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? 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。 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。 |
|