內容算法時代，如何引爆用戶流量？
對于算法分發很多人會有所誤解，這或許源自遠觀而缺乏了解，才會覺得算法猛如虎 。而當你走近了算法分發，有了一定的了解之后，可能會有重新的認知：算法如虎，細嗅薔薇 。一、算法分發知多少？盡管算法分發中應用了各種高深的算法，但其基礎原理卻是樸素的：更好地了解待推薦的內容，更好地了解要推薦給的人，才能更高效的完成內容與人之間的對接 。
從這個角度來看：斷物識人，是一切推薦行為的起點 。對于斷物識人，我們可以將它理解為打標簽的過程 。標簽是對高維事物的降維理解，抽象出了事物更具有表意性、更為顯著的特點 。在不同的業務場景下，我們會選擇不同的標簽進行使用，來對內容和用戶進行標注 。在內容畫像層面，以音樂為例，最典型的有兩種標簽產出的方式：專家系統：潘多拉(Pandora)的音樂基因工程（Music Genome Project） 。
在這項工程中，歌曲體系被抽離出450個標簽，細化到如主唱性別、電吉他失真程度、背景和聲類型等等 。每一首歌曲都會被經由工作人員耗時30分鐘左右，有選擇性標注一些標簽，并以從0到5的分值代表這一標簽的表征程度 。UGC產出：在豆瓣，給音樂打標簽的活則從專家產出，轉為了普通網友貢獻 。群體的力量為豆瓣積累了大量具有語義表意性的標簽 。
當然，由于用戶的多樣性和編輯的開放性，用戶標簽系統需要經過特定的清洗和歸一化才能投入使用 。在用戶畫像層面，可以分為靜態和動態兩部分 。用戶畫像中靜態的部分比較好理解，即你的設備信息、地理位置、注冊信息等等，這些可以被理解為是業務無關的信息 。具體到業務場景中，用戶產生了更多的行為，就生成了業務相關的動態信息，即利用人的各種顯式和隱式行為來對用戶的偏好性進行的猜測 。
以知乎讀書會為例，你的顯式行為是點擊、收聽、評分、評論等等；隱形行為則是收聽完成度、是否有拖拽快進、頁面停留時長等等 。通常，由于顯式行為不夠豐富，我們往往需要使用隱式行為來擴充我們對于用戶的理解 。完播率、是否快進、詳情頁停留時長等指標，都會被系統統計，用來判斷你是否真的喜歡某個人的講解、喜歡某本書的內容 。
在內容畫像的部分，可以看到一篇文章通過文本分析進行了一級和二級分類，并抽取出文章內的關鍵字、實體詞，進一步的還會通過聚類的方式，將這篇文章與其相似的內容聚成一個簇類 。之所以會有聚類，是因為專家系統的分類體系一定是對于變化不敏感的，響應不及時的，而聚類能夠挖掘出更多內容的隱含信息 。在用戶畫像的部分：（摘錄自今日頭條推薦算法原理全文詳解——曹歡歡博士）內容畫像和用戶畫像，是一個相互影響的循環系統 。
內容畫像決定人的畫像，自然是最容易理解的 。在音樂場景下，你收聽、收藏、評分了很多爵士類的音樂，那么系統就會判定為你是一個喜歡爵士音樂的用戶 。在讀書的場景下，你閱讀、收聽了哪些書籍，哪些書籍聽完了、哪些書籍重復收聽了很多遍，都會影響系統中，你的用戶畫像 。因此，“你的選擇決定你的畫像”可以說絲毫不為過 。而反過來，人的畫像也會影響內容的畫像 。
我們可以看作是基于用戶的行為，對內容做出的后驗投票 。在一個大體量的視頻上傳體系里，我們基本放棄了依賴人工打標簽的方式，而轉而利用用戶的播放行為來試圖猜測內容屬于哪一類 。一個典型的Case：死神來了 ?？礃祟}的文本信息，最大概率就是一部電影，但事實上觀看這個視頻的大面積是喜歡獵奇類視頻的用戶，深挖內容才會知道，這其實是一個車禍視頻集錦 。
推薦閱讀
- 華為b5不能看微信內容 華為b5微信看不了
- 獵魂覺醒項鏈怎么得到,《獵魂覺醒》1月10日更新內容
- 火影忍者ol手鞠泳裝怎么得,《火影忍者OL》本周更新內容前瞻
- 幼兒園行政檔案有哪些,行政類檔案有哪些內容
- 論文查重平臺有哪些內容嗎,如何選擇論文查重平臺呢
- 德育實踐活動有哪些內容,假期德育實踐活動有哪些
- 安卓平板電腦論壇，有哪些比較好的平板電腦論壇？內容好的？可讀性多的？
- 讓子彈飛講述了什么故事？主要內容簡介及故事情節概述
- 駕照科目三考試內容，駕照考試科目三需注意那些
- 初中生物實習內容如何寫,大三實習期待新模式