什么是內(nèi)容興趣偏好標(biāo)簽?zāi)?

　　簡單來說就是分析用戶喜歡看的文章類型，得到用戶的興趣偏好，在這樣的基礎(chǔ)上，對用戶進(jìn)行內(nèi)容的個性化推薦和push推送，來有效促進(jìn)app的活躍并拉長用戶生命周期。

　　這件事情簡單來說其實就是兩步走：

　　首先對文章進(jìn)行分類，也就是俗稱的貼標(biāo)文章。

　　二是，給用戶打標(biāo)簽，也就是一個用戶閱讀了哪些不同類型的文章，相應(yīng)的就會獲取到學(xué)生自己的興趣選擇偏好進(jìn)行標(biāo)簽。

　　那么，在實踐中真的這么簡單嗎？看似簡單的兩個鏈接究竟是如何工作的？

　　通常，有三種方法可以獲取示例：

　　首先，文章的人工標(biāo)注，優(yōu)點是準(zhǔn)確，缺點是效率低，因為算法需要大量樣本，成本非常高。

　　另一種方法是通過一些開源網(wǎng)站提供模型訓(xùn)練的關(guān)鍵詞，如可以從搜狗詞典中獲得，優(yōu)點是成本低，但缺點也很明顯，因為不同的分類系統(tǒng)對部分分類有不同的理解，分類不夠準(zhǔn)確，后期需要大量的人力來修正。

　　第三種方式是配合一些信息類的app，獲取他們的文章和分類作為樣本。比如好的比如今天的頭條，uc都是不錯的選擇。我們當(dāng)時其實也試過(一顆苦澀的淚)。

　　獲取樣本以后，就是算法模型的訓(xùn)練及其檢驗了。算法模型的訓(xùn)練原理，即通過對樣本文章進(jìn)行分詞，抽取實體，建立特征工程，將每一個特征詞作為向量，擬合出一個函數(shù)，這樣，當(dāng)有新的文章時，該文章通過分詞，并通過模型計算出結(jié)果。但模型并不是能夠有樣本一次性就能準(zhǔn)確的，模型還需要進(jìn)行測試和矯正。