今日头条算法原理（全）

个人总结：

今日头条新闻资讯类推荐，主要使用基于资讯内容和要用户标签进行的推荐，同时也使用了协同过滤算法，

因为资讯类的时效性，存在冷启动的问题，对文本语义特征的挖掘和用户标签的挖掘，可以解决这个问题，

今日头条通过不同算法组合，构建了推荐模型，和召回策略，对一个用户，先用其兴趣等标签，过滤候选资讯，然后对召回的资讯调用推荐模型计算得分进行推荐。

今日头条的文本特征分为语义挖掘和隐式的语义特征，语义挖掘主要是得到文章的分类，主题等，是为了文章的分类、用户兴趣表达等用途使用，隐式的语义特征主要是利用NLP技术，提取特征词，关键词等，隐式特征可以很好的帮助推荐且难度较小，但是显示的挖掘基于上述原因也是必不可少的。今日头条的文章分类算法采用的是逐层分类的方式，每个分类器根据分类问题的特点和难度是异构的，基本分类器主要有：SVM、CNN、RNN

用户标签，主要是根据文本的语义挖掘结果进行处理，并且加入了一些策略，如时间衰减、热度惩罚、未点击惩罚等

同时模型评估对一个模型的优化很重要。对内容的安全控制是一个红线。

 

主要收获：

1）对于新闻资讯类内容推荐，因为实时性较强，存在冷启动问题，协同类特征无法使用，所以需要文本特征

2）内容分析和用户标签是两大基石

3）推荐的本质是解决用户、环境和资讯的匹配

4）召回模型的使用，先用召回模型缩小资讯范围，再使用推荐模型计算是否推荐和得分

5）典型的推荐特征