微信公众号文章质量评分算法详解

作为一个多年的微信公众号作者，了解微信公众号文章打分的机制是十分有必要的。微信在后台其实有一整套的打分机制，今天基于腾讯的这篇Paper《Cognitive Representation Learning of Self-Media Online Ariticle Quality》为大家介绍下文章质量打分背后的算法理论。

在这篇paper中其实重点分享了两个方面，一方面是文章质量分的深度学习模型设计方法，另一方面是训练数据的构造法。

1 文章质量分模型架构设计方法

整个模型的设计分为两层，第一层是蓝、粉、绿这三个模块，作为基础的文章质量embedding生成层。第二层是最上方的FC Layer全连接层，这一层主要是做评分。

论文里把上面这个网络架构叫做CoQAN，文章质量分的训练模式被当成了二分类问题。

在模型设计上分为三个独立的模块（Subnetwork），分别是：

• Layout Organization Subnetwork：布局结构判断网络，用来生成布局相关的评分

• Writing Characteristics Subnetwork：协作风格判断网络，用来评估文章的写作风格

• Text Semantics Subnetwork：语意深度判断网络，用来评估文章内容的质量

 

（1）Layout Organization Subnetwork

在布局评估网络中，主要通过循环网络算法GRU去判断图片、文本、视频的布局结构。 

每段文章或者视频或者图片叫做一个block，GRU算法用来表述上下block结构pattern，用CNN表述block内部的布局。然后GRU和CNN综合起来

（2）Writing Characteristics Subnetwork

这个网络主要解决的是如何评估文章的协作风格，更多的是NLP方面的一些特征的挖掘，比如标题长度、核心词的个数、文章长度、n-gram、图片和文章的比例、图片数量、文章数量等。

然后利用one-hot编码就可以得到原始特征，然后还可以用一些特征交叉去生成一些交叉特征。

（3）Text Semantics Subnetwork

语意理解模型，通过优化bert模型形成hi-bert模型。hi-bert模型可以挖掘句子和词之间语意关系，找到主题和文章的语意深度。

 

2 文章质量分模型训练数据

 

上文介绍了文章评分模型的结构，在Paper的结尾片段还介绍了训练数据的构建方式。文章质量分训练可以看作是一个二分类问题，所以需要选择正样本和负样本。

正样本的标准是高等级的账号发表，具备比较高的喜欢、分享次数，不符合标准的被作为负样本。最终Paper中的模型训练使用了22054篇文章作为正样本，16194篇文章作为负样本。

最终在与其它文章质量分模型的比较中，CoQAN取得了比较好的结果：