272.微头条 (第2/4页)

注关系，朋友圈基于现实关系和微讯内好友关系，但在内容呈现上，它的显示原则都遵循着时间轴线timeline。

    而微头条需要在时间轴线上加入一些影响因素，对整个信息流进行一个筛选重排。

    整个推荐模型中，会有些可量化的数据，比如用户行为：点击率、点赞、评论转发；用户环境数据：地理位置、时间；热度特征：全局、分类和主题热度。

    基于内容和用户进行匹配，这就是老程设想的创新性。当然，也不是说没人想到这个点子。不过开始做的人应该是不多。”

    陈东卓微微点头，“这个我可以理解路总，但在实现上，我想是有比较大的问题。首先是初始启动，针对内容我们需要进行标签标注和分类，只有内容的训练模型ok了，我们才能够将内容和用户进行关联。”

    路舟笑了笑，“这个你可以放心。数据源，梦谷是有人提供。在分类上，我们采用层次化的文本分类，比如大类科技、体育、财经，如体育再细分篮球足球，再一层层往下细分。

    而你们需要将它不断细化和颗粒化，比如娱乐中最下层级甚至要具体到人，比如某明星之类。颗粒越小，标识度越高，那推荐效果自然更理想。

    我想，杨密的用户应该很喜欢有她的八卦消息。”

    陈东卓，“那么接下来？”

    路舟，“既然内容分类层级有了，自然是文章内容输入到系统中，系统为每篇文章打上分类标签。

    随着内