今天早上上班，有個產品群里拋出pmcaff的面試題截圖，蠻感興趣的就隨機回答了下。后來群友私下找到我，讓我詳細說下，后來發現他對這一領域接觸比較少，對話難以繼續，所以我直接寫篇文章算了。
我也不是相關領域的產品經理，姑且寫寫，諸君隨便看看就可以了。
問題：如何在新聞信息流中更好的向用戶推薦新聞？
我給出的意見是：基于用戶的協同過濾+數據標簽+機器人學習+人工調優。
基于用戶的協同過濾
這個肯定是我首先考慮的，不扯專業名詞解釋，我用個例子說明下這個算法的應用。
失心瘋（產品經理網友名）是一個新聞愛好者，每天都要不定時打開今日頭條看新聞，我是今日頭條產品經理，我會怎么推薦新聞呢。
假如天馬叔（產品經理同行）很喜歡新聞類別如下：“韓國女團新聞”、“日本女團新聞”
沙漠叔喜歡：“美國女團新聞”、“英國女團新聞”
失心瘋喜歡“韓國女團新聞”，那么我會推薦“日本女團新聞”給他。
這個還是有點粗暴，我們還可以具體點。
比如：新聞全部看完算5分，看完并給正面留言算10分，只是點開就刪除算-5分。失心瘋有一個他的新聞評分表，通過數據導入公式，來就是計算和他最像的那群人。然后根據那群人點擊什么新聞后點擊下一個新聞，給失心瘋推薦新聞。
這個就是基于失心瘋的協同過濾了。
數據標簽
這個相對容易理解些，根據失心瘋的瀏覽記錄，做出他的用戶畫像。能夠猜測他的性別、年齡、地域等信息?；谒狞c贊、評論、踩等行為，猜測他的性格特征等。根據他的點擊時間，猜測他的工作休息時間（偷懶時間）。根據他的瀏覽偏向等，猜測他的愛好興趣。
數據采集完成，基本他的數據標簽就比較明顯了，然后根據數據標簽推薦熱點新聞。
其他
機器人學習和人工調優沒辦法展開來講了，因為這個必須有團隊和具體的應用場景才可以。
以上就是我對這個問題的答案。
