发帖
雷达卡
该主题为【学道会】活动，点击了解详情
我会不定期在主题帖里记录我的学习内容（主要经济金融、互联网产品与运营有关）
有效回帖会有论坛币奖励哦!(注意：与主题内容相关的跟帖笔记才是有效跟帖）
可以跟帖的内容，比如：
1-主题学习内容的关键词句摘录
2-与主题学习内容相关的学后感或总结
3-手抄主题学习内容照片上传
4-与主题学习内容相关的任何能让你有收获的学习方式
手抄上传照片形式最为鼓励，会得到最高额奖励
学习内容：内容算法：把内容变成价值的效率系统
笔记：
>> 作为一个读者，只要你的感受有代表性，我们就该做出改变，就该做得更好。
◆ 自序
>> 凡有痛点，必有机会。
◆ 引言
>> 科技赋予的神力让个体价值前所未有地凸显了出来：个性化的推荐让人们不再被热点围绕、不再被排行榜左右，而是享受足够定制化的信息集合——资讯新闻、服饰妆容、饮食偏好，以及一个个让自己成为独一无二的个体的理由。
>> 一言以蔽之，推荐是特定场景下人和信息更有效率的连接。
◆ 走近内容推荐
>> 点击调权
>> 话题、类目、实体词
>> 推荐系统支持分类和实体词两个维度的用户画像
>> 值得注意的是，在推荐系统中，用户的行为不仅像在搜索系统中那样具有针对内容价值的群体评估意义，而且还具有针对自身画像的个体进化意义。
在群体评估意义层面，每一个读者就像是一名陪审团成员，通过自己的行为来决定某篇内容的好坏。比如某篇关于NBA的内容，如果连偏好NBA的用户都不怎么点击，那么这篇内容在“NBA”这个实体词下的权重自然应该降低。这一部分的应用与搜索场景比较类似。
在个体进化意义层面，用户的阅读反馈行为在持续改进着自身的画像。比如，用户是热火队的粉丝，那么在行为层他就会更多地点击与热火队相关的NBA内容，系统捕捉到这一信息后，就会在他的画像中补充“热火”这个实体词，从而影响后续的推荐内容流。
>> 保持了离线模型训练、在线召回排序、更新用户画像与内容画像的基础结构
>> 我们需要认识到的是：短期的干预是应该逐步被长期的机制所替换的。规则就像打补丁，短期打补丁能够遮住窟窿，但长期补丁叠补丁这衣服就没法穿了。
◆ 推荐的起点：断物识人
>> 标签是我们对多维事物的降维理解，抽象出事物更具有表意性、更为显著的特点。
>> 应用分类时必须考虑分类权威性和信息完备性问题，避免因为子节点覆盖不全或分类错误导致的认知问题。
请为我点赞
京公网安备 11010802022788号
