辦公室裡，程旭元一個勁搖頭晃腦。

他對一旁的陳東卓說道，“使用者爽了，你就讓他一直爽就對。怎麼讓使用者爽？按照微頭條之前的做法，那就一直給他堆‘喜歡’的內容就對了。”

陳東卓眉頭緊皺著，“道理我是清楚，所以這個所謂‘同身人’的方法，現在挖掘的情況著實不理想。效果不行，確定就一股腦地接著推？”

程旭元笑了笑，這“同身人”倒是微頭條在後續的產品發展中找到的一個新思路。

所做倒也簡單。

“世界上沒有一片葉子是相同的。”

雖有哲學家話是這麼說，但對微頭條而言，這顯然就不是個事。

在“同身人”的資料探勘中，某個微頭條使用者的閱讀偏好和習慣會丟進海量的資料中進行比對。在千萬人中，找到一個和你資料近似度大於80%的使用者，困難麼？若是困難，那50%又如何？

既然你和他有著一定的資料相似度，那微頭條要做也就簡單：相似得越高，那大可把你看過的推給另一人，另一人看過的再反過來推給你。

除了基於自身歷史資料之外，也基於一些和你類似的“同身人”資料，這推薦就顯得有那麼些道理。

“哇，你在看xxx劇！我也超喜歡，推薦你看yyy劇，和這個類似，也特別好看......”

大概，生活中這樣的場景也是有。而微頭條，是模擬著兩個資料體之間進行相互推薦。

Loading...

未載入完，嘗試【重新整理】or【退出閱讀模式】or【關閉廣告遮蔽】。

嘗試更換【Firefox瀏覽器】or【Edge瀏覽器】開啟多多收藏！

移動流量偶爾打不開，可以切換電信、聯通、Wifi。

收藏網址：www.mobvista.cc

(＞人＜；)