前言：本站為你精心整理了智能化推薦在新聞客戶端中應用范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：智能化推薦是目前傳媒行業(yè)非?；馃岬囊豁椉夹g，各大新聞類APP競相引入這一技術，以期滿足不同人群對資訊的需求。本文以正觀新聞客戶端智能化推薦功能的開發(fā)、部署、應用為例，詳解新聞客戶端在智能化應用方面的趨勢與效果，并反思應用中出現(xiàn)的問題。

關鍵詞：智能化推薦;人工智能;新媒體

媒體創(chuàng)新智能化推薦是近幾年異軍突起的一項新媒體分發(fā)技術，廣泛應用于各大新聞資訊客戶端，但因這項技術開發(fā)難度較大，應用效果也不盡相同，很多后來者雖然躍躍欲試，但也顧慮重重。2021年2月6日，“正觀新聞”客戶端全新上線了智能化推薦功能，經(jīng)過一年多的實踐，取得了不錯的應用效果，助力“正觀新聞”客戶端快速進入全國原創(chuàng)新聞類客戶端第一梯隊。

一、智能化推薦的市場環(huán)境

智能化推薦是人工智能在新媒體應用中的一個分支，也是目前傳媒行業(yè)非常推崇的一項分發(fā)技術。“今日頭條”客戶端就是智能化推薦應用的成功案例，幾乎憑一端之力，把中國乃至世界的新媒體分發(fā)，帶入了智能化推薦時代。隨著頭條的日趨做大，騰訊、鳳凰、新浪等如夢初醒，緊急上線形式各樣的智能化推薦功能，資訊市場上還涌現(xiàn)出諸如“東方頭條”、“趣頭條”、“天天快報”等同類產(chǎn)品，但“千人千面”的智能化推薦標簽，已經(jīng)牢牢地貼在了頭條系產(chǎn)品的頭上，再也沒有競品能撼動它的江湖地位?？梢哉f，智能化推薦成就了“今日頭條”以及頭條系龐大的產(chǎn)品庫，讓字節(jié)跳動成為中國最大的移動資訊流量入口。2020年9月13日，鄭州報業(yè)集團精心打造的“正觀新聞”客戶端正式上線，愿景是建成新型主流媒體平臺，并承擔起鄭州報業(yè)集團媒體深度融合和產(chǎn)業(yè)升級轉(zhuǎn)型的重任?！罢^新聞”客戶端建設之初，就把智能化推薦當成了重大攻關項目和產(chǎn)品特色，進行了科學的規(guī)劃和設計。“正觀新聞”技術團隊認為，“今日頭條”的智能化推薦是“正觀新聞”客戶端的學習榜樣，但又不能生搬硬套。二者出生相距近10年，媒體環(huán)境已經(jīng)發(fā)生了重大改變，技術的提升和資訊市場的成熟，讓“正觀新聞”不得不認真審視自己，努力打造適合自己的智能化推薦產(chǎn)品。

二、“正觀新聞”客戶端智能化推薦的實踐

2021年2月6日，“正觀新聞”客戶端2.2.1版本上線。這是“正觀新聞”正式上線半年以來，集30余名技術人員之力，推出的重大舉措。客戶端頭條頻道全新改版，新聞列表頁增加搜索框、新聞熱榜及推薦頻道；上線智能推薦功能，根據(jù)用戶閱讀文章喜好智能推薦其感興趣的資訊。這項技術集成了第三方的智能化推薦引擎，并在策劃和設計中得以應用不同的推薦策略和形式，給讀者以更加優(yōu)秀的閱讀體驗，為內(nèi)容引流。同時，部分產(chǎn)品的細節(jié)在使用過程中不斷調(diào)整、優(yōu)化、更新?lián)Q代。本次建設的智能推薦系統(tǒng)基于“正觀新聞”客戶端智能推薦的需求，及第三方數(shù)據(jù)機構對同行業(yè)個性化推薦系統(tǒng)建設經(jīng)驗，可以滿足以下需求：一是基于“正觀新聞”客戶端應用場景的推薦，支持各欄目中Feed流、詳情頁、搜索頁中內(nèi)容的個性化推薦、相關推薦、熱門推薦；二是基于“正觀新聞”客戶端內(nèi)容類型的推薦，實現(xiàn)對現(xiàn)有新聞內(nèi)容的智能推薦，由于視頻內(nèi)容推薦更加復雜，此次更新版本暫不涉及；三是支持多維度的智能推薦，支持按用戶偏好、熱門、相關性、地理位置、欄目等維度進行推薦；四是支持對推薦效果的簡單分析，系統(tǒng)支持按點擊率、曝光量、點擊量等維度對推薦效果進行評估，從而幫助優(yōu)化推薦策略，更好地實現(xiàn)推薦服務。

三、智能化推薦系統(tǒng)的數(shù)據(jù)依賴

智能推薦的效果是由數(shù)據(jù)與推薦模型決定的，所以在智能推薦系統(tǒng)中除了選用合適的模型外，最重要的就是獲取全量的數(shù)據(jù)，數(shù)據(jù)是建設智能推薦系統(tǒng)的根基。在本次智能推薦項目中需要用戶屬性數(shù)據(jù)、用戶行為數(shù)據(jù)和物品信息數(shù)據(jù)。一是用戶屬性數(shù)據(jù)。用戶屬性數(shù)據(jù)主要指用戶的基本屬性，基本不需要改動的數(shù)據(jù)，如年齡、地域、性別等。二是用戶行為數(shù)據(jù)。在智能推薦系統(tǒng)中，用戶行為數(shù)據(jù)是最為重要的一部分，主要用來描述哪個用戶在什么時間，什么地點，通過什么方式做了什么事情。用戶行為數(shù)據(jù)主要有兩個目的：一方面是訓練推薦模型的最為重要的數(shù)據(jù)來源；另一方面，需要通過用戶行為數(shù)據(jù)作為反饋，才能知道推薦系統(tǒng)的效果如何，從而及時迭代推薦策略。搭建智能推薦系統(tǒng)的一個秘籍就是積累用戶行為數(shù)據(jù)，如果沒有將重要的用戶行為數(shù)據(jù)做采集，那么推薦系統(tǒng)的效果肯定是得不到保證的。三是物品信息數(shù)據(jù)。物品信息數(shù)據(jù)是指推薦系統(tǒng)中能采集到的描述每一個內(nèi)容的信息，主要包括內(nèi)容ID、標題、類型、標簽、發(fā)布時間等。

四、智能推薦系統(tǒng)效果評估

智能化推薦系統(tǒng)的建設不應是為了建而建，應該讓智能推薦系統(tǒng)發(fā)揮價值，而智能推薦效果的評估是評價系統(tǒng)價值的重要標準，“正觀新聞”客戶端智能推薦效果通過以下幾個指標進行評價。一是點擊率。點擊率是評價推薦效果的重要指標之一，記錄了用戶每次進入推薦內(nèi)容的點擊情況，能夠粗略衡量轉(zhuǎn)化效果。通過智能化推薦上線一年來的數(shù)據(jù)對比，發(fā)現(xiàn)月均點擊率提升在15%以上，智能化推薦效果明顯。二是點擊人數(shù)比。點擊人數(shù)比是點擊的人數(shù)除以推薦曝光人數(shù)，是用來衡量推薦系統(tǒng)觸達率的重要指標。在評估推薦模型效果時，可能點擊率上漲，但點擊人數(shù)并沒有變化，這說明推薦結果只對于部分老用戶產(chǎn)生了比較好的效果，對于其他的用戶，仍然沒有成功吸引他們，所以點擊人數(shù)比與點擊率是對推薦系統(tǒng)從不同維度的評估?！罢^新聞”客戶端智能化推薦上線半年來的數(shù)據(jù)表明，點擊人數(shù)比上升了35%。三是人均點擊次數(shù)。人均點擊次數(shù)是指每個人在推薦系統(tǒng)中平均每天點擊了多少次。人均點擊次數(shù)能真正體現(xiàn)出用戶使用產(chǎn)品的深度，故該指標是需要持續(xù)關注的指標?！罢^新聞”客戶端智能化推薦上線半年來的數(shù)據(jù)表明，人均點擊次數(shù)上升了68%，效果非常突出。四是留存率和轉(zhuǎn)化率。留存率和轉(zhuǎn)化率對于推薦系統(tǒng)來說，可能并不是一個非常直接的指標，如推薦對留存的影響到底有多大，很大程度上取決于內(nèi)容的質(zhì)量和類型，但它仍是我們評估推薦系統(tǒng)的一個指標，至少我們需要知道此次推薦系統(tǒng)的迭代到底對于留存率的影響有多大。如果迭代后的留存率下降，即使點擊率和點擊人數(shù)都在上升，但這一次迭代也無法上線，因為它影響了留存的指標?！罢^新聞”客戶端智能化推薦上線半年來的數(shù)據(jù)表明，留存率上升了23%，轉(zhuǎn)化率上升了39%。五、智能推薦系統(tǒng)的關鍵點“正觀新聞”客戶端智能化推薦上線以來，雖然分發(fā)效果明顯，但也面臨著幾個突出問題。一是冷啟動問題?；谛掠脩衾鋯拥膯栴}，是智能推薦面臨的一大難題，由于是新用戶，所以基本拿不到用戶信息，造成推薦沒有依據(jù)，無法有效的推薦模型，推薦效果不佳。正觀技術團隊的解決方案是，針對新用戶的推薦策略做出如下調(diào)整：推薦日期較新的新聞、視頻、資訊等內(nèi)容；推薦瀏覽量TopN的新聞、視頻、資訊等熱點內(nèi)容；推薦用戶互動（點贊、評論、轉(zhuǎn)發(fā)、收藏）TopN的新聞、視頻、資訊等內(nèi)容；對推薦效果及時評估，及時調(diào)整推薦策略。二是時效性問題。市場上的智能化推薦產(chǎn)品，多是UGC聚合平臺，絕大多數(shù)內(nèi)容對時效性要求不高。而“正觀新聞”這類新聞客戶端，以原創(chuàng)內(nèi)容為主，智能化推薦系統(tǒng)向用戶推薦的內(nèi)容應該是實時的，而非以用戶上周甚至上月的行為特征為依據(jù)向用戶推薦內(nèi)容，所以數(shù)據(jù)采集的實時性非常重要。如果不能滿足時效性，智能化推薦的效果就會大打折扣?！罢^新聞”客戶端的做法是和國內(nèi)知名新聞客戶端互換版權，最大可能地豐富新聞資訊，并積極開設“正觀號”等欄目，多種舉措吸引UGC聚合內(nèi)容。三是多樣性問題。智能化推薦需要按比例向用戶推薦不同類型的內(nèi)容。用戶可能有這樣的體驗：如果你對體育內(nèi)容感興趣，慢慢地你所有的推薦內(nèi)容都變成了體育相關內(nèi)容，似乎很難看到其他內(nèi)容，推薦的范圍越來越窄。短期來說，提升多樣性可能會讓點擊率有一些損失，但是長期來說，多樣性是為了提升整個產(chǎn)品用戶體驗所做的一種優(yōu)化，這里需要考慮長期和短期的權衡。正觀技術團隊的做法是：人工部分干預推薦的內(nèi)容，人為強制加入推薦元素和推薦欄目、位置。四是穩(wěn)定性問題。如果服務器經(jīng)常宕機，或者說響應時間超過五秒鐘，這樣的服務基本上是不可用的。我們需要站在服務的角度去建設智能推薦系統(tǒng)，為用戶提供成熟且穩(wěn)定的智能化產(chǎn)品。智能化推薦越來越多地應用到傳媒業(yè)，引入形形色色的資訊產(chǎn)品中。但人工智能不是人工全能，機器可以替代我們的部分工作，但在開發(fā)、部署和應用過程中，還需要諸多人工干預。我們可以依靠智能化推薦，但絕不能依賴它，要通過不斷研究與開發(fā)，讓機器更善于學習，更了解用戶的需求，更精準地推薦內(nèi)容。

參考文獻

[1]梁寶琳．聚合類新聞客戶端“今日頭條”的智能化發(fā)展研究[D]．長沙：湖南大學，2018．

[2]王珊珊．智能推薦系統(tǒng)在個性化數(shù)據(jù)挖掘中的應用研究[J]．山東農(nóng)業(yè)工程學院學報，2019(06)．

作者:張新彬 單位:鄭州報業(yè)集團中原網(wǎng)