信息太过和告白过多的社会中，推荐算法的利用也就显得理所虽然，可是它是如何做到相识用户的呢？本文从用户画像的界说和设计出发，团结实际案例，深入浅出地叙述了基于用户画像的推荐算法及其产物设计。

为了利便读者更好的领略本文，笔者将以今天头条（发起在手机上下好“今天头条”APP，且更好注册一个头条号并登录到靠山）这款产物为例输出一些内容推荐（分发）相关的“干货”。

作甚推荐？简言之：“物以类聚，人以群分”，那作甚物，作甚人呢？答：物为内容（文章/图文/视频等），工钱用户（刷今天头条的用户）；那么呆板怎么知道内容和人属于什么种别（断物识人）呢？再答：“内容画像”和“用户画像”的构建，而推荐的进程其实就是完成用户和内容的匹配。那么什么是“内容画像”和“用户画像”呢？呆板是如何对两者举办精准构建和匹配呢？

一、内容画像

内容画像，简朴来说就是内容的特点。假如具象化内容，笔者更倾向于假设是一个内容漏斗（雷同于倒三角形用户漏斗，不外所示干系不必然为层级干系，见图1）。之一层凡是暗示内容的一个垂直规模（大种别）尔后头几层可以大抵暗示为标签/要害词/主题词等小种别。

▲ 图1：用户漏斗

1. 垂直规模

分别 *** ：呆板标注（NLP技能），人工手打，PUGC创作者选择（已不需要）。

思量到内容漏斗有许多层，为了便于领略，笔者简朴说一下用户可以直寓目到的几层。最显眼的大概就是之一层了，在头条（指今天头条）内部凡是指的就是垂类（垂直规模），如：科技、娱乐、体育等。举个栗子，笔者之前宣布的一篇vivo NEX的软广，被呆板识别成了“科技”规模的文章。那这个内容之一层就是科技。

垂类的分别 *** 凡是为呆板标注（涉及NLP技能：文天职类、定名实体识别等）、人工手打（传说中“打tag”的一种主要形式），或PUGC创作者（统称：头条号）在宣布内容时举办规模选择（如图3），不外，此刻宣布内容已不需要举办选择。

▲ 图2：笔者头条号“不二科技君”标题截图

▲ 图3：来历百度图片，早期头条号宣布内容时需选规模

2. 细分tag

分别 *** ：呆板标注（NLP技能）

显然，光知道内容的大类并不能给用户精准的推荐感乐趣的内容。那就需要第二层内容漏斗了，这里要讲的其实也是一种打tag的形式（涉及NLP技能：文本主题/要害词抽取），只是平台按照用户的爱好对内容做更进一步的更细化了。照旧上面举例的这篇vivo NEX双屏版文章，对应的一些细分tag就有vivo、手机、科技等。「不外“一起皮一下才开心”是什么鬼？」

▲ 图4：上述举例文末对应的细分tag

虽然，这个内容漏斗远不止这两层，细分其实有许多种，好比接着上文举例的文章来说，漏斗大概是这样的：科技->手机->Android->vivo->vivo旗舰机->vivo NEX->vivo NEX双屏版。而细分得越风雅，内容画像也就越清晰，推荐才越精准，虽然，技能难度也是同样提高的。

像头条较量强悍的竞品之一“一点资讯”，就号称有365万个本性化订阅频道，可想后头支撑的一个推荐算法团队是有多强。虽然，除了内容的特点之外，内容画像还包括内容的质量、热度、原创度、所宣布用户的权重等。而这个权重指的就是头条仇家条号所宣布文章的推荐权重（更多的是内容冷启动推荐数量，以及后续推荐的加成幅度），如图5可见头条对笔者这篇“软广”的推荐量，也可以侧面看出面条对付软文的打压力度。

▲ 图5：上文举例文章的靠山数据，推荐数为5228

那推荐权重由什么来抉择呢？个中一项就是头条号指数。头条号指数是之前平台为了让做作者们过新手/评原创而提出的一个量化指标（如图6），而这个头条号指数其实可以领略为平台对付头条号的一个打分，抉择了头条号所宣布内容的推荐权重。而头条号指数的评定尺度有5大方面（如图7）：原创度、垂直度、存眷度、康健度、流传度。