关于本性化推荐，我的领略是：凭据每小我私家的爱好，在符合的时间、符合的场景、把符合的内容以符合的形式出此刻用户眼前，满意用户的需求。那么这里就涉及到了三部门，用户——算法和计策——内容。

下图是一个简朴的新闻推荐构成部门：

新闻推荐简图

我们的“人”和“物”都是巨大的，需要用我们领略的标记去把他们描画出来，让我们的措施领略。

一、内容画像 1.1 新闻文章来历

做新闻，我们首先要有文章源。文章的来历，一般有三部门：

呆板在各个资讯网站抓来的文章。

公司编辑本身写的文章。

入驻作者写的文章。

1.2 内容分类体系先容

有了文章，我们需要把文章分门别类的放在一个内容池子里。

那么该如何分门别类呢？这里就涉及到了内容分类体系。

在我们逛 *** 的时候，会有各类物品的分类，好比家居，好比图书，好比衣服。

同样的，文章也会有分类。当我们打开一个资讯app，好比头条吧，就可以看到导航栏有：“军事”“汗青”“时政”等等。

京东和头条的前台分类

这是我们在前台可见的，其实在它的背后，有一套复杂的分类体系，下面我们来说一下。

分类体系一般有三种形式：布局化，半布局化，非布局化。

布局化的分类：层级理解，有父子干系，分类间彼此独立，好比科技-互联网-人工智能。

半布局化的分类：具有布局化的形式，同时也有一些不成体系的分类，我认为常识图谱算是一种半布局化的分类体系。

非布局化的分类：分类较量机动，没有明晰的父子干系，如独立的要害词标签。

布局化分类体系

常识图谱

1.3 常见问题和分类原则

一级分类=二级分类的环境：如美食，宠物的一级二级分类名称沟通。

二级分类不足全或分的较粗：如汗青被分为“古代史，近代史，现代史”。

一些分类较杂：如“科学摸索”分类下大概各类内容都有。

一些二级分类归属不足符合：在有一级分类“职场”的环境下，“职业培训”被放在了“教诲”。

一些文章没有好的归属，如办公软件的进修类文章没有归属。

人工智能分类下的文章有一些是玩偶。

在做分类的时候我们会遵循一些原则，这里我来说一下布局化分类体系搭建的原则。

彼此独立：各分类间内在该当彼此独立。

完全穷尽：各分类该当完全穷尽罗列，下一级分类可以构成上一级分类的全集。

定名该当短小易懂。

定名该当精确无歧义。

定名具有内容代表性。

分类粒度该当适合，不能较粗或较细。

每个分类下三级分类不能过于复杂。

释义该当相对简朴明白，不该长篇大论过分专业。该当从c端用户角度思量，使标注的人可以一下子领略分类的内在，而非必需具有专业常识才可判别，不然不切适用户思维习惯。

1.4 构建分类体系

那么接下来我们该如何去做分类体系呢？有两个思路：

1）让措施按照站内用户欣赏记录，抓取出欣赏较量多的一些要害词，我们凭据这些要害词去整合分类。

但从实际操纵来看，用户的乐趣分层是：（一二三级）分类——主题——乐趣点——要害词的层级，

举个例子：科技（一级）——互联网（二级）——人工智能（三级）——智能办公（主题topic）——语音助手（乐趣点poi）——小爱（要害词）

假如我们按照要害词往上会集分类，会较量难实施。

2）工钱的界说出一二三级分类。详细操纵步调如下：

相识每个一级分类内在，查阅大量相关网站，如搜索汗青垂类网站，查察网站内容和分类。②按照网站分类，逐一罗列，从日常用户乐趣角度出发罗列三级分类粒度的分类词。

从三级分类归并二级，以及从二级分类拆分三级分类双向举办整理。

对分类给出释义和界线，以便标注人员区分。

那么我们如何担保三级分类下的文章富裕？以及如何担保人工分类的精确性呢？

我们采纳了两个法子：