【原】谁能比你更懂自己？还真的有！

本文字数：1751，阅读时长大约8分钟

---

闲暇之时，刷刷短视频、逛逛购物平台、看看剧都是打发时间的好选择。不知你有没有发现，自己和朋友下载了同样的短视频APP，俩人的首页推荐却大相径庭？和同事坐在一起点外卖，明明地址相同，刷出来的美食种类和店家却各不一样？

其实，是有一位“有心人”在背后默默努力，只为了更懂你。那就是——推荐算法！

那么，算法是怎样细心观察你的生活，并让你的“网上冲浪”更丝滑的呢？主要可以概括为三步。

01

当“侦探”，挖掘用户喜好

完成用户画像

用户画像就是对用户的特征进行收集，了解用户的偏好，例如常点击、购买、收藏、播放的视频是什么，算法都会一一记录下来，通过这些特征形成用户的偏好“文档”。

举例来说，小美一天看了三部电影，第一部恐怖片只看了开头，第二部喜剧片看到了高潮，第三部动画片看到了结尾，甚至连彩蛋都没放过。那么，算法就会根据观看电影类型的不同、观看时长的区别等等进行筛选整理，不仅可以了解你的类型偏好，还可以衡量出喜爱程度，多方位构建用户兴趣画像。

02

打标签，将内容进行分类

方便用户观看

传统的分类方式一般是人为打标签，并投放到对应的领域下，像 Netflix（Nasdaq NFLX，简称网飞）在做推荐时，就请了上万名专家对视频从上千个维度来打标签。

如今，在内容产量较大时，算法就能够帮助进行快速处理，将一个个内容放在适合的标签筐内。比如算法可以从文章中提取出文本信息重复度高的关键词，以此作为标签；还可以对视频通过标题中的描述信息进行特征对比，或者通过视频里出现的形象进行检测，从而构建出合适的标签。

03 

运用推荐算法，

完成个性化推荐

现在，算法的左手握着不同偏好的用户，右手则是各有特色的视频，然后算法就可以将其一一匹配对应，尽最大可能把用户可能心仪的视频展示出来，形成推荐列表。

例如，算法计算出你最爱看动画片，对动画片的点击率和观看长度都远远高于恐怖片，算法就会将动画片放到你的推荐列表上方，比恐怖片的“地位”更高。