今天早上上班遂填，有個產(chǎn)品群里拋出pmcaff的面試題截圖，蠻感興趣的就隨機回答了下澈蝙。后來群友私下找到我吓坚，讓我詳細說下，后來發(fā)現(xiàn)他對這一領域接觸比較少灯荧，對話難以繼續(xù)礁击，所以我直接寫篇文章算了。
我也不是相關領域的產(chǎn)品經(jīng)理逗载，姑且寫寫哆窿，諸君隨便看看就可以了。
問題：如何在新聞信息流中更好的向用戶推薦新聞厉斟？
我給出的意見是：基于用戶的協(xié)同過濾+數(shù)據(jù)標簽+機器人學習+人工調優(yōu)挚躯。
基于用戶的協(xié)同過濾
這個肯定是我首先考慮的，不扯專業(yè)名詞解釋擦秽，我用個例子說明下這個算法的應用码荔。
失心瘋（產(chǎn)品經(jīng)理網(wǎng)友名）是一個新聞愛好者，每天都要不定時打開今日頭條看新聞感挥，我是今日頭條產(chǎn)品經(jīng)理缩搅，我會怎么推薦新聞呢。
假如天馬叔（產(chǎn)品經(jīng)理同行）很喜歡新聞類別如下：“韓國女團新聞”链快、“日本女團新聞”
沙漠叔喜歡：“美國女團新聞”誉己、“英國女團新聞”
失心瘋喜歡“韓國女團新聞”，那么我會推薦“日本女團新聞”給他域蜗。
這個還是有點粗暴巨双，我們還可以具體點。
比如：新聞全部看完算5分霉祸，看完并給正面留言算10分筑累，只是點開就刪除算-5分。失心瘋有一個他的新聞評分表丝蹭，通過數(shù)據(jù)導入公式慢宗，來就是計算和他最像的那群人。然后根據(jù)那群人點擊什么新聞后點擊下一個新聞，給失心瘋推薦新聞镜沽。
這個就是基于失心瘋的協(xié)同過濾了敏晤。
數(shù)據(jù)標簽
這個相對容易理解些，根據(jù)失心瘋的瀏覽記錄缅茉，做出他的用戶畫像嘴脾。能夠猜測他的性別、年齡蔬墩、地域等信息译打。基于他的點贊拇颅、評論奏司、踩等行為，猜測他的性格特征等樟插。根據(jù)他的點擊時間韵洋，猜測他的工作休息時間（偷懶時間）。根據(jù)他的瀏覽偏向等岸夯，猜測他的愛好興趣麻献。
數(shù)據(jù)采集完成，基本他的數(shù)據(jù)標簽就比較明顯了猜扮，然后根據(jù)數(shù)據(jù)標簽推薦熱點新聞勉吻。
其他
機器人學習和人工調優(yōu)沒辦法展開來講了，因為這個必須有團隊和具體的應用場景才可以旅赢。
以上就是我對這個問題的答案齿桃。
