閒暇之時，刷刷短影片、逛逛購物平臺、看看劇都是打發時間的好選擇。不知你有沒有發現，自己和朋友下載了同樣的短影片APP，倆人的首頁推薦卻大相徑庭？和同事坐在一起點外賣，明明地址相同，刷出來的美食種類和店家卻各不一樣？

其實，是有一位“有心人”在背後默默努力，只為了更懂你。那就是——推薦演算法！

那麼，演算法是怎樣細心觀察你的生活，並讓你的“網上衝浪”更絲滑的呢？主要可以概括為三步。

01

當“偵探”，挖掘使用者喜好

完成使用者畫像

使用者畫像就是對使用者的特徵進行收集，瞭解使用者的偏好，例如常點選、購買、收藏、播放的影片是什麼，演算法都會一一記錄下來，透過這些特徵形成使用者的偏好“文件”。

舉例來說，小美一天看了三部電影，第一部恐怖片只看了開頭，第二部喜劇片看到了高潮，第三部動畫片看到了結尾，甚至連彩蛋都沒放過。那麼，演算法就會根據觀看電影型別的不同、觀看時長的區別等等進行篩選整理，不僅可以瞭解你的型別偏好，還可以衡量出喜愛程度，多方位構建使用者興趣畫像。

02

打標籤，將內容進行分類

方便使用者觀看

傳統的分類方式一般是人為打標籤，並投放到對應的領域下，像 Netflix（Nasdaq NFLX，簡稱網飛）在做推薦時，就請了上萬名專家對影片從上千個維度來打標籤。

如今，在內容產量較大時，演算法就能夠幫助進行快速處理，將一個個內容放在適合的標籤筐內。比如演算法可以從文章中提取出文字資訊重複度高的關鍵詞，以此作為標籤；還可以對影片透過標題中的描述資訊進行特徵對比，或者透過影片裡出現的形象進行檢測，從而構建出合適的標籤。

03

運用推薦演算法，

完成個性化推薦

現在，演算法的左手握著不同偏好的使用者，右手則是各有特色的影片，然後演算法就可以將其一一匹配對應，盡最大可能把使用者可能心儀的影片展示出來，形成推薦列表。

例如，演算法計算出你最愛看動畫片，對動畫片的點選率和觀看長度都遠遠高於恐怖片，演算法就會將動畫片放到你的推薦列表上方，比恐怖片的“地位”更高。

演算法推薦是所有內容提供平臺的基礎要求，越“聰明”的演算法越懂得使用者，越能留住使用者的心。事實上，只要使用者開啟手機，選擇想要看的內容，後續應用介面的推薦內容就會越來越符合使用者的口味。使用者不需要自己絞盡腦汁去搜索，就能夠隨時隨地獲得愉快的娛樂服務體驗。

0４

人人都離不開的演算法

以智慧搜尋、智慧推薦、精準匹配、個人畫像、個性化定製等為典型特徵的新一代商業智慧時代已然到來。毋庸置疑，基於大資料的人工智慧演算法在商業領域的應用為新一代商業智慧提供了重要引擎。

智慧時代，演算法的世界如此神秘而又充滿魅力，但其中的知識好像非常專業、艱深和晦澀。如何能夠快速瞭解演算法產業的核心體系？如何能在輕鬆有趣的氛圍中掌握演算法的相關概念？

由零點有數出版的

《人人都離不開的演算法——圖解演算法應用》

就是幫助我們全面認知當前所處世界的演算法類科普讀物，以

通俗化、故事化和漫畫化

的具體事例，展現了演算法在各行各業中的作用、執行機制、工作成效，以及對演算法責任、監管、立法、治理的思考。無論你是對演算法應用感到好奇的小白，還是工作中會接觸到演算法應用的從業人員，都可以藉助這本書看到演算法在實際應用中的波瀾壯闊。

TAG: 演算法使用者影片推薦標籤