大鱼号如何进行智能推荐呢？大鱼号智能推荐究竟是什么？

大鱼号如何进行智能推荐呢？大鱼号智能推荐究竟是什么？智能算法如何抓准用户兴趣?1、用户画像如前面所言，智能算法根据用户的性别、年龄、位置、兴趣等不同维度为用户推荐相关内容。比如男性群体与女性群体所偏好的信息……

大鱼号如何进行智能推荐呢？大鱼号智能推荐究竟是什么？

智能算法如何抓准用户兴趣?

1、用户画像

如前面所言，智能算法根据用户的性别、年龄、位置、兴趣等不同维度为用户推荐相关内容。比如男性群体与女性群体所偏好的信息不同，新疆与福建人对信息的需求也是不同的。基于用户的个性化行为，可以判断一个人属于怎样的人群。比如可以根据用户的收藏、阅读、跟贴、点赞、分享、刷新等行为，来判断用户的喜好，抓住用户兴趣。

解密!自媒体开放平台的推荐策略原来是这样的

2、文章模型

人群具备很多特征，文章同样如此，一篇文章会有兴趣点、分类等不同特征。利用算法可以挖掘出文章的很多特征，比如文章的质量等级、文章的热度等级、用户关注的兴趣点等，比如算法根据用户阅读的时长来判断文章的质量等级，当然不仅仅时长，还有其他很多因素如三俗等都可以影响文章的质量等级的评定。

文章模型可以根据文章的元信息、文本内容特征、文章质量和热度进行确定。

元信息：标题、正文、来源、列表页展现模式、发布时间、时效性、地域……

文本内容特征：关键词、主题、类别、实体词、兴趣点、三俗度、标题党、软文……

文章质量和热度：点击率、阅读时长、阅读完整度、投诉、跟帖、分享/收藏……

智能推荐策略

在识别用户兴趣、与文章模型之后，如何进行智能推荐呢?

首先是热门推荐，根据文章的一系列数据，识别一篇文章更受用户欢迎，贴上了热门的标签，文章就可能智能分发给更广泛的受众。所以优秀热门的文章能被分发的几率也相对大一些。

其次是内容特征推荐，根据文章的分类，娱乐类、体育类等文章，分别分发给不同兴趣的受众。

三是协同过滤推荐，一个用户会有他自己的特征，而很多用户会有他们共同的特征，比如“男性”、“女性”、“我们都喜欢娱乐”、“我们都爱看《甄嬛传》”等等，100个用户有着这样的共同特征，其中90个人阅读了一篇文章，算法基于群体共同特征这样的假设，认为剩下没有点击这篇文章的用户也可能会对这篇文章产生兴趣，进而向他们进行了推荐。当然这其中的算法是非常复杂的，并非如此简单。

四是用户属性推荐，这主要是一些人口统计学上的特征，如根绝性别、年龄、地域等特征进行文章推荐。

五是随机推荐，即没有任何理由进行了推荐，这看起来并不智能，但却解决了很多问题。如果完全根据用户兴趣进行推荐，可能导致用户每次阅读的内容都是一个类别的信息，比如推来推去总是娱乐新闻。而随机推荐就解决了这个问题，随机推荐可以挖掘用户更多的兴趣，比如历史类内容用户在新闻客户端并没有点击，算法也就没有推荐，而随机推荐后，用户发现这个内容自己也很感兴趣，扩充了用户的兴趣点。