马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
2014年12月12-14日,2014中国大数据技术大会暨第二届CCF大数据学术会议在北京新云南皇冠假日酒店圆满落幕。在会上,搜狐移动研发部经理刘佳为大家分享了《基于全网内容的新闻客户端推荐系统》的经验,并对针对新闻客户端遇到的内容分类质量识别图文、视频、音频、游戏、数据稀疏、内容冷启动、用户冷启动、噪音处理:三俗内容等棘手问题的处理方式展开演讲。 要点: 搜狐移动端新闻推荐的两个特点: - 广告系统。广告系统,搜狐追求转化率、辅助指标ROI、用户效果。
- 搜索系统。搜索引擎中,追求对内容理解、内容爬取、文本关键词主题提取、文本分类、主题分类、内容索引、垃圾过滤、page rank、反作弊等等。
随后,刘佳介绍新闻推荐系统中三俗内容的处理方式,他说:“推荐系统出现三俗内容,可以提高18%-20%的转化率,虽然可以暂时提高点击率,但是对用户的粘性有很大的影响。我们会通用户阅读分布、用户属性分布统计性和精细化的分类进行筛选三俗内容。整体处理后,转化率下降到15%,推荐总量提升20%,用户使用频次也有20%的提升。” 搜狐新闻客户端目前内容来源: • 自媒体约17000家 10到15万/每天
• 机构媒体+搜狐集团 10到15万/每天
• 短视频 300万
• 搜狗内容50万/每天 去重后约 7万/每天
• 搜狗微信公众号 2万/每天 新闻入库过程: 1、内容同步、抽取(每日100万资讯内容,过滤垃圾信HTML标签、广告、页
面重复内容保留) 2、基于正文内容特征生成全局ID(基于正文内容过滤重复,海明哈希。同步到各CMS生成全局ID) 3、基于标题、摘要、关键词生成cluster ID (基于标题及摘要关键词生成cluster Id;决定cluster score;根据版权、合作关系、来源质量、发布时间选择代表文章) 用户建模: 1、与内容分类对应; 2、分为长期短期两套体系; - 长期:用户半年阅读行为、更新周期3天
- 短期:用户最近两天阅读行为、更新周期10秒
3、用户阅读历史 详细PPT:
来自群组: Hadoop中国 |