1、推荐系统的本质

推荐系统的本质是从庞大的内容池中选择用户感兴趣的内容。

内容池中有几十万、上百万条内容，涵盖了文章、图片、短视频、问答等多种类型。机器在给用户匹配内容时，主要依靠三个因素：内容、用户、用户。用户对内容的兴趣程度。

第一个要素是，机器如何理解一段内容？

简单来说，就是依靠关键词识别技术来表征内容。什么是关键词识别？以一篇文章《绝代双骄受挫！C罗被舍普琴科的球队防死，梅西感受63年耻辱》为例：

在这篇文章的标题和正文中，多次出现“C罗、舍甫琴科、梅西、足球、球队、欧洲杯”等词语。很明显，它们都是体育词汇，所以本文首先会粗略地分类到体育领域，然后根据具体关键词细分为“足球、国际足球”等第二、三级分类。

内容说明

机器提取的高频词是实体词，即名词和代词。文章中出现的虚词和转词，如：of、place、de、and、for、about、although、but、because、so.不会作为系统识别的关键词。因此，在标题和文本中暴露精确的实体词对于机器理解你的内容非常有帮助。

第二个要素是，机器如何理解用户的阅读需求？

机器会根据用户的特征来描绘用户的肖像。比如他的基本信息“性别、年龄、地区”等；他的行为信息，例如“订阅账号、历史浏览文章、喜欢的内容、关注的话题”等；以及用户当前所处的环境，例如“工作、旅游、娱乐场所”等。系统获取这些用户信息后，会对用户进行分析计算，计算出用户喜欢的内容类别、话题、人物等，从而完成用户配置文件。

不同特征的推荐效果

当提取内容特征、用户特征和环境特征时，机器将结合所有因素以将用户满意度函数与内容拟合。它估计用户点击每篇文章的概率，然后从数十万到数百万的内容池中从高到低对所有文章进行排序。脱颖而出的前十篇文章将推荐到用户手机上进行展示。

2、一篇文章的推荐之旅：初审 - 冷启动 - 正常推荐 - 复审

一条内容发布时，整个系统会经历几个步骤： 首先进入初审流程—— 初审后进行加权推荐，即“冷启动” ——冷启动完成后，内容正常推荐—— 推荐过程中，用户点击、评论、举报等行为都会触发审核流程，影响后续推荐。

推荐流程

初审的目的是确定内容是否存在违反国家相关法律的风险。在这个过程中，机器会确定优先级，并将内容交给不同的人审核。在机器和人类的配合下，内容将以更快的速度通过初步审核，立即展示在用户面前。

初步审查

冷启动：根据前几千次印象，机器可以确定哪些人喜欢内容，哪些人不喜欢。当内容获得足够的冷启动机会时，它将被撤销。至于后续的内容推荐，就看实力了！

正常的推荐冷启动阶段可以展示一条内容的推荐效果。如果一条内容推荐效果很好，机器就会认为这篇文章有潜力，会进一步将推荐扩大到更多的用户，10000、30000、50000甚至更多。如果用户对阅读该内容兴趣不大，系统就会收紧推荐并减少后续推荐。

冷启动

回顾在正常的推荐过程中，根据各种用户行为，机器会检测到数据中的许多异常情况。例如，如果一条内容的点击率特别高，但同时也有很多负面评论和举报，那么该内容就会再次进入审核流程，即审核。审核过程中，如发现存在标题、掩盖、庸俗、虚假等问题，将停止推荐。

3、推荐中的常见问题

消除重复，针对同一热点挤压相似文章，推荐系统会选择最合适的内容推送给用户。因此，如果关于这个热门话题的其他文章表现特别好，很可能会影响你的内容推荐。也就是说，每篇文章的推荐数量不仅取决于当时的具体环境，还取决于当时整个内容池中其他文章的表现。

内容本身。如果一条内容本身属于小众领域，目标群体有限，那么推荐系统已经推荐了这些群体，没有办法推荐给其他人。另外，内容时效性短也会影响推荐。例如，对于体育赛事报道，一小时后分数可能会发生显着变化。在这种情况下，将不再继续推荐。

审核拦截如果某条内容推荐到一半突然不再推荐，可能是该内容的数据指标存在问题。比如点击率太高、差评数量太多，就会进入审核流程。

影响推荐的其他因素

当然，冷启动的推荐效果不佳、粉丝的数量和质量、用户对文章的偏好、外部环境等因素也会对内容的推荐效果产生一定的影响。

4、如何获得更高推荐？

二、把握关键词原则。如何让机器更好地理解你的内容？标题和正文中多使用实体词（名词、代词），避免使用非常规词，如“腿万二年”、“霍九建”、“程惠万”等。使用人名、地名时，尽量使用全称。名称而不是缩写或昵称。