，没有迈上同一起跑线，腾讯不会投入大量的资源来对轰，那样性价比太低。

    只有双方产品差不多一个档次了，广告轰炸和推广才有效果。

    腾讯那头在等，人人网同样在等。

    互联网的第一张船票谁都想要，没个年吧年估计分不出胜负，不过再长估计也没团购大战长。

    “一鸣，入职有一段时间了，感觉怎么样？”和李西聊完微信话题后，陈平江将目光转到了张一鸣身上。

    “唔，挺不错的，同事们都很和善，李总也比较照顾我。”张一鸣有些蓬头垢面，黑眼圈也有点重，一看就是最近加班加的利害。

    刚刚入职，他是带着心气儿来的，发誓想要做出点成果，既是报答了陈平江的知遇之恩，也是想要跟上上下下证明自己的能力，证明陈平江把自己招来眼光没问题。

    “最近，我梳理了一下今日头条目前的算法。同事们在前期的工作成果很不错，基于内容的推荐算法和基于协同过滤的推荐算法都算OK，就是基于深度学习的推荐算法还需要大幅调整。”

    “目前我们能够做到将用户已经浏览过的新闻内容作为标签和相似标签的新闻进行推荐，以及将相似用户的浏览历史进行分析，并通过这些相似用户的行为推荐给该用户。但在对用户的行为数据及其历史进行分析预测其偏好上做的还不够。”

    涉及到这么专业的知识，陈平江也听的有些懵逼，在座的大概也就苗炳伟和他有共同语言。

    “也就是说，推荐结果不够精准？”

    张一鸣点点头：“是的。推荐算法往往会因为某一方向的需求过高，使部分用户反复看到某一类新闻，同时导致其他新闻资源难以推荐，进而造成信息不平等。”

    “那有解决方案了吗？”

    “目前需要减少推荐机制的偏向性，以及通过用户画像的不同属性做推荐，使其更加个性化。”

    这几句话陈平江听明白了。

    说白了还是个大数据算法的问题。

    张一鸣的目的是让用户在浏览其感兴趣的新闻之外，多加入其他不同类型的新闻，做到多元化。

    在这一块，坦白说淘宝的大数据推荐就做的很糟糕。

    猜你喜欢完全猜不到你的喜欢。

    可能用户只是浏览了几家卖电脑的店铺，接着推荐过来的全是卖电脑的店铺，再也看不到其他品类的店铺。

    这就很苦恼了，还需要用户单独搜索其他品类店铺，再给猜你喜欢纠正过来。

    在这一点上，抖音就会好很多，会推类似视频，但不至于全部是同一类。

  &nbs>> --