、說(shuō)的比較深?yuàn)W，讓人感覺(jué)云里霧里不知何處趾疚，本篇盡量用通俗語(yǔ)言進(jìn)行解析缨历，希望對(duì)大家有所幫助。

1糙麦、【原文】今日頭條算法推薦系統(tǒng)辛孵，主要輸入三個(gè)維度的變量。一是內(nèi)容特征赡磅，圖文魄缚、視頻、UGC小視頻焚廊、問(wèn)答冶匹、微頭條等，每種內(nèi)容有很多自己的特征咆瘟，需要分別提冉腊；二是用戶特征搞疗，包括興趣標(biāo)簽嗓蘑、職業(yè)须肆、年齡匿乃、性別、機(jī)型等豌汇，以及很多模型刻畫(huà)出的用戶隱藏興趣幢炸。三是環(huán)境特征，不同的時(shí)間不同的地點(diǎn)不同的場(chǎng)景（工作/通勤/旅游等）拒贱，用戶對(duì)信息的偏好有所不同宛徊。結(jié)合這三方面緯度，今日頭條的推薦模型做預(yù)估逻澳，這個(gè)內(nèi)容在這個(gè)場(chǎng)景下對(duì)這個(gè)用戶是否合適闸天。

【解析】：（1）內(nèi)容特征，好理解斜做，既是對(duì)各類文章苞氮、視頻提取關(guān)鍵要素，比如可以通過(guò)對(duì)文本進(jìn)行語(yǔ)義識(shí)別瓤逼，識(shí)別出文章的主要關(guān)鍵字笼吟，視頻標(biāo)題關(guān)鍵字如何库物，這個(gè)工作主要目的是對(duì)文章進(jìn)行畫(huà)像，方便以后對(duì)客戶推薦贷帮。至于能否做到視頻內(nèi)容的關(guān)鍵字提取戚揭，比如雖然標(biāo)題是周杰倫相關(guān)視頻，但視頻內(nèi)容全部是方文山的帥氣身影撵枢，能否將視頻中方文山這個(gè)關(guān)鍵字提取出來(lái)民晒，則暫不可知，這個(gè)工作需要耗費(fèi)巨大服務(wù)器資源诲侮，估計(jì)頭條暫時(shí)還沒(méi)有做吧镀虐。

（2）用戶特征，同上面內(nèi)容特征一樣沟绪，提取你的有效數(shù)據(jù)刮便，比如經(jīng)常瀏覽哪種類型文字、你經(jīng)常搜索的關(guān)鍵字绽慈、你注冊(cè)時(shí)登記信息的內(nèi)容恨旱、還有原文提到的用什么手機(jī)之類，你是iphone我便顯示這個(gè)游戲只能iphone玩坝疼，你是安卓我便顯示這個(gè)游戲只能安卓玩搜贤、甚至精細(xì)的話可以將每個(gè)人的留言呀、評(píng)論呀等進(jìn)行關(guān)鍵字提取钝凶，比如你經(jīng)常評(píng)論歷史內(nèi)容文章仪芒，即使你瀏覽此類文章比較少，但是也可以作為一個(gè)關(guān)鍵指標(biāo)進(jìn)行使用耕陷，通過(guò)以上各類方式最終形成用戶畫(huà)像掂名，方便后面對(duì)你進(jìn)行文章視頻推送。舉個(gè)例子哟沫，比如在通信行業(yè)饺蔑，我們經(jīng)常會(huì)受到短信，推薦什么什么套餐嗜诀、購(gòu)買流量包之類猾警，這就是通信公司通過(guò)客戶分群、客戶畫(huà)像來(lái)實(shí)現(xiàn)的定向推送隆敢，以保證推送效果发皿、節(jié)省推送成本，通信行業(yè)對(duì)一個(gè)人的畫(huà)像會(huì)多達(dá)上千個(gè)關(guān)鍵指標(biāo)拂蝎，用戶特征的提取對(duì)推薦的準(zhǔn)確度穴墅、有效度會(huì)起到相當(dāng)大的作用；

注：畫(huà)像是指對(duì)一篇文章或一個(gè)人的關(guān)鍵點(diǎn)分析，通過(guò)這些關(guān)鍵點(diǎn)則可大體了解一篇文章或者一個(gè)人的具體形象封救。

（3）環(huán)境特征拇涤，比如獲取你當(dāng)前所在位置是否在旅游區(qū)呀，這個(gè)可以通過(guò)獲取你實(shí)時(shí)位置來(lái)實(shí)現(xiàn)誉结，然后與你之前經(jīng)常出現(xiàn)的所在地進(jìn)行對(duì)比等方式確認(rèn)當(dāng)前狀態(tài)鹅士，是在家還是在旅游。如果系統(tǒng)檢測(cè)到你在泰山游玩惩坑，則可能會(huì)相應(yīng)推送泰山的類似文章資料等等掉盅，讓你感覺(jué)：哇，頭條好智能以舒！

通過(guò)上面三個(gè)方面可以作為數(shù)據(jù)基礎(chǔ)趾痘，分析當(dāng)前你處于什么環(huán)境下，結(jié)合你的用戶畫(huà)像以及文章的畫(huà)像來(lái)推薦蔓钟，盡量做到推送給你的內(nèi)容都是你感興趣的永票。

2、【原文】點(diǎn)擊率滥沫、閱讀時(shí)間侣集、點(diǎn)贊、評(píng)論兰绣、轉(zhuǎn)發(fā)世分，這些都是可以量化的。但一個(gè)大體量的推薦系統(tǒng)缀辩，服務(wù)用戶眾多臭埋，不能完全由指標(biāo)評(píng)估，引入數(shù)據(jù)以外的要素臀玄，也很重要瓢阴。有些算法可以完成，有些算法還做不到镐牺、做的不好炫掐，這就需要內(nèi)容干預(yù)魁莉。

【解析】：可以量化的指標(biāo)可以體現(xiàn)一些具體信息睬涧，但是完全靠這個(gè)并不全面，比如刷評(píng)論旗唁、轉(zhuǎn)發(fā)等情況畦浓，可能就會(huì)迷惑后臺(tái)計(jì)算機(jī)的分析，純粹靠這些數(shù)據(jù)進(jìn)行推薦是有問(wèn)題检疫，里面提到的【數(shù)據(jù)以外的要素】讶请，比如當(dāng)前社會(huì)熱點(diǎn)，雖然你的文章很熱，但是熱點(diǎn)已過(guò)夺溢，也不會(huì)因?yàn)槲恼碌狞c(diǎn)擊率大而繼續(xù)給你推送论巍；還有國(guó)家政策形勢(shì)呀，國(guó)家政策如有調(diào)整风响，你的文章內(nèi)容方向已不符合則也不會(huì)再次推薦嘉汰，例如房產(chǎn)方面文章等；上述這些數(shù)據(jù)并不存在于推薦算法數(shù)據(jù)里状勤，所以算法無(wú)法自動(dòng)完成鞋怀，所以需要人工對(duì)這些數(shù)據(jù)內(nèi)容進(jìn)行維護(hù)設(shè)置，以完善推薦機(jī)制持搜。

3密似、【原文】沒(méi)有一套通用的模型架構(gòu)，適用所有的推薦場(chǎng)景葫盼。我們需要一個(gè)非常靈活的算法實(shí)驗(yàn)平臺(tái)残腌，這個(gè)算法不行，馬上試另一個(gè)算法贫导，實(shí)際上是各種算法的一個(gè)復(fù)雜組合废累。西瓜視頻、火山小視頻脱盲、抖音短視頻邑滨、悟空問(wèn)答，都在用頭條這一套推薦系統(tǒng)钱反，但具體到每套系統(tǒng)掖看，架構(gòu)都不一樣，需要不斷去試面哥。

【解析】不同推薦場(chǎng)景需要不同的模型架構(gòu)哎壳，這個(gè)是比較容易理解的，比如小視頻尚卫，是短時(shí)投入归榕，客戶會(huì)很少計(jì)較時(shí)間成本，所以關(guān)鍵的推薦機(jī)制可能并不是你的用戶畫(huà)像特征吱涉，而是根據(jù)視頻的點(diǎn)擊率進(jìn)行推薦刹泄，點(diǎn)擊率越大的視頻肯定越容易吸引用戶的興趣；而文章需要投入時(shí)間成本較高怎爵，精準(zhǔn)投送要求會(huì)比較高特石，所以各類內(nèi)容推薦算法會(huì)根據(jù)不同的特點(diǎn)進(jìn)行不一樣的推薦機(jī)制，需要不斷嘗試優(yōu)化鳖链。

算法實(shí)驗(yàn)平臺(tái)姆蘸，好理解，比如第一種算法投入測(cè)試，推送10000條信息逞敷，實(shí)際點(diǎn)擊有效率是50%狂秦，相當(dāng)于一條測(cè)試數(shù)據(jù)；后面再對(duì)其他多種算法測(cè)試推捐，最終選取點(diǎn)擊率最高的算法進(jìn)行應(yīng)用故痊。

4、【原文】算法推薦要達(dá)到不錯(cuò)的效果玖姑，需要解決好這四類特征：相關(guān)性特征愕秫、環(huán)境特征、熱度特征和協(xié)同特征焰络。相關(guān)性特征戴甩，解決內(nèi)容和用戶的匹配。環(huán)境特征闪彼，解決基礎(chǔ)特征和匹配甜孤。熱度特征，在冷啟動(dòng)上很有效畏腕。協(xié)同特征缴川，考慮相似用戶的興趣，在一定程度上解決所謂算法越推越窄的問(wèn)題描馅。

【解析】相關(guān)性特征把夸，即是文章畫(huà)像與你的用戶畫(huà)像一致性比較高，則進(jìn)行相應(yīng)推薦铭污。環(huán)境特征恋日，剛才也已經(jīng)說(shuō)明。熱度特征嘹狞，在冷啟動(dòng)很有效岂膳，冷啟動(dòng)的概念是說(shuō)系統(tǒng)里面并沒(méi)有你的相關(guān)畫(huà)像數(shù)據(jù)，比如游客登錄了頭條磅网，會(huì)怎么推薦呢谈截，可以通過(guò)熱度特征，即根據(jù)當(dāng)前社會(huì)熱點(diǎn)呀涧偷、文章閱讀量高低排名呀等一些能代表普遍群體感受的指標(biāo)進(jìn)行推送選擇簸喂。協(xié)同特征，后面解釋了嫂丙，為了解決算法越推越窄的問(wèn)題娘赴，比如通過(guò)你的行為规哲、畫(huà)像跟啤、環(huán)境等各類指標(biāo)進(jìn)行模型分析后，適合推薦給你的文章太少，應(yīng)該怎么辦呢隅肥，這時(shí)候就可以尋找跟你特征相同的用戶竿奏，比如跟你同一個(gè)年齡段、同一個(gè)性別腥放、同一個(gè)地區(qū)等相似用戶的興趣給你進(jìn)行推薦泛啸，可以作為一個(gè)推薦的補(bǔ)充，以實(shí)現(xiàn)比較好的推薦效果秃症。

5候址、【原文】今日頭條有一個(gè)世界范圍內(nèi)比較大的在線訓(xùn)練推薦模型，包括幾百億特征和幾十億的向量特征种柑。完全依賴模型推薦成本過(guò)高岗仑，因此有了簡(jiǎn)化策略的召回模型【矍耄基于召回策略荠雕，把一個(gè)海量、無(wú)法把握的內(nèi)容庫(kù)驶赏，變成一個(gè)相對(duì)小炸卑、可以把握的內(nèi)容庫(kù)，再進(jìn)入推薦模型煤傍。這樣有效平衡了計(jì)算成本和效果盖文。

【解析】：這幾百億特征，大家可能很難想象蚯姆，主要就是包括上篇所說(shuō)的文章畫(huà)像椅寺、視頻畫(huà)像、用戶畫(huà)像蒋失，所有文章包括普通文章返帕、專業(yè)文章，所有關(guān)鍵詞集中起來(lái)數(shù)量是相當(dāng)可觀的篙挽，這每一個(gè)關(guān)鍵字荆萤，在擬合算法中就是一個(gè)向量。所以如果每一次的推薦都依賴這個(gè)最大的模型铣卡，成本確實(shí)太高链韭，所以需要簡(jiǎn)化。

說(shuō)明后面內(nèi)容之前煮落，需要介紹一個(gè)關(guān)鍵詞的含義：召回敞峭，說(shuō)直接點(diǎn)，就是對(duì)符合條件的結(jié)果進(jìn)行排序蝉仇，以決定給你推薦文章的順序旋讹。在業(yè)界對(duì)推薦算法是否有效進(jìn)行評(píng)價(jià)的時(shí)候殖蚕，需要用到召回率這個(gè)指標(biāo)，舉例：所有可供推薦的文章庫(kù)里共有40篇文章與你的用戶畫(huà)像相關(guān)沉迹，實(shí)際通過(guò)推薦算法推薦給你了20篇睦疫，但實(shí)際上有10篇是你真正喜歡的文章，則召回率就是10/40=0.25鞭呕，精度是10/20=0.5蛤育。整句話意思就是根據(jù)推薦算法盡量縮小推薦內(nèi)容庫(kù)，減少計(jì)算推薦成本葫松。

6【原文】在今日頭條工作前三年瓦糕，我收到用戶反饋?zhàn)畲蟮囊粋€(gè)問(wèn)題，就是腋么，“怎么老給我推重復(fù)的刻坊？” 其實(shí)，每個(gè)人對(duì)重復(fù)的定義不一樣党晋。有人昨天看到一篇講巴薩的文章谭胚，今天又看到兩篇，可能就覺(jué)得煩了未玻。但對(duì)于一個(gè)重度球迷來(lái)講灾而，比如巴薩的球迷，可能恨不得所有的報(bào)道都看一遍扳剿。解決這個(gè)旁趟，實(shí)際上需要精確抽取文本特征，比如哪些文章說(shuō)的是一個(gè)事兒庇绽，哪些文章基本一樣等等锡搜。文本特征對(duì)于推薦的獨(dú)特價(jià)值在于，沒(méi)有文本特征瞧掺，推薦引擎無(wú)法工作耕餐，同時(shí)，文本特征顆粒度越細(xì)辟狈，冷啟動(dòng)能力越強(qiáng)肠缔。

【解析】：文本特征提取本身也是一個(gè)比較復(fù)雜的問(wèn)題，舉個(gè)例子哼转，要對(duì)”人民生活水平”這句話進(jìn)行語(yǔ)義解析提取特征明未，可能會(huì)提取出如下一些關(guān)鍵字：人民-民生-生活-活水-水平，至于怎么提取才貼合本篇文章要表達(dá)的意思壹蔓，則需要很復(fù)雜的后臺(tái)邏輯了趟妥，比如可以隨便摘取人民日?qǐng)?bào)1000篇文章作為語(yǔ)料庫(kù)，分析各個(gè)詞語(yǔ)出現(xiàn)的頻率佣蓉，把這個(gè)詞語(yǔ)頻率高低排序作為算法的基礎(chǔ)數(shù)據(jù)來(lái)進(jìn)行本篇文章文本特征的提取披摄，這是一種比較簡(jiǎn)單的方式亲雪。具體的要跟本篇文章如何結(jié)合，保證提取的特征是準(zhǔn)確的則需要更復(fù)雜的算法行疏。

冷啟動(dòng)的意思上篇大體說(shuō)過(guò)匆光，就是在沒(méi)有用戶信息的時(shí)候如何進(jìn)行內(nèi)容推薦套像，比如新注冊(cè)的用戶或者游客酿联，比如騰訊公司統(tǒng)一用QQ號(hào)作為一個(gè)用戶主索引，你玩過(guò)什么游戲夺巩，聽(tīng)過(guò)什么歌曲贞让，都可以作為用戶畫(huà)像特征應(yīng)用到騰訊新聞的對(duì)你推薦文章的算法里，頭條當(dāng)然也可以用sina微博賬號(hào)柳譬、微信賬號(hào)登錄時(shí)的授權(quán)喳张，分析你曾經(jīng)關(guān)注的微博賬號(hào)、微信公賬號(hào)信息等美澳，作為冷啟動(dòng)時(shí)的用戶畫(huà)像數(shù)據(jù)销部。

7【原文】語(yǔ)義標(biāo)簽的效果，是檢查一個(gè)公司NLP（自然語(yǔ)言處理）的試金石制跟。頻道舅桩、興趣表達(dá)等重要產(chǎn)品功能，需要一個(gè)有明確定義雨膨、容易理解的文本標(biāo)簽體系擂涛。所以，在隱式語(yǔ)義特征已經(jīng)可以很好地幫助推薦聊记，且做好語(yǔ)義標(biāo)簽需要投入遠(yuǎn)大于隱式語(yǔ)義特征的情況下撒妈，我們?nèi)匀恍枰龊谜Z(yǔ)義標(biāo)簽。

【解析】：何為隱式語(yǔ)義特征呢排监？簡(jiǎn)單說(shuō)明一下狰右，當(dāng)兩個(gè)詞或一組詞出現(xiàn)在同一個(gè)文檔中時(shí)，這些詞之間可以被認(rèn)為是語(yǔ)義相關(guān)的舆床。機(jī)器并不知道某個(gè)詞究竟代表什么挟阻，不知道某個(gè)詞是什么意思，但是通過(guò)大量文章的學(xué)習(xí)峭弟，機(jī)器就能學(xué)習(xí)出這些詞語(yǔ)是語(yǔ)義相關(guān)附鸽，比如apple跟蘋果、電腦和計(jì)算機(jī)瞒瘸，通過(guò)這些相關(guān)性就可以對(duì)你搜索的內(nèi)容坷备、或者對(duì)你的用戶畫(huà)像進(jìn)行匹配來(lái)推薦文章，你搜電腦情臭，則文章特征包含計(jì)算機(jī)的文章也會(huì)推薦給你省撑。語(yǔ)義標(biāo)簽則是明確指定詞語(yǔ)的語(yǔ)義赌蔑、相關(guān)性作為推薦算法的基礎(chǔ)數(shù)據(jù)來(lái)使用，也就是讓機(jī)器明確明白詞語(yǔ)的相關(guān)性竟秫，當(dāng)然后面這種算法需要耗費(fèi)相當(dāng)大的人力物力娃惯，但是這個(gè)工作做好之后，就保證了數(shù)據(jù)的準(zhǔn)確性肥败，減少了依賴于機(jī)器學(xué)習(xí)的不可控制性趾浅，當(dāng)然這個(gè)功能也是一個(gè)公司自然語(yǔ)言處理最能展示實(shí)力的一環(huán)。

8【原文】除了用戶的自然標(biāo)簽馒稍，推薦還需要考慮很多復(fù)雜的情況： 1）過(guò)濾噪聲：過(guò)濾停留時(shí)間短的點(diǎn)擊皿哨，打擊標(biāo)題黨；2）懲罰熱點(diǎn)：用戶在熱門文章上的動(dòng)作做降權(quán)處理纽谒；3）時(shí)間衰減：隨著用戶動(dòng)作的增加证膨，老的特征權(quán)重會(huì)隨時(shí)間衰減，新動(dòng)作貢獻(xiàn)的特征權(quán)重會(huì)更大鼓黔；4）懲罰展現(xiàn)：如果一篇推薦給用戶的文章沒(méi)有被點(diǎn)擊央勒，相關(guān)特征（類別、關(guān)鍵詞澳化、來(lái)源）權(quán)重會(huì)被懲罰崔步；5）考慮全局背景：考慮給定特征的人均點(diǎn)擊比例。

【解析】：里面描述的內(nèi)容主要是考慮用戶的自然標(biāo)簽之外的一些因素肆捕，1）過(guò)濾噪聲刷晋，一般在做信號(hào)處理的時(shí)候，需要對(duì)信號(hào)進(jìn)行降噪處理慎陵，以平滑信號(hào)曲線方便進(jìn)行下一步處理眼虱。此處的過(guò)濾停留時(shí)間短的點(diǎn)擊，也是出于此考慮席纽，因?yàn)闃?biāo)題黨可能會(huì)引入比較大的點(diǎn)擊率捏悬，但是也會(huì)有非常大的概率是進(jìn)入后直接退出，則這些點(diǎn)擊率并不能代表你的文章比較好润梯，所以這部分點(diǎn)擊就要過(guò)濾掉过牙，所以這個(gè)功能如果真正在推薦算法中應(yīng)用的話，標(biāo)題黨后面將不會(huì)再是提高收益的一種有效方式纺铭。

懲罰熱點(diǎn)寇钉，每個(gè)人在熱點(diǎn)上的表現(xiàn)可能僅僅是因?yàn)殡S大流，并不能代表你真正的用戶畫(huà)像舶赔，所以這部分要降低操作的權(quán)重扫倡，很好理解。

時(shí)間衰減竟纳，也好理解撵溃，比如你一年前喜歡看的文章特征疚鲤，相對(duì)于你前幾天喜歡的文章特征，當(dāng)然是以前幾天的特征為準(zhǔn)作為推送依據(jù)啦缘挑。

懲罰展現(xiàn)集歇，這就是為什么文章說(shuō)不行一直不行，說(shuō)行就猛地飆升上去的原因了语淘。如果你寫的一篇文章推薦給100個(gè)人诲宇，沒(méi)有一個(gè)人點(diǎn)擊，則你的文章特征權(quán)重就會(huì)降低亏娜，以后的推薦數(shù)量就會(huì)降低了焕窝，假設(shè)頭條仁義的話蹬挺，可以給你重新進(jìn)行文章畫(huà)像维贺，再次進(jìn)入推薦序列，如果不仁義則可能就直接打入冷宮巴帮，永不得翻身了溯泣。

考慮全局背景，相當(dāng)于上面所說(shuō)的降噪處理榕茧，比如你這篇文章一個(gè)人又評(píng)價(jià)又贊又轉(zhuǎn)發(fā)垃沦，但是其他100個(gè)人冷眼旁觀，根本不打開(kāi)看用押，則人均點(diǎn)擊比例也是非常低的肢簿，所以考慮這個(gè)因素的話你的文章也是不會(huì)得到大批量推薦的。

9【原文】比起批量計(jì)算用戶標(biāo)簽蜻拨，采用流式計(jì)算框架池充，可以大大節(jié)省計(jì)算機(jī)資源，可以準(zhǔn)實(shí)時(shí)完成用戶興趣模型的更新缎讼。幾十臺(tái)機(jī)器就可以支撐每天數(shù)千萬(wàn)用戶的興趣模型更新绪爸，99%的用戶可以實(shí)現(xiàn)發(fā)生動(dòng)作后10分鐘模型更新薄啥。

【解析】這個(gè)地方了解批量處理跟流式框架即可，一般大數(shù)據(jù)處理工作，比如這里面說(shuō)的批量計(jì)算用戶標(biāo)簽睛廊，會(huì)選擇業(yè)務(wù)量小的時(shí)間點(diǎn)進(jìn)行批量處理，比如在凌晨减俏，這樣可以減少數(shù)據(jù)處理給業(yè)務(wù)帶來(lái)的壓力崔挖，統(tǒng)一更新用戶的標(biāo)簽，但這里存在的一個(gè)問(wèn)題便是無(wú)法及時(shí)更新用戶的標(biāo)簽舰讹。

比如你昨天看了很多足球的相關(guān)文章茅姜，足球這個(gè)標(biāo)簽的權(quán)重會(huì)相當(dāng)高，今天上午突發(fā)奇想對(duì)籃球感興趣跺涤，但如果標(biāo)簽更新延遲時(shí)間很長(zhǎng)的話匈睁，可能下午系統(tǒng)才會(huì)反應(yīng)過(guò)來(lái)給你推薦籃球的內(nèi)容监透，你一上午的時(shí)間推送的可能全部是昨天關(guān)注的足球的內(nèi)容，這肯定不是用戶希望的航唆。

所以頭條采用流式框架后胀蛮，可以基本做到實(shí)時(shí)數(shù)據(jù)處理，基本在用戶查看文章動(dòng)作十分鐘后就能對(duì)你的標(biāo)簽進(jìn)行更新糯钙，提高用戶感受粪狼。

10【原文】影響推薦效果的因素有很多，我們需要一個(gè)完備的評(píng)估體系任岸，不能只看單一指標(biāo)再榄，點(diǎn)擊率、留存享潜、收入或是互動(dòng)困鸥，我們需要看很多指標(biāo)，做綜合評(píng)估：兼顧短期指標(biāo)和長(zhǎng)期指標(biāo)剑按，兼顧用戶指標(biāo)和生態(tài)指標(biāo)疾就，注意協(xié)同效應(yīng)的影響，有時(shí)候需要做徹底的統(tǒng)計(jì)隔離等艺蝴。有人問(wèn)猬腰，所有的這些指標(biāo)，能合成唯一的一個(gè)公式嗎猜敢？我們苦苦探索了幾年姑荷，目前還沒(méi)有做到。

【解析】這里跟第二條類似缩擂，單純靠具體統(tǒng)計(jì)指標(biāo)來(lái)進(jìn)行推薦效果肯定是不好的鼠冕，比如單純看一篇文章的點(diǎn)擊量大，就推送給所有用戶肯定是不合適的撇叁，所以需要進(jìn)行綜合評(píng)估供鸠。

這個(gè)綜合評(píng)估，就需要對(duì)一些因素的有效期限進(jìn)行分析陨闹，比如點(diǎn)擊率有效期是比較短的楞捂，一篇文章在發(fā)布第一天點(diǎn)擊率高則系統(tǒng)會(huì)瘋狂推送，但是第二天可能點(diǎn)擊率仍然比較高趋厉，但是跟一些熱點(diǎn)性的因素相比寨闹，或者跟其他人寫的新文章這個(gè)新鮮因素相比，這個(gè)點(diǎn)擊率有效性就比較差了君账，可能就不會(huì)再次大批量推送繁堡，所以說(shuō)一個(gè)有效的兼容性廣的評(píng)估是需要進(jìn)行全面設(shè)計(jì)的，具體指標(biāo)的權(quán)重應(yīng)該怎么設(shè)置比較好則需要通過(guò)不同的實(shí)驗(yàn)來(lái)判斷。

11【原文】很多公司的算法做得不好椭蹄，不是人的問(wèn)題闻牡，是實(shí)驗(yàn)平臺(tái)的問(wèn)題。 如果A/B Test绳矩，每次數(shù)據(jù)都是錯(cuò)的罩润，不是這兒錯(cuò)就是那兒錯(cuò)，總上不了線翼馆，這個(gè)事就廢了割以。而一個(gè)強(qiáng)大的實(shí)驗(yàn)平臺(tái)，可以實(shí)現(xiàn)每天數(shù)百個(gè)實(shí)驗(yàn)同時(shí)在線应媚，高效管理和分配實(shí)驗(yàn)流量严沥，降低實(shí)驗(yàn)分析成本，提高算法迭代效率中姜。

【解析】算法是需要測(cè)試出來(lái)的消玄，數(shù)學(xué)模型里有各種各樣的算法，其實(shí)每一種算法無(wú)所謂好壞扎筒，只是說(shuō)在哪種場(chǎng)景下這個(gè)算法表現(xiàn)是比較好那個(gè)算法表現(xiàn)一般而已莱找。如果一種算法機(jī)制能在概要設(shè)計(jì)階段就能完全確定這樣就是最好的話酬姆，就不存在實(shí)驗(yàn)的說(shuō)法了嗜桌，正是因?yàn)橛泻芏嗖淮_定性，一種算法的優(yōu)劣也是不確定的辞色，所以能夠降低試驗(yàn)成本骨宠、提高算法更新頻率就成了提取有效算法的最主要的工作內(nèi)容。

12【原文】頭條現(xiàn)在擁有健全的內(nèi)容安全機(jī)制相满。除了人工審核團(tuán)隊(duì)层亿，我們還有技術(shù)識(shí)別。包括風(fēng)險(xiǎn)內(nèi)容識(shí)別技術(shù)立美，構(gòu)建千萬(wàn)張圖片樣本集的鑒黃模型匿又，超過(guò)百萬(wàn)樣本庫(kù)的低俗模型和謾罵模型等，以及泛低質(zhì)內(nèi)容識(shí)別技術(shù)建蹄。

【解析】這個(gè)比較容易理解了碌更，隨著頭條作者數(shù)量增加，純粹靠人工審核洞慎，那人力成本就太大了痛单，所以機(jī)器智能識(shí)別的重要性就凸顯出來(lái)，隨著服務(wù)器性能的增加劲腿，一些重復(fù)性的工作就可以通過(guò)機(jī)器來(lái)實(shí)現(xiàn)旭绒，比如里面說(shuō)的鑒黃模型，就是通過(guò)圖片的相似性判斷來(lái)讓機(jī)器自動(dòng)識(shí)別，也就是通過(guò)機(jī)器進(jìn)行圖像處理挥吵；

低俗模型和謾罵模型重父，主要是需要先建立一些文字模板公式，比如一句話里面含有哪些字符忽匈，或者哪些字符組合就定義為低俗模型坪郭，然后機(jī)器自動(dòng)對(duì)文本進(jìn)行匹配識(shí)別，當(dāng)匹配上之后就監(jiān)測(cè)出來(lái)進(jìn)行過(guò)濾脉幢，這里面用到的主要是文本解析技術(shù)和語(yǔ)義識(shí)別技術(shù)歪沃，現(xiàn)在業(yè)界也都已經(jīng)基本成熟，只是根據(jù)需要的不同進(jìn)行不同的調(diào)整即可嫌松。

作者：purewater2014

鏈接：http://www.reibang.com/p/b564c19567b7

來(lái)源：簡(jiǎn)書(shū)

簡(jiǎn)書(shū)著作權(quán)歸作者所有沪曙，任何形式的轉(zhuǎn)載都請(qǐng)聯(lián)系作者獲得授權(quán)并注明出處。