引用来自：http://36kr.com/p/5114077.html

推荐系统：需要三个维度的变量

第一个维度：内容：提取不同内容特征做好推荐，比如主题词，关键词，兴趣标签，热度，作者来源，相似文章等等

第二个维度：用户特征：兴趣标签，职业，年龄，性别，用户行为等

第三个维度：环境特诊：地理位置，时间，网络，天气

可直接量化的目标：点击率，阅读时间，点赞，评论，转发

不可量化的目标 ：广告的频控，标题党，低俗内容打压，置顶重要新闻，低级别账号内容降权

典型的推荐特征：

相关性特征，评论内容的属性和用户是否匹配，关键词匹配，分类匹配，主题匹配，来源匹配

环境特征，包括地理位置和时间

热度特征，全局热度，分类热度，主题热度，关键词热度。用户冷启动时候非常有效

协同特征，通过用户行为分析不同用户之间的相似性，比如点击相似，兴趣分类相似，主题相似，兴趣词相似，向量相似，从而扩展模型的探索能力。

协同过滤算法无法解决冷启动问题

今日头条推荐系统主要抽取的文本特征包括以下几类。首先是语义标签类特征，显式为文章打上语义标签。这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。此外还有隐式语义特征，主要是topic特征和关键词特征，其中topic特征是对于词概率分布的描述，无明确意义；而关键词特征会基于一些统一特征描述，无明确集合。