介绍

        先大致说下我们目前的系统，基于用户订阅关键词，做文章推送服务。

        搜索服务、订阅服务、推荐服务，都是为了更好的帮助用户发掘所需信息。搜索、订阅都是基于用户能够明确描述关注内容（关键词）提供的服务，依赖用户对关注内容关键词的提炼、以及系统关键词匹配技术的准确度。推荐服务则无需收集用户的关注点（关键词），通过用户历史访问行为、特征画像等建模，系统主动推荐内容给用户。上述三类服务为互相补充管理，并不是谁能替代谁。

实践

       推荐方法：基于社会推荐、内容推荐、协同过滤推荐。

        1.社会推荐

            朋友推荐，可以采用分享模式。（邮件、微信、朋友圈分享）

        2.内容推荐

            根据用户的注册信息（个人信息），了解到用户关注哪些领域，在依据用户阅读历史，聚合生成用户关注点（形成用户画像），生成推荐模型，匹配新信息完成推荐。

        3.协同过滤推荐

            和我同类型用户所关注的内容，就是我也要关注的内容。

            重点是识别“同类型”用户，如：订阅关键词相同（或近似）、个人画像近似等；

            推荐内容：别人阅读过的文章，重点阅读的文章（看的时间比较长？），反复阅读的文章，看完又分享给别人的文章等，都可以参考作为推荐内容。

            注：由于是关键词订阅，大家如果订阅词相同，肯定推送的内容也相同，所以不适合按订阅词相同或近似推荐。

以上3中推荐方式，可以同时采用，或者组合使用。