智能推荐？
智能推荐，是通过人工智能技术，为电商、新闻、阅读、在线教育、泛娱乐等行业提供千人千面的智能内容推荐服务，
以数据驱动业务，有效提升用户粘性及转化率，提高app、网站用户体验。
以数据+算法+系统为核心，结合电商、多媒体、资讯等行业积累的大数据和深度学习、自然语言处理人工智能技术帮助客户实现全平台内信息流、产品页、排行榜等版块的智能推荐。
这里从媒体新闻客户端出发做分析，智能推荐的一些设计和思考。
千人千面
同样的一个“推荐”列表，对于普通用户我们推荐的新闻：
普通用户
对于科技达人我们推荐的新闻：
科技达人
对于文艺爱好者我们推荐的新闻：
文艺爱好者
对于旅游爱好者我们推荐的新闻：
旅游爱好者
整体架构
主要分为这几个步骤：
1 文本分析
文本分析在推荐系统中一个很重要的作用是用户兴趣建模。没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样。同时我们也要知道哪些文章是互联网标签，我们才好给用户推荐。
3 用户信息收集
我们可以通过SDK api上传用户的实时行为数据。比如用户对文章的阅读时长，对文章的点赞评论，对文章的分享等互动功能。用户打开客户端的时间，用户对部分栏目的重点关注等并存储下来。
4 推荐模型构建
我们通过文章，用户和环境特征来构建推荐的模型
推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞这些都是可以量化的目标，能够用模型直接拟合做预估。
3 推荐数据的提供
通过API的方式，单独提供一个新闻列表数据。需要上传用户的id，用于后台进行用户标示。时间戳，用于推荐的实时性处理。
智能推荐参考
功能点1 提供一个单独的推荐栏目，推荐数据
功能点2 可以不断的下拉刷新，并显示“成功为你推荐了x条新内容”
功能点3 提供“不喜欢”理由，用户可以选择理由
为了进一步提高用户推荐指数，建议前端和后台协调添加增加推荐词功能：
如下（来自凤凰新闻客户端）：
功能点4 支持app显示，阅读到之前的位置。显示为“上次看到这里，点击刷新”，点击后下拉刷新
功能点5 点击“不喜欢”后。会显示“将减少推荐类似内容”，显示5s，支持撤销。5s后彻底消失。
其他注意点
-
1 一个单独的栏目展示推荐的内容。
-
2 新闻列表返回新闻的标签列表，我们通过标签选择不喜欢。
-
4 推荐热点的新闻，对于有用户数据的用户，推荐他喜欢的新闻。比如经常关注军事新闻的用户，会在推荐频道中看到更多的军事新闻。
-
5 对于没有用户数据的用户，推荐按照最近的热点新闻进行推荐。
-
6 确保请求的刷新接口以及下一页接口始终有数据。
API设计综述
1 提供推荐栏目数据（列表数据）
- 接口请求增加时间戳（timeStamp）机制+请求标识（刷新操作update 加载更多操作loadmore）
- app第一次加载数据的时候不传递时间戳，默认加载第一页数据
app进行下拉操作的时候，通过传递第一条新闻的时间戳（timestamp 后台返回新闻按时间倒序排列，第一条则为最新的数据）+刷新请求标识（update）到后台，后台处理逻辑会返回这条之后的最新数据，并规定确定好pageSize，返回的数据小于等于pageSize。也就意味着返回的是最新的数据。 - app进行上拉操作的时候，通过传递最后一条新闻的时间戳（timestamp 后台返回新闻按时间倒序排列，最后一条则为当前app最旧的数据）+加载更多请求标示（loadmore）到后台，后台处理逻辑会返回这条新闻之前的旧数据，并规定确定好pageSize，返回的数据小于等于pageSize。也就意味着返回的是旧的数据。
2 提供“不喜欢”接口 ，用户可以上传不喜欢的标签
为进一步提高智能推荐的精确度，我们提供上传标签操作，后台通过列表返回的数据，同时在每条新闻中返回不喜欢标签+喜欢标签。用户可以点击app新闻上的小x“删除”当前新闻，并且选择标签。
网友评论