¿Cómo utilizar el mecanismo de recomendación de artículos de Toutiao?

Toutiao Slogan nos dice claramente que su mecanismo de recomendación de artículos es un mecanismo de recomendación personalizado para maximizar la precisión del envío y tratar de garantizar que se recomienden los artículos correctos a las personas adecuadas. En última instancia, la clave de este algoritmo de recomendación radica en el análisis de datos y la extracción de comportamientos masivos de los usuarios. Existen muchas plataformas para recomendaciones personalizadas y cada algoritmo puede ser ligeramente diferente, pero el objetivo final es lograr el mismo objetivo a través de diferentes rutas para lograr la recomendación de contenido más precisa.

El mecanismo de recomendación personalizada para los artículos de Toutiao es principalmente:

Recomendación de similitud de temas de artículos similares: recomendar obteniendo artículos similares que los usuarios hayan leído.

Noticias basadas en la misma ciudad: Para usuarios con la misma información geográfica, se recomendarán artículos populares que coincidan con la ciudad.

Recomendación basada en las palabras clave del artículo: para cada artículo, las palabras clave se extraen como características que describen el contenido del artículo. Luego utilice las palabras clave del artículo en el historial de acciones del usuario para hacer recomendaciones coincidentes.

Recomendaciones universales basadas en artículos populares del sitio: según los hábitos de lectura de los usuarios del sitio, busque artículos populares y recomiéndelos a todos los usuarios que no los hayan leído.

Recomendación basada en los hábitos de lectura de amigos sociales: según los amigos externos del usuario, obtenga comentarios o artículos reenviados por amigos externos para obtener recomendaciones.

Recomendar palabras clave basadas en los intereses a largo plazo del usuario: recomiende comparando los intereses de lectura y las palabras clave a corto y largo plazo del usuario.

Enumere recomendaciones basadas en hábitos de lectura de usuarios similares: calcule la similitud del comportamiento de los usuarios dentro de un período de tiempo determinado y haga recomendaciones cruzadas para leer contenido.

Recomendación de contenido basada en fuentes de distribución del sitio: según la distribución de fuentes de los artículos leídos por los usuarios, se calculan y recomiendan 20 fuentes de noticias que les gustan a los usuarios.

Por favor, acéptelo, gracias.