从2017年开始接触新闻资讯类的个性化推荐开始,很幸运接触到的是一个新产品,从基础的框架开始搭建,到现在一步步实现个性化推荐,看着我们搭建的推荐系统越来越多的对外输出,有更多的资源接入进来,越来越有信心,但同时也有压力,感觉自己能力的成长跟不上项目的进度,所以压力也是蛮大的。
标签、分类算是推系统的基础,且对于整个推荐系统来说,标签的准确性、分类的准确性也是整个推荐体系需要持续去优化的。关于标签和分类,我参与过2次标签的筛选、入库,文本类资讯分类准确性的评测22次,全权负责视频类资讯分类准确率的优化项目。
在多数新闻资讯类APP中,视频下的子频道也是必不可少的一个模块,而我们也需要与竞品对齐,所以在机器对视频分类的准确率达到行业标准后,输出视频子频道上线的策略,结合现有视频分类的准确率、对比竞品,给出视频子频道上线方案,并推进项目的进展。
为了满足不同地方用户对当地新闻的需求,开发地方频道。通过竞品分析、地方新闻特征的归纳总结,并了解算法现有的运转机制后,给出当前算法可执行,且能满足用户体验的地方频道上线方案,并推进项目进展。
个性化推荐中一个大大的重点就是用户画像的可信赖性,而在一块me的重点工作则是通过用户行为和数据分析,来验证现有的画像平台是否准确,如不能满足用户需求,需要改进的地方有哪些,并给出可落地的优化方案来。
比较笼统的一个概括,语言比较通俗易懂,相信后面会更好的~
网友评论