又幾天沒和大家聊天了， 最近個人有點毛燥， 需多吃些草， 沉澱一下， 擠出精力來寫技術文章。 我儘量寫有用的， 寫書的人容易用書面語，
其實在互聯網生活裡， 內容推薦技術已經無處不在了。
我從Amazon買了一本《時間簡史》， 回過頭來再流覽， 它可能推薦我可能喜歡《未來簡史》， 或者推薦《PHP高性能應用開發與實踐》（它還沒智慧到知道是我寫的， 歡迎大家支持， 一個知識份子碼農能說這樣的話也是夠了 ^_^）。
我登錄YouTube上看小電影， 它推薦我可能喜歡的視頻。 友情提示， 如果電腦是共用的， 同學們千萬要注意哦~
為了支持小紮， 我上Facebook， 它會推薦哪些朋友更新， 哪些人你可能認識。 最要命是它會推薦一些你可能喜歡的美女， 要注意這些人可能只是照片長得好看...
今日頭條一打開， 就給我推薦互聯網相關的內容， 還給我推薦單身攻略， 婚姻修養， 歷史鉤沉， 社會雜聞， 還有我這九零後看不懂得的段子， 是名符其實的『今日辣條』。 實在忒low， 我這麼高雅的人， 這種低級趣味真是看夠了。
低頭族除了玩手機， 然後就是塞著耳機聽音樂， 網易雲音樂。 QQ音樂， 蝦米
掌握了你的重口味。
要查看其它語言的網站，
標準機械化的文章完全可以取代編輯，
查找航班， 買火車票， 機器幫我們預測票價， 自動搶票等能力。
還有購買基金， 選股票神馬的。 像前段時間支付寶同學執著的想加入社交， 產品經理們都開始拉妹子線上了， 就差沒做出『你附近的有錢人』， 這樣， 怕是沒人敢用支付寶了。
這些後端都來自於機器學習演算法。 機器學習演算法屬於人工智慧領域的一個分支。 它從一堆資料中推斷， 然後再理解後做事， 掌握的資料越多， 機器推薦地越準確。 相當於自己給自己程式設計。
在這裡， 我們程式師們充當了小神靈（創造演算法並將其編碼的人）， 創建創意不同的世界。
頭條們如何做推薦
說到機器演算法，
今日頭條是主要基於移動互聯網（手機用戶端）的產品， 當然也有Web（PC端）。
內容強調更新快， 強調推送， 而非傳統的展示或刷新， 提供的內容更“精准”， 做到千人千面和資訊時效性。
它的內容推送完全基於機器演算法， 減少小編人為干預， 不斷訓練和提高自己， 並獲得內容變現和成本上的好處。
移動互聯網為今日頭條的興起提供了紅利， 手機現在和用戶如影隨形， 這就產生了大量碎片化的富餘時間， 同時手機的便利性也為時效性的競爭提供了空間， 可以重新定義使用者價值， 於是資訊流的內容提供模式有了用武之地， 而在PC端， 用戶的時間和便利性受到的壓縮， 使得資訊流的價值難以體現出來。
頭條的推薦機制
第一次安裝了今日頭條，你打開APP時，它會記住使用者手機的作業系統，版本，螢幕，遍歷使用者安裝的App，流覽器的Cookie、我的最愛，用戶端網路，LBS位址如北京市海澱區等資訊，這樣在使用者未登錄的情況下，能夠通過這些基本的Profile做一個基礎畫像。
餘下的，頭條根據我們的閱讀文章的分類，喜好興趣，閱讀時長，發表評論等維度進行更清晰的畫像，然後推薦給我們。
有一個非常現實的例子。你有一個非常喜歡的妹子，你每天盼著和她聊天，每次聊天，有時候很好，這時候你想約她出來。但是如果遭到拒絕，你又很難過。又到週五時，你拿著手機考慮要不要給她電話，隱約記得上次你問過她，被她拒絕了。可是明明的兩回她是答應的，前一次又拒絕了呢？是不是她不想出門，還是她喜歡小黑屋，不喜歡泡吧？喜歡吃包子，不喜歡吃披薩？你百思不得其姐，細思恐極。
於是你先放下天天拿著的手機，默默地做了個下麵類似機器演算法的表格：
那麼，我們試圖從此表格中來找尋規律。
但是很明顯，有時候約會和自己的發現這狀態有關，還有的時候取決於她的情緒，明明天氣很好，但是她的脾氣卻很壞，還有每次兩個人說的話都不會重樣，這樣一來，機器演算法也無法預測答案，因此，這樣的場景就不適合用大資料和機器演算法，它適合於規律和標準化的資料。
但是它能總能給我們一些啟示，特別是一些糊裡糊塗，天天就知道寫代碼的人——就像我這樣的，拖延狂還有碼農綜合症，忘記生活，需要有大資料來嚴重介入。
不知道愚人節大家被騙了幾回，反正我中午吃了一頓烤饢。
使得資訊流的價值難以體現出來。頭條的推薦機制
第一次安裝了今日頭條，你打開APP時，它會記住使用者手機的作業系統，版本，螢幕，遍歷使用者安裝的App，流覽器的Cookie、我的最愛，用戶端網路，LBS位址如北京市海澱區等資訊，這樣在使用者未登錄的情況下，能夠通過這些基本的Profile做一個基礎畫像。
餘下的，頭條根據我們的閱讀文章的分類，喜好興趣，閱讀時長，發表評論等維度進行更清晰的畫像，然後推薦給我們。
有一個非常現實的例子。你有一個非常喜歡的妹子，你每天盼著和她聊天，每次聊天，有時候很好，這時候你想約她出來。但是如果遭到拒絕，你又很難過。又到週五時，你拿著手機考慮要不要給她電話，隱約記得上次你問過她，被她拒絕了。可是明明的兩回她是答應的，前一次又拒絕了呢？是不是她不想出門，還是她喜歡小黑屋，不喜歡泡吧？喜歡吃包子，不喜歡吃披薩？你百思不得其姐，細思恐極。
於是你先放下天天拿著的手機，默默地做了個下麵類似機器演算法的表格：
那麼，我們試圖從此表格中來找尋規律。
但是很明顯，有時候約會和自己的發現這狀態有關，還有的時候取決於她的情緒，明明天氣很好，但是她的脾氣卻很壞，還有每次兩個人說的話都不會重樣，這樣一來，機器演算法也無法預測答案，因此，這樣的場景就不適合用大資料和機器演算法，它適合於規律和標準化的資料。
但是它能總能給我們一些啟示，特別是一些糊裡糊塗，天天就知道寫代碼的人——就像我這樣的，拖延狂還有碼農綜合症，忘記生活，需要有大資料來嚴重介入。
不知道愚人節大家被騙了幾回，反正我中午吃了一頓烤饢。