怎样看待新闻内容的个性化推荐( 二 ) 你好谢邀。

■网友的回复
大数据个性化推荐无非是在供给过剩的年代提供的一种信息筛选策略。做到推荐让你感兴趣内容很难，因为在可收集数据中，没有一种行为能够明确代表你对此类内容感兴趣。但是做到减少推荐不感兴趣的内容相对容易得多。
■网友的回复
首先你要明白，新闻也是一种消费类似于小说。不同的只是小说是虚构的（当然也有基于事实改编的，但是其中肯定是有一定成度的虚构）而新闻是事实的正确且明了的转述。

优点
1，你感兴趣的消息或许对你更有用
原来的信息传播很慢我们都能知道自己身边发生了什么，那时的消息是口口相传的。但是后来有了印刷术信息的传递大大加快。而且信息爆炸增长。这是一种负担，况且并不是所有的信息都是对你有用的。那么挑选出来对你更加有用的信息是最好的选择。你会更加关心对你来说更加重要的，也就是你感兴趣的话题。
2.你会阅读更多（消费更多）
阅读更多意味着他们会有更多的收益

3，对某方面的知识更加精通

缺点
【怎样看待新闻内容的个性化推荐】 视野越来越狭隘

其实我更加关心的是新闻的真假

■网友的回复
基本上市面上内容推荐的方法有以下几种：1.最简单粗暴的人工运营推荐这种常见于很多产品初期，没有太多的内容和用户关系，单纯凭借运营童鞋自身的行业认知和对热门话题灵敏的嗅觉。人工推荐的问题在于出于从众心理你可能也对这条内容感兴趣了，但也有可能你是个口味独特的人，那对不起，这个阶段臣妾做不到。2.简单系统算法+人工推荐产品发展后，运营小编已经handle不了海量内容和用户，为了提高效率，会用一些简单算法定义什么内容是热门和优质，再辅以运营的筛选。这个阶段，还是面向大众用户。3.开始使用user-based、item-based推荐些与我相关的内容比如推荐我之前读过的同类型新闻，推荐和我一样读过此新闻的其他人看过的新闻。考虑到新闻网站的内容量大且时效性较强，以及人们的从众心理，基本上使用后者的比较多。4.引入机器学习例如豆瓣电影，通过ABC同学对X电影和Y电影的评分，以及我对X电影的评分，来推测我对Y电影的可能性评分，以此决定是否向我推荐Y电影。这一类算法很多，也相当复杂。机器学习的终极目标就是系统比你更懂你自己，alphago战胜李世石。当然这些都只是停留在“猜你喜欢”的层面，准的时候让你拍肿大腿，不准的时候觉得我们是世界上最遥远的距离。产品经理有时候也会搞点小捷径的，比如“今日头条”干脆让用户自选感兴趣的主题，”即刻“让用户订阅一堆不想错过的栏目。但说到最后还是得保留个”内容发现“的位置，以上的推荐方法还是逃不掉的。