推荐机制_手机网易网

网易号作者创作的文章，传输到推荐系统后，就进入到随时待命的状态，被机器推荐分发给用户。推荐系统如何将文章，智能地推荐到各个感兴趣的用户面前呢？打个比方，我们把一篇文章比喻为一个包裹，推荐系统就是一个高效的快递员，快递员之所以能将包裹准确地送到用户手中，就是因为他知道用户的住址，并通过精确识别包裹上的地址，送到用户的手中。

一、推荐系统如何识别“地址”？

一篇文章，包含了标题、正文、来源等多种信息，这些信息都是文章的重要组成部分。推荐系统通过对文章的特征识别，判断其分类、领域，以及最有价值的信息，即作品的类别、关键词或者标签，这些信息就构成了文章最基本的“地址”。

1、充分利用标题中的有效信息

机器会充分提取标题中的实体词，用于文章的分类、关键词等特征提取。所以在创作时，既要注意保证标题的吸引力，又要注意不能有太多的不符合常规用法的词。例如YYDS、厉害了我的哥等词，对于机器来说，可能存在一定的识别困难，导致它不能从标题中提取有用信息.

2、标题尽量使用有意义的实体词

标题中减少语气助词、虚词、数词等，能够让机器更好地理解文章。例如同样一篇讲述明星时尚的文章，“范冰冰杨幂蒋欣也有画错妆的时候，有点惊悚！”这个标题就比“你见过他们画错妆的样子吗？有点惊悚！”体现出了更多文章中的代表性信息，能够让机器更精确得识别文章特征，获得更多的推荐机会。

3、正文中词的频率和性质

一篇文章在机器识别过程中，会被解析成字、词等粒度的语料，系统根据这些字、词的频率和性质，判断文章的特征。与我们人的经验认知一样，一般而言，我们判断一篇娱乐类文章是关于电影新片的报道，往往从字里行间中出现频率较高的明星名字、电影片名、电影专业术语得出结论的，例如周星驰、朱茵、大话西游、翻拍等词。机器也会从文章出现的高频词中，识别这些词并进行判断。

二、推荐系统如何更好的匹配用户和内容？

文章有自己的特征，用户也有自己的特征。推荐系统要做到把文章推荐给对它感兴趣的用户，不仅要识别文章的特征，也要对用户有全方位、动态化的认知，只有这样，才能充分了解用户的阅读兴趣。而用户的特征和阅读兴趣，就是机器从大量的数据中分析出来的。

这些数据包括什么呢？

1、用户的基本信息

· 性别、年龄、职业、地理位置等；

· 机型、品牌、账号（包括第三方登录账号）等；

2、用户直接表明兴趣的行为

· 关注的栏目

· 关注的网易号

· 搜索的话题

· 用户主动反馈的不感兴趣类别、关键词等

3、智能分析计算得到的用户兴趣偏好

· 阅读/分享/收藏过的文章分类、关键词等

· 相似用户的喜好

三、其他影响推荐的因素

在文章生产后，机器会有一个初始投放的过程。在初始投放时，系统将文章推荐给与该片内容特征最匹配的用户，这些用户的行为数据反馈，包括点击率、分享数、收藏数、阅读进度、读完率等，对后续的推荐起了非常重要的作用，数据表现越好，被认为文章越受用户欢迎，越有机会获得更多的曝光。

此外，文章还会具有一定的时效性。一篇文章的时效性有24小时、48小时、72小时、一周等，文章的时效性也会影响到推荐的周期和顺序。

所以，想要获得高的推荐量，就必须创作一篇受用户欢迎的文章，来拉动各项数据指标。

1、好的标题和配图，提升点击率

直接的方法就是创作出吸引人的好标题，设置与文章主旨相符的、引人入胜的好配图。当然，吸引人的标题不能过度创作，变成夸张的标题党，系统对于识别出是标题党的文章，是会打压推荐量的。

2、文章引人入胜，提高用户阅读时长和读完率

这就要求作者的正文，图文并茂，具有较高的可读性，吸引读者读完文章、较长时间停留在正文阅读页。如果标题很吸引人，用户点击进来发现正文写的不好，会马上跳出页面，这样，用户阅读时间过短，系统会识别为虚假点击，影响文章的数据表现。

3、观点实用、独到，提高用户的收藏数、分享数、跟贴数

很多用户有分享、收藏的行为，如果文章质量佳、实用性强，用户会自发地收藏或者转发；而文章观点独特、吸引用户跟贴，更能提升文章的数据表现。

4、内容合规，避免被用户举报投诉、负面评论

我们设置了虚假新闻、低质量、低俗等投诉选项，如果用户投诉达到一定数量，文章将会被系统识别打压；用户评论中如果出现一定数量的负面评论，也会影响文章的推荐量扩大。

5、保持账号的优质性

我们会对账号发文情况进行判断，如果该账号一贯以来，发表的文章产量稳定、质量好、受用户欢迎，那么我们将会在推荐量上给予其下一篇文章的鼓励。

四、文章的数据表现为什么不好？

1、推荐量低

（1）相似文章过多，被去重；同话题文章过多，内容供过于求

很多作者擅长抓住热点加以发挥创作，这样能够吸引主流用户，但由于很多作者都有这个倾向，导致一部分文章集中在某一个话题或者领域，甚至相似度过高，被系统去重。这个很好理解，100篇同话题文章，对应10000个用户，和10篇同话题文章，对应10000个用户，每篇文章的用户获得的推荐量肯定是不一样的。

（2）感兴趣或者潜在用户人数少

推荐系统的机制就是将文章推荐给感兴趣的用户。如果文章涉及的话题、事件过于冷门、晦涩难懂，鲜有用户问津，那么系统能为文章找到的感兴趣用户或者潜在感兴趣用户较少，导致推荐量低。

（3）时效性短

一些文章发布后，受内容或者话题时效性影响，时效性非常短，会影响到推荐量。

（4）内容存在审核和投诉等合规性风险。

如果文章不符合审核管控规定，会被审核员认为不可推荐；如果文章过了审核，但推荐过程中被用户投诉或者负面反馈过多，也会被系统下撤停止推荐，影响推荐量。

2、点击率低

（1）标题吸引力不足

标题对用户无吸引力，文章的点击率自然就不高。

（2）配图不够吸引人

资讯阅读往往是碎片化时间进行，视图表现对吸引用户点击至关重要，如果图片平淡无奇或者图文不符，用户自然失去点击的动力。

（3）文章特征不明显，识别成本高