老板说“我们要做个性化推荐”时，你该怎么办......

必要通过用户的举动来得到，用户通过阅读，点赞，评述，分享来表达本身对消息内容的喜欢；跟热度排名相同，我们对用户的各类举动赋予必然的“喜欢分”，譬喻阅读 1 分，点赞 2 分，评述 5 分等，这样消息特性跟用户举动团结后，就能获得用户的特性分。

而跟着用户阅读的消息数越来越多，该用户的标签也越来越多，而且加倍精准。

从而当我们拿到消息的特性后，就能与用户的要害词列表做匹配，得出消息与用户阅读特性的匹配度，做出本性化保举。

5、其他运用

除了本性化保举，基于内容的相干性算法能精准地给出一篇消息的相干保举列表，对相干阅读的实现很是故意义。另外，标签体系对消息分类的实现和晋升精确性，也有重要的意义。

6、优弱点

基于内容的保举算法有几个明明利益：

• 对用户数目没有要求，无论日活几千或是几百万，均可以回收；因此本性化保举早期一样平常回收这种方法。

• 每个用户的特性都是由本身的举动来抉择的，是独立存在的，不会有相互滋扰，因此恶意刷阅读等消息不会影响到保举算法。

而最首要的弱点就是确定性太强了，全部保举的内容都是由用户的阅读汗青抉择，以是没步伐发掘用户的隐藏乐趣；也就是因为这一点，基于内容的保举一样平常与其他保举算法同时存在。

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!