今天早上上班，有个产品群里抛出pmcaff的面试题截图，蛮感兴趣的就随机回答了下。后来群友私下找到我，让我详细说下，后来发现他对这一领域接触比较少，对话难以继续，所以我直接写篇文章算了。
我也不是相关领域的产品经理，姑且写写，诸君随便看看就可以了。
问题：如何在新闻信息流中更好的向用户推荐新闻？
我给出的意见是：基于用户的协同过滤+数据标签+机器人学习+人工调优。
基于用户的协同过滤
这个肯定是我首先考虑的，不扯专业名词解释，我用个例子说明下这个算法的应用。
失心疯（产品经理网友名）是一个新闻爱好者，每天都要不定时打开今日头条看新闻，我是今日头条产品经理，我会怎么推荐新闻呢。
假如天马叔（产品经理同行）很喜欢新闻类别如下：“韩国女团新闻”、“日本女团新闻”
沙漠叔喜欢：“美国女团新闻”、“英国女团新闻”
失心疯喜欢“韩国女团新闻”，那么我会推荐“日本女团新闻”给他。
这个还是有点粗暴，我们还可以具体点。
比如：新闻全部看完算5分，看完并给正面留言算10分，只是点开就删除算-5分。失心疯有一个他的新闻评分表，通过数据导入公式，来就是计算和他最像的那群人。然后根据那群人点击什么新闻后点击下一个新闻，给失心疯推荐新闻。
这个就是基于失心疯的协同过滤了。
数据标签
这个相对容易理解些，根据失心疯的浏览记录，做出他的用户画像。能够猜测他的性别、年龄、地域等信息。基于他的点赞、评论、踩等行为，猜测他的性格特征等。根据他的点击时间，猜测他的工作休息时间（偷懒时间）。根据他的浏览偏向等，猜测他的爱好兴趣。
数据采集完成，基本他的数据标签就比较明显了，然后根据数据标签推荐热点新闻。
其他
机器人学习和人工调优没办法展开来讲了，因为这个必须有团队和具体的应用场景才可以。
以上就是我对这个问题的答案。
