今日头条是怎么做新闻推荐的？这篇文章告诉你

如果希望参与到 MindStore 栏目报道，或者有相关项目推荐，请点击我们网站顶栏 “寻求报道” 按钮填写相关资料。初创团队的产品如若想获得 MindStore 栏目的采访，请将产品提交到 MindStore.io。

刚刚与王石开完会的张一鸣，也许想不到，今日头条的用户量又往上涨了 2000 万。——上周，MindStore 与这款数亿用户的新闻聚合阅读器合作第 119 期 “MindTalk 线场 ” 时，被告知他们的用户量已经从 4.5 亿成长到 4.7 亿。

从 2012 年到 2016 年这几年间，平均算下来，今日头条平均一年新增 1 亿多用户，平均每月新增 1000 多万用户。每个月的成长，几乎相当于别人努力一年甚至几年的结果。

随手一翻 2013 年、2014 年关于今日头条的消息，夹杂着许多对产品的疑问：今日头条称自己使用 “大数据算法” 为用户精准推荐内容，真的是用机器算法推荐，还是用人工推荐呢？而且效果确实好吗？

回头来看，2012 年到 2016 年，新闻客户端一直是国内各个科技大公司的争夺之地，网易、搜狐、新浪、百度、腾讯，一直在力推旗下新闻阅读类的产品。而且，几年前在各个移动互联网的 app 都还没钱打线下广告的时候，首先开始进驻飞机场、地铁站、公交站等广告牌的，正是这些财大气粗的新闻门户。而今日头条，从这些巨头当中突围而出，如果仅仅是按照传统的新闻采编方式——在资源不对称的情况下，很难成为一匹黑马。

有人说，今日头条的用户量大多是靠预装带起来的。然而，预装对于各家门户的新闻客户端来说，是一个带来用户量的常用手段。如果大家都用了同样的手段，但最终留下来的是今日头条，这说明了什么？

市场是检验一款产品到底成功与否的唯一标准。今日头条推荐的新闻，更符合用户群体的口味。

然而，在拥有数亿用户的情况下，今日头条若依然坚持人工推荐的话，人力成本巨大不说，效率也不会高。通过技术手段，自动化整个服务链条，从来是应对业务规模化的路径。假如你以前不相信今日头条自己有做个性化内容推荐算法，那么现在，你必须相信今日头条它已经这么做了。因为没有一份报纸，可以每天出版数亿份不同内容的读物。

那么，今日头条如何做到内容精准化的推荐，它对今日头条的商业模式带来怎么样的影响？通过机器的方式对信息的分拣，以及推送，真的可以触动到读者的心吗？

***

4 月 20 日，今日头条核心算法负责人杨震原，在 MindStore 分享时提到，一开始今日头条的推荐算法，首先入手的是 “非个性化推荐”——解决的热门文章推荐，以及新文章冷启动的问题。

杨震原在 “MindTalk 线场” 说，“单纯的热门（文章），会让一些新文章没有机会。单纯的随机（推荐），（文章）质量当然不好，所以考虑一些简单方法，比如算一下威尔逊置信区间，来平衡热与新的问题。”

之后，今日头条开始逐步引入个性化推荐的策略。他们所采用的，是协同过滤（Collaborative Filtering）** + 基于内容推荐，直到今天依然构成今日头条推荐算法的基础。

关于协同过滤，参考 IBM developerWorks 中文社区的专业解释，“协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。”

杨震原在 MindStore 分享，“（协同过滤）是一个很好的方法，直到今天我们还一直使用。但缺点也很明显，对于没有行为（记录）的文章，没办法推荐，所以没办法用于文章的冷启动。所以我们引入了基于内容推荐的策略。比如计算文章的分类、文章的关键词，然后根据用户对文章的阅读、浏览等信息，细化用户的个人资料。——这样子，如果文章是和科技相关的，而用户的个人资料也显示科技相关，那么就算匹配。”

“在之后的工作，是把特征、模型做得更加细化。比如，文章实体词的抽取。我们最近对文章的分析，已经做得很细，可以精确地提取实体词。我们近期引入了 ‘词嵌入’（word embedding）方法，做向量化的分析，还引入 LDA 的方法，进行 topic 分析等等。”

除此之外，今日头条还通过用户对内容的 “正负反馈” 来判断内容匹配是否精准。正反馈，包括用户点击了、看了很长时间、分享了、收藏了、评论了，都是正反馈。负反馈反而是比较难获取的，现在今日头条在内容上设置了一个小叉，点击之后，会咨询用户不感兴趣的理由，这种做法则会获取比较强的负反馈。但是通过这种方式收集到的数据还不多。

那么，我们知道现在的个性化推荐算法还未尽善尽美。在 “MindTalk 线场” 上，有用户提问，“今日头条如何平衡传统意义上的头条新闻和用户感兴趣的头条新闻？” 对此，杨震原的回答是，“我们目前是增加非常少的运营干预一天只有零星几条，来增强传统头条新闻的推荐，避免机器推荐对这类内容推荐的不足。” 但是，拿捏新闻推荐的平衡点，是整个业界都在钻研的问题。

通过杨震原的解释，我们基本知道了今日头条推荐算法的原理：通过算法，一边提取内容的特征，一边提取用户兴趣的特征，然后让内容与用户的兴趣匹配。不过，除了对文本进行分析外，今日头条如何对用户进行分析呢？

杨震原说，“新用户能够得到的信息（历史行为）非常有限。我们尽量通过一下其它途径想办法获取信息，比如说，如果通过微博登录，那么就可以拿到很多信息，解决冷启动的难题。再比如，手机机型、手机在什么城市等信息，基本也可以知道。当用户积累了一定的行为数据之后，就可以算出他们的兴趣特征。总之，尽量通过有限的信息，来猜测用户的兴趣。”

今日头条通过机器匹配用户阅读兴趣，与内容本身的特征之后，这对他们的商业有怎样的影响？

广告界有一句名言，“企业所投放的广告费总有一半是浪费掉的，但是却没有办法知道被浪费掉的是哪一部分。” 今日头条目前的商业模式也是以广告为主，因此在产品上所产生的巨大流量，可否与广告内容精确匹配，进而进行更加精准的转化。

根据今日头条所提供的案例，此前海尔旗下卡萨帝选择在今日头条的动态开屏和信息流中投放广告，最后开屏广告的转化率达 11.93%。