浅谈内容推荐在社区类产品中的落地方式

按：做社区产品，内容推荐是一个绕不开的话题。传统论坛按版块分发内容的模式具有被动、低效等局限性，已不再适合如今快节奏的阅读模式，用户不再有大量的时间「沙里淘金」，因此基于内容的推荐模式被越来越多地应用到内容社区产品中。本文依据前人对内容推荐的研究，综合自身实践，简要讨论内容推荐的一些落地方式。

内容推荐是「基于内容本身的推荐」，即将内容进行分析后建立特征，然后依据这些特征给用户进行推荐，这种特征往往用「标签」来定义。标签在整个内容推荐体系中具有很重要的作用。那么如何进行标签的制定，即所谓「打标签」呢？

1. 用户自行打标签
用户自行打标签有两种方式：一是用户在平台预设标签下生产的内容会自动打上对应标签，二是平台允许用户自行添加一些标签。后一种方式可能由于用户对内容把握不足，或恶意操作，导致大量冗余标签或噪音标签产生，不利于后期维护。
2. 机器自动打标签
使用机器进行打标签，有一定的开发成本。一般可以结合分词技术和 TF-IDF 来提取关键词作为标签。这里需要注意的一点是，这种打标签的方式对文本的依赖度较高，如果社区内容为音频、视频等多媒体内容，这种方式仅能作用于内容的标题，因此可能会受一些「标题党」的干扰，但总体打标签效率比较高。
3. 运营人工打标签
运营人工打标签是一种最笨，但也是最有效的方法。通过运营人工干预，可以对内容标签进行复核，使标签和内容匹配度更高；同时通过运营介入，可以人工设置关联标签，将关联标签进行聚类处理。

因此，一般的做法是，用户在某一预设标签下生产内容，由机器进行自动打标签后，运营进行人工标签复审。

除了内容标签外，如果想做到更精细化的推荐，还需要给用户进行「特征化分析」，也就是给用户也打上标签。用户和内容的交互，如点击、浏览、点赞、收藏等，都可以作为给用户打标签的基础。
用户打标签的过程需要注意两点，一是由于热门内容会干预用户的标签，因此对于热门内容的标签，需要做降权处理；二是用户的兴趣会随着时间衰减或发生变化，这时需要对用户的标签进行清洗，可以给内容增加「不感兴趣」的选项，用户触发后则对此标签做降权处理。

每个内容平台在初期都会遇到这样一个问题：巧妇难为无米之炊。新平台总会遇到，要么用户行为或偏好数据过少，要么内容数量不足的情况。这时候应该如何进行内容的推荐呢？

首先预设一个推荐的目标：将较新的、优质的、用户可能感兴趣的内容推荐给用户，会涉及到以下三个维度：

关键节点

1. 时效性内容
对于与时间强相关的内容，例如新闻或突发事件等，需要与普通的推荐内容区分开，做单独的推荐通道。

2. 内容排序
受顺序效应影响，在推荐时应注意推荐内容的排序，和用户最相关、质量最高的内容应排在顶部。通常在有用户信息的情况下，可以将推荐出的内容按和用户相关度进行排序；若没有用户信息时，则可单独依据内容本身的质量进行排序。

3. 长尾内容
平台里一般都会存在一些长尾内容，这部分如果不进行推荐，则很难触达用户。针对长尾内容，可以在一定维度进行统一提取后，当做新内容重新进行推荐，但需注意时效性内容不适合使用此方法。