今日头条文章、视频、图片、问答等内容算法推荐机制解读

一、推荐原理解析

头条推荐算法的本质：就是从一个巨大的内容池里给当前用户匹配出最感兴趣的一些文章。

内容池有几十万上百万的内容，包含文章、图片、小视频、问答等各种各样的题材，在给用户匹配内容的时候，主要依据三个要素：内容、用户以及用户对内容感兴趣的程度。

系统如何内容？

内容刻画

系统在做内容刻画的时候，主要会依托于关键词识别技术。系统会先提取文章中的关键词，然后根据关键词将内容进行粗分类，接下来根据细分领域的关键词对分类进行细化（细分领域细化分类）

内容刻画：比如关键词是罗纳尔多、足球、世界杯，大部分关键词都属于体育类词汇，就会先把文章分类到体育大类，然后根据具体的关键词细分到“足球”“国际足球”等二三级类目。

关键词提取原则

1、高频词规则

系统会提取文章中高频出现的词汇（某些词汇在标题和正文中出现的频次都非常高，系统会将这些高频词作为一篇文章的关键词备选）。

2、独特性原则

在大部分文章中经常出现的词，不会被认为是文章的关键词（虚词：的、地、得、而、对于、关于、吗等；转折词：虽然、但是、因为、所以、可是、然而等）。

三个小技巧
如何写文章才能让算法模型更好识别我们的关键词
1、避免使用非常规词（腿玩儿年、活见久、城会玩、DBQ、BHYS等）
2、人名地名用全称，不用缩写或外号
3、标题中露出具有代表性的实体词（名词、代词：人名地名公司名等）
4、我自己加一条，时效性社会热点（独立解读角度）

用户刻画

系统怎么理解我们用户？根据浏览历史、身份标签、环境特征、搜索内容等做成用户标签。

用户标签主要分为三大类：一是用户基本信息；二是行为信息；三是阅读兴趣。

系统是怎么精准的把内容推荐给兴趣用户的？

推荐算法的本质是利用文章的特征、用户喜好特征以及环境因素，拟合一个用户对内容满意度的函数，估算用户对每一篇文章的点击概率，然后从内容池里将所有的文章按照兴趣由高到低排序，前十名的文章会在此时脱颖而出，被推荐到用户的手机上进行展现。

二、一篇文章的推荐历程

创作者生产出一个内容，会经历以下几个步骤：
内容初审-<冷启动-<正常推荐-<复审（继续推荐/打压处理）

初审结束后系统会进行一些加权推荐，将这些篇文章首先推荐给几千名用户。这个环节头条称之为“冷启动”。冷启动完成后，系统对文章做正常推荐，在这个过程中，文章就会被展示出来。同时系统还在不断收集用户反馈（点击、评论甚至是举报）。基于这些行为信息，进而触发系统复审流程，会直接影响文章的后续推荐。

初审目的：判断文章是否违反相关法律法规的风险，算法模型会优先判断它的风险级别，然后根据风险级别分发给不同的审核人员进行处理（系统+人工）

冷启动：目的在于创造“火”的可能性，新文章在发布初期会提高分发权重（推荐给几千人），系统会根据相关数据设置推荐的时间段。在这个时间段内观察用户的这几千次点击、分享、点赞等，从而判断哪些人群会喜欢这篇文章，哪些人群绝对不会喜欢。完成“冷启动”系统会撤销文章的加权，后续这篇文章能不能火起来，就要靠这篇文章本身的创作实力了。

正常推荐：通过了冷启动阶段的文章，系统收集到最基础的推荐效果，如果一篇文章推荐效果很好，系统就会认为这篇文章是有潜质的，会进一步扩量推荐给更多的用户（1或10万）；如果一篇文章的用户阅读兴趣不是特别大，系统会收紧推荐，继续观察文章的表现。在正常推荐的过程中，系统也会收集各种异常数据（如点击率特别高但负面评价和举报又特别多），这时文章就会再次进入审核流程。

复审：如发现标题党、封面党、低俗、虚假等问题，系统会停止文章推荐。（①、标题党：过度夸张、故意营造悬念、无中生有、歪曲事实、题文不符、低俗引导等；②、封面党&低俗：图不清晰或涉及低俗色情，存在恶意引导等情况；③、虚假：违背科学常理，描述未被证实或与已发生事实相悖的事件情节；④、包含推广信息：各种联系方式、黑五类、交友等）