阅读今日头条推荐算法原理后的整理

推荐系统的数据依赖：
    //一、推荐模型的特征需要用户侧和内容侧的各种标签
    //二、召回策略需要获取用户侧和内容侧的各种标签
    //三、内容分析和用户标签挖掘是搭建推荐系统的基石

   总的来说就是：推荐系统来源于内容和用户的特征;

基于以下4点完成系统文章推荐功能
1.内容分析
   主题词（标题）
   兴趣标签
   文章主要词汇
   热度与时效
   作者来源
   相似文章
   总结：主要依据文章标题、文章类型（标签--文章类型的层次化文本分类）、文章内容高频词汇（概率）

2.用户标签
   用户特征  兴趣特征(感兴趣的类别和主题、感兴趣的关键词、可能喜欢的兴趣特征)
                  身份特征(性别、年龄、职业等)
   用户行为（文章点击率、广告点击率、阅读时间、点赞、评论、转发）
   以下内容可根据需求考虑
                  //用户行为对整个推荐系统的贡献惩罚
           //过滤噪声：过滤掉停留时间短的点击，打击标题党
                         //惩罚热点：用户在热门文章上的动作做降权处理
                         //时间衰减：随着用户动作的增加，老的特征权重随时间衰减，新动作贡献的特征权增加
                         //惩罚展现：推荐给用户的文章没有被电击，相关特征（类别，关键词，来源等）权重减少
   用户环境（习惯阅读时间、常驻地点、整体阅读时间长度）


3.评估分析（根据需求考虑）
    兼顾短期指标和长期指标
           例：策略调整短期内用户觉得新鲜，但长期没有任何助益；或短期无影响，长期有益
    兼顾用户指标和生态指标
           例：为内容创作者提供价值，并有义务满足用户。加上广告主利益的考虑；多方考虑并平衡的过程
    注意协同效应的影响，有时候需要做彻底的统计隔离
    //协同效应如下

4.内容安全
     平台社会责任：严格审核文章的内容
      例：色情、谩骂、违法等
--------------------------------------华-----丽-----的-----分-----隔-----线--------------------------------------------
典型推荐特征
         //评价内容的属性和用户是否匹配
      相关性特征：关键词匹配、分类匹配、主题匹配、来源匹配
         //
      环境特征：地理位置、时间
         //热度信息在用户冷启动的时候非常有效
      热度特征：全局热度、分类热度、主题热度、关键词热度  （热度可单独搜索热度算法了解）
         //通过用户行为分析不同用户的相似性
       协同特征：点击相似用户、兴趣分类相似用户、兴趣主题相似用户、兴趣词相似用户

名称解释：
冷启动：当启动应用时，后台没有该应用的进程，这时系统会重新创建一个新的进程分配给该应用，这个启动方式就是冷启动。
热启动：当启动应用时，后台已有该应用的进程（例：按home键回到桌面，但是该应用的进程是依然会保留在后台，可进入任务列表查看），所以在已有进程的情况下，这种启动会从已有的进程中来启动应用，这个方式叫热启动。
召回策略：用户在两月内未在系统做出任何操作，则归为流失用户（未参加活动或阅读文章）；
分析用户流失的原因，根据用户之前的行为习惯推送合适的消息达到召回的效果。