王敬恺

算法推荐是在对海量用户行为的数据分析与挖掘基础上，利用计算机通过数学算法，推测出用户可能喜欢的东西。

目前，算法推荐大致可分为三类：

基于内容。理论依据主要来自于信息检索和信息过滤，根据用户过去的浏览记录向用户推荐其没有接触过的推荐项。

基于知识。某种程度上可以看成是一种推理技术，它不是建立在用户需要和偏好基础上推荐的，可以是用户已经规范化的查询，也可以是一个更详细的用户需要的表示。

基于协同过滤。它是基于这样的假设：“跟你喜好相似的人喜欢的东西，你也很有可能喜欢”。所以基于用户的协同过滤主要的任务就是找出用户的最近“邻居”，从而根据最近“邻居”的喜好做出未知项的评分预测。

算法内容平台的推荐个性化主要表现在：一是针对审核通过的文章，智能推荐引擎会根据内容质量、内容特征、首发情况、互动情况、媒体的历史表现、媒体订阅情况，为文章找到感兴趣的读者并推荐；二是针对读者，根据其阅读历史、地理信息、搜索關键词、阅读习惯等进行推荐。

以今日头条、一点资讯为代表的智能新闻客户端，凭借强大的算法、先进的数据抓取技术，能够精准分析并解读用户的阅读习惯和兴趣，从而为用户提供量身定制的新闻产品，满足个性化需求。

但随之带来的色情、谣言、夸张广告等低俗内容泛滥，这还只是算法推荐新闻平台在内容分发方面所面临的难题之一。……