在网站中可以这样引进不能直接衡量的目标

发布时间：2022-06-13 12:48 所属栏目：122 来源：互联网

导读：

导读：在任意一个网站的推荐模型之中都有可以量化的目标，例如用户阅读的时间，文章的点击率，点赞情况，评论情况以及被转发的次数等等。这些我们都可以用模型来进行拟态预估，看看线上的情况就可以知道我们的网站做的好不好。但是对于一个大型的推荐系统来说，他

在任意一个网站的推荐模型之中都有可以量化的目标，例如用户阅读的时间，文章的点击率，点赞情况，评论情况以及被转发的次数等等。这些我们都可以用模型来进行拟态预估，看看线上的情况就可以知道我们的网站做的好不好。但是对于一个大型的推荐系统来说，他们服务的对象特别的多，所以无法用指标进行完全评估。这就需要引入数据资料以外的要素。

　　那么我们要引入那些要素呢？举个例子来说我们引进广告以及特型内容的频控。像问卷调查就是一种较为特殊的内容形式。在这里我们推荐的目的不一定就是让用户来进行浏览，还可以让用户进行回答为社区做一些贡献。而以上这些内容该如何排布，就是控制频控来考虑的。

　　除了上面所说到的情况，平台还会考虑到网站内容的生态和对社会的责任。像一些低俗的，劣质的内容就会被打压，还有就是标题与内容不相符的文章也会被打压。网站会将那些重要的新闻置顶，同时还会增加他们的权限。而那些级别较低的账号他们的降权，是算法本身无法控制的。这就需要我们进一步干涉。

　　接下来我就为大家说一说在前面算法的基础上能够完成的内容。

　　前面所说的公式是一个非常非常典型的监督学习的算法。这种算法就是一种深入学习的模型。

　　所以说，作为一个合格的推荐系统，就需要一个非常机动灵活的算法平台。

（编辑：ASP站长网）