新闻用户智能总结

时间：2024-08-25 09:57:25 总结我要投稿

新闻用户智能推荐总结

　　总结是指对某一阶段的工作、学习或思想中的经验或情况加以总结和概括的书面材料，通过它可以全面地、系统地了解以往的学习和工作情况，为此我们要做好回顾，写好总结。总结怎么写才不会千篇一律呢？下面是小编为大家整理的新闻用户智能推荐总结，欢迎大家分享。

新闻用户智能推荐总结

　　七组数据对比测试在不同好友推荐数目的情况下的F1值（F1—Measure）数据记录，其相应的数据对比情况如下图：

　　笔者根据测试的F1值可以得出以下三条结论：

　　①测试七文本、标签和图像三类数据的融合推荐效果及其推荐F1值要高于其它单模数据或其它组合数据推荐；但基于文本和标签的融合推荐F1值和文本、标签和图像三类数据的融合推荐F1值相近似，相比其它的单模数据和多模数据的融合推荐效果要好；

　　②基于图像的好友推荐F1值确最低，说明图像在高维特征向量表达用户兴趣还比较模糊，但图像特征融合标签特征效果会好于其它单模特征；

　　③随着推荐好友数量的增加，单模和多模数据的推荐效果的F1值都在逐步增高，但这种增高是随着好友的数量增加而缓慢增高。

　　总结：

　　在今日头条的产品落地中不仅将用户的文本、标签和图像特征融合进行推荐，也会将将用户的属性特征和社交关系特征融合进行好友推荐；

　　另外，用户的兴趣是多样性、可变性的，有时推荐系统还会加入情境感知信息，如：时间、情感、场景等。这也是今日头条产品重点迭代的一个方向。

　　最后：今日头条也好、抖音也好、多闪也好都是字节跳动旗下的明星产品，均为AI赋能助力的产品相信推荐系统会越来越融合跨行业和跨平台的推荐打法，突破数据孤岛。具体系统的知识可以见笔者的畅销书《AI赋能：AI重新定义产品经理》。

　　升华在以上例子中AI产品经理应该做的事是：

　　1、停用词库的构建。

　　2、明白关键词术语和意义例如：精确率、召回率及F1值，精确率（Precision），查准率。即正确预测为正的占全部预测为正的比例。个人理解：真正正确的占所有预测为正的比例。召回率（Recall），查全率。即正确预测为正的占全部实际为正的比例。个人理解：真正正确的占所有实际为正的比例。F1值。F1值为算数平均数除以几何平均数。

　　3、研究定义产品的分析对象、分析指标、能够应用分析结果。

【新闻用户智能总结】相关文章：