知乎文章推薦演算法

❶ 如何用保險保障自己的一生 知乎

買份保障的再搭配一個理財的，這樣保障的和養老的就都有了

❷ 那個知乎上為什麼整天推薦的都是婚姻兩性的話題

知乎推薦演算法是根據您訪問的頻次、關注點、輸入法抓取數據來計算的，可能是平時您對這方面的內容關注比較多，因此向您推薦的便以這方面居多

❸ 在知乎上進了某人主頁他能發現嗎

不會發現。

知乎是一個真實的網路問答社區，社區氛圍友好與理性，連接各行各業的精英。用戶分享著彼此的專業知識、經驗和見解，為中文互聯網源源不斷地提供高質量的信息。

知乎沒有設置瀏覽記錄這個功能的，所以這個肯定是看不到的。

因為沒有設置瀏覽內容的功能，所以不會發現你瀏覽了誰。

(3)知乎文章推薦演算法擴展閱讀：

知乎用戶體驗

1、 准確地講，知乎更像一個論壇：用戶圍繞著某一感興趣的話題進行相關的討論，同時你可以關注和你興趣一致的人。對於概念性的解釋，網路網路幾乎涵蓋了你所有的疑問；

但是對於發散思維的整合，卻是知乎的一大特色。知乎鼓勵在問答過程中進行討論，以拓寬問題的發散性。鼓勵答案的非針對性，鼓勵答案的Wiki可參考性。

2、比論壇更加具有排他性，在知乎的每一個注冊用戶都有一個PR（Person Rank），你的每一個操作都將直接影響你個人的PR 值。在回答的時候，答案順序按贊同票數排序，贊同票數相同的情況下按個人PR值排序，同時隱藏被認為無效的答案。這在一定程度上過濾了相當的垃圾信息。

3、知乎曾經堅持嚴格的邀請制度，一來是為了確保用戶准實名身份的真實性，二來避免產生過多的垃圾信息。

准實名可以方便用戶有的放矢的向你感興趣的人提出疑問，這是當初韓寒流產的《獨唱團》中有一個相當有意思的欄目，「所有人問所有人」，換句話說，這就是現實版的知乎。同時，知乎嚴格的邀請制度也使知乎籠罩著濃郁的嚴謹氛圍，以keso為代表，不言則已，一言服人。

4、以信用為基礎的SNS關系。可能單純作為SNS與問答的整合，國內人人網應該更能快速發展；但是正如前文所說，嚴格的邀請制度，排斥了相當一部分無效信息；

如果人人網亦推出社會化問答，那必然會整合你原先的好友，而這部分好友顯然不可能都是對你的關注點感興趣的人。這也幾乎否定了任何大型互聯網公司進軍Quora類問答的可能性。

因為大型互聯網公司受眾普遍廣泛，而Quora類問答並不是單純以人氣為基礎的，而是價值信息比（價值信息/總信息量），也就是精英信息產生量。

不過千橡旗下低調推出經緯網，作為垂直SNS聚集了相當數目的職業人，倘若千橡以此為契合點，整合類Quora問答，還是相當有潛力的。

5、與Quora相比，知乎以藍色為基調。相比與Quora，知乎功能還是有待完善，比如某一話題下最佳話題。

產品服務

首頁

知乎首頁，如圖1所示，大致有四個功能區。在左側，是「最新動態」，大約佔到首頁70%版面，主要呈現用戶所關注人的最新提問及回答等信息。

用戶在這一版塊，除了查看最新問題及回答之外，也可以通過「設置」、「關注問題」、「添加評論」、「分享」、「感謝」和「收藏」等功能參與到自己感興趣的問題中。

如利用「設置」功能，用戶可以選擇屏蔽話題。在所關注用戶關注問題下，也可以對該問題添加關注、添加評論等行為。

在首頁右上方版面，是用戶在知乎網相關行為管理信息。有「我的草稿」、「我的收藏」、「所有問題」、「我關注的問題」和「邀請我回答的問題」。

在右側中間位置，是網外邀請功能——「邀請好友加入知乎」。在這個版塊中，用戶可以通過電子郵件和新浪微博邀請自己朋友加入到知乎社區中。

在首頁右側中部版面，推出提供實時語音問答產品」Live"、知乎書店、知乎圓桌、知乎專欄以及付費咨詢模塊。

在右側中下方，為用戶關注或感興趣話題或用戶推薦板塊。話題和用戶推薦上，知乎運營方一方面可能根據用戶關注話題信息匯總，一方面可能通過用戶在知乎網路相關行為數據記錄統計，達到相當准確推薦和匯總。

同時，尤為一提的是，右下方的「話題廣場」板塊中，知乎網將所有話題分類標簽呈現，為用戶除搜索和導航之外，有一種不錯的獲取信息方式。

話題頁

知乎話題頁，可以分為兩個板塊，一個是「話題動態」，一個是「常去話題」。在左側為「話題動態」信息，佔到版面大約70%。

在這一板塊中，用戶可以對所關注話題下問題（按時間順序呈現）點擊查看，也可以對所關注話題進行「固定」和「取消關注」操作。

在右下方，是「常去話題」版面。在這一版面中，用戶可以了解到所關注話題具體諸如子話題、關注人數和動態等信息。

通知頁

知乎通知頁，可以分為四個版面，如圖3所示。左側「全部通知」為用戶關注問題為其他用戶回答信息（按時間先後順序呈現）。右側，用戶行為數據匯總、「邀請好友加入知乎」、話題及話題推薦版面等，和首頁介紹一樣，這里不再贅述。

個人主頁

知乎個人主頁大致分為5個版面：「個人資料」、「個人回答」、「個人主頁」、「搜索用戶問題和答案」、「關注人和被關注信息」和「關注話題」。具體如圖4所示。

在「個人資料」版面，用戶可以通過點擊「查看詳細資料」查看用戶「個人成就」（包括獲得「贊同」數量、「感謝」數量、「收藏」數量和「分享」數量）、「職業經歷「、」居住信息「、」教育經歷「、」擅長技能「5個方面信息。

如果是知乎用戶，可以通過點擊」編輯我的資料「完善以上5個方面信息。

左下方，為「個人回答「版面，是用戶對相關問題回答信息（按照贊同數量降序排列或按照回答時間順序由近到遠排列）。以上」個人資料「和」個人回答「兩個版面能佔到整個70%位置。

在右上方，為「個人主頁「版面，是對知乎最新動態，用戶提的問題、回答、收藏和日誌信息匯總。

右側中間位置，是一個搜索框。用戶可以通過這個搜索框查詢具體用戶的問題和回答內容。

右側中下方，分別是用戶個人關注人或被關注和關注話題信息。用戶可以通過點擊相關圖標，一鍵連接具體板塊中。

問題頁面

知乎問題頁面——是知乎最主要的頁面。在這里用戶可以了解、編輯、回答具體問題和信息，具體如圖5所示。

知乎這一版面，按照功能大致可以分為六個部分，即「問題回答」、「關注功能」、「邀請功能」、「相關問題鏈接」、「分享功能」和「問題狀態」。

在左側位置，為「問題回答」版面，佔到這一板塊大約70%位置。在這一板塊的版面中，用戶可以對相關問題進行修改、評論、舉報和管理投票。 用戶可以對自己覺得不合適問題、問題標簽和問題補充進行修改。同時，如果發現不合適或自己感興趣問題，用戶也可以評論或舉報。

在問題回答上，用戶可以按照相當適合自己方式對問題回答進行排序操作（知乎提供按投票排序、按時間排序和按用戶關注人顯示三種內容呈現方式）。

除此，值得一提的是每個回答左側有分別代表贊同和反對一上一下兩個三角形，如圖6所示。用戶可以根據自己知識理解角度或興趣對問題回答進行個性化管理。

在這一板塊右側，由上到下首先是「關注」功能。這一功能板塊中，用戶可以對問題進行關注，這有點像新浪微博關注功能，不同的是，知乎關注主要針對具體問題，而新浪微博主要針對具體用戶。

右側再向下，是「邀請別人回答問題」版面。這和前面「知乎首頁」和「知乎通知」板塊介紹功能一樣，這里不再贅述。

再向下，是與問題相關各個問題。這也是大多數網站系統推薦方式的一種。雖然這一種推薦方式在技術和經驗上相對比較成熟，但效果上並不是達到毫無挑剔程度。

知乎在問題相關問題鏈接方面，主要是針對具體問題特點，通過相應演算法進行機器推薦，並沒有做到針對不同用戶愛好個性推薦效果(這也是未來互聯網發展趨勢，電子商務平台更為關注這一技術)。

再向下，便是問題分享功能。用戶可以將知乎問題通過「微博「和」郵件「進行站外分享和通過「站內私信」進行站內分享。

在右側最下方位置，便是問題狀態。在這一版面中，用戶可以了解問題最近活動發生時間，被瀏覽次數、相關話題關注者人數和該問題關注人數信息。

參考資料：網路-知乎

❹ 推薦演算法如何提前劃分製造同類目日誌

做推薦演算法的質量工作將近一年，這一年嘗試了很多東西，踩了不少坑，也對推薦的評測工作稍微有了些自己的心得，現在分享出來，希望能和做這塊工作的同學一起交流、探討，也歡迎多拍磚，多提意見。

推薦系統

目前推薦技術的應用已經非常較普及了，新聞、商品、問答、音樂，幾乎都會用到推薦演算法來為你呈現內容。下面是淘寶、知乎、微博三個app的推薦模型，可以看到推薦都在非常重要的位置。

在介紹推薦演算法評測之前，我先簡單說下推薦系統，這里我以商品為例，簡單描述下推流程，讓大家更明白一些，一般推薦主要包含以下步驟：
召回->打分排序->透出

召回

召回階段通常的手段是協同過濾比較場景的i2i,u2i等這種x2x（有興趣可以看下我寫的基於itembase的推薦），也有使用embedding的方式通過向量之間的距離進行召回。以i2i為例，假如現在要針對我推薦一個商品，那麼首先要找到我感興趣的物品 ，這些數據是通過我的歷史行為來進行獲取，比如拿到我最近一段時間內的點擊、加購、收藏、購買的物品，將這些商品做為trigger進行召回，協同演算法的具體就不再這里敘述了，有興趣可以看下鏈接，最終我們按照協同過濾演算法算出商品之間的相似分值，然後按照一定數量進行截斷，因為這里截斷也是依靠分數來進行的，所以一般這一步也稱粗排。這樣召回截斷就完成了。

打分

召回完商品後，我們需要對這些商品進行再一次的精排，這里需要用模型來預估ctr，一般情況下LR、GBDT、FM用的比較多，這里深度網路相對用的少，主要為了考慮到性能，尤其是rt，因為絕大部分的精排都是需要實時預測的，所有對耗時有一定的要求。繼續說下模型預測的步驟，首先針對召回的商品進行特徵的補充，例如該商品的一級類目、葉子類目（一級類目代表比較，葉子類目代表最細分的類目）、被多少用戶購買等，然後再加入人的特徵，例如性別、年齡、收入、對類目的偏好等，然後將這些信息做為feature，用模型進行預測，然後根據模型預測的結果進行排序，輸出。

模型

打分過程中的模型是需要提前訓練和部署，訓練集的來源就是用戶的實時行為加上用戶和商品的特徵。feature的構成是用戶的特徵和商品的特徵，label則是用戶是否點擊了該商品。

質量方案

接下來說下如何保證這塊的質量。由於推薦系統最終對用戶需要提供實時的服務化，因此免不了有工程端的技術需要一起配合。因此我這塊主要分為兩個維度來開展，一方面是工程端的質量保證，一方面是演算法側的質量保證。

工程端質量

這一塊可以將演算法當成一個黑盒子，只把他當成一個有結果返回的介面。針對這方面前人已經有了豐富的經驗，我們可以做介面的單元測試和冒煙測試，另外就是壓測，在預估的qps下看rt是否滿足業務方的要求，load是否過大，超時和錯誤的比例是否符合一定的預期。這里就不細說了，重點說說第二部分。

演算法端質量

這里我再進行細分一下，分為三部分介紹：演算法數據、演算法模型、演算法效果；

演算法數據：

大家都知道演算法在做訓練前數據的處理部分非常的重要，有興趣可以看下特徵工程相關的內容，數據的來源，特徵的構造，數據抽取、加工整個的過程都有可能會出現錯誤，而且數據一般都是存儲在分布式系統資料庫里，因此需要藉助類似hive這樣的工具將sql轉換成MapRece的任務去進行離線的計算，離線任務的產出通常會耗費不少的時間，而對於一些日更新的模型通過對數據對產出時間有一定的要求。因此數據這塊最主要的保證點為：數據本身的質量，和數據的產出時間。數據本身的質量一般可以通過數據大小的整體抖動，以及關鍵欄位是否為空，主鍵是否重復，做法比較簡單可以通過簡單sql或者udf來完成，然後藉助工程能力做到預警、檢查、出報表等。

演算法模型：

模型的本身在迭代過程中也是需要關注的，不過通常演算法同學的訓練優化也是參考這些指標，所以我們也可以把這幾個指標做為模型本身好壞的評估。具體為：准確率、召回率、AUC。

演算法效果：

那麼這個演算法推薦出的效果究竟好不好呢，這個是一個非常主觀的事情，每個人的感受也不是一樣的，但是我們仍然要衡量它的好壞，這里我參考業內學者的推薦書籍以及自己的一些摸索，總結出下面一些方法，供大家參考。

人工評測：

顧名思義，邀請一幫人來對你的推薦系統的結果進行評測。這里想法來自於我在做翻譯評測時期的經驗，首先這個成本比較高，另外就是參雜了人的主觀性非常的高，翻譯的好壞我們可以通過制定一些細致的規則來進行約束，但是推薦的好壞我們卻不好制定詳細的規則，另外就是推薦之前的用戶行為如何模擬，如何讓評測者進行感知，這些都是比較難的，並且和基準的對比也不是很好做，所以這里不是很推薦用這個方法，但是還是要提一下。

指標評估：

指標化推薦結果，也就是將推薦的結果用不同的指標來進行說明，通過這些指標，你可以更加的了解你的推薦系統，部分指標不一定越高越好，但是你需要讓它保持在一定的范圍內。說到具體的例子的時候，我會提一下。下面我們看下這些指標。

覆蓋率

定義：
推薦系統能夠推薦出來的「商品/類目」占「總商品/類目」集合的比例。假設系統的用戶集合為U，推薦系統給每個用戶推薦一個長度為N的物品列表R(u) ，總物品為N。那麼：
覆蓋率 = ΣR(u)N
Σ
R
(
u
)
N

意義：
描述推薦結系統對物品長尾發掘能力；
舉個例子，淘寶上商品千千萬萬，推薦系統能否保證讓新的一些商品有足夠的機會曝光出去呢？還是有些商品永遠都無法得到推薦曝光的機會。這個指標反應的就是這個情況，顯然物品的覆蓋率是達不到100%的，但是我們可以看類目的覆蓋率來進行衡量，假設全網所有的一級大類目一共2千個（和全網上億的物品相比非常的少），那麼推薦系統一天之內推薦出去的商品對應的一級類目，這個就是我們要衡量的標准。如果覆蓋率

❺ 知乎話題排名優化如何做如何讓我的評論排名靠前

這應該是兩個問題吧。知乎話題排名優化，應該是指優化新發布話題的排名。知乎平台的排名規則和百家號、今日頭條等平台有些類似，內容發布以後，平台會通過演算法推薦給目標用戶，如果用戶點擊、點贊、評論等互動數據良好，就會推薦給更多的人，獲取的權重也越來越高，在關聯關鍵詞的搜索結果中，排名也越高。一般來說，新話題發布後的2小時是關鍵，大概率決定排名的上限。至於回復、評論的排名，核心因素在於互動數據，特別是點贊量，數據越高，對排名幫助越大。（以上內容，摘選自途闊營銷官網）

❻ 知乎用來幹嘛的

知乎是網路問答社區，連接各行各業的用戶。用戶分享著彼此的知識、經驗和見解，為中文互聯網源源不斷地提供多種多樣的信息。

准確地講，知乎更像一個論壇：用戶圍繞著某一感興趣的話題進行相關的討論，同時可以關注興趣一致的人。對於概念性的解釋，網路網路幾乎涵蓋了你所有的疑問；但是對於發散思維的整合，卻是知乎的一大特色。

(6)知乎文章推薦演算法擴展閱讀：

用戶體驗

1、 准確地講，知乎更像一個論壇：用戶圍繞著某一感興趣的話題進行相關的討論，同時你可以關注和你興趣一致的人。對於概念性的解釋，網路網路幾乎涵蓋了你所有的疑問；但是對於發散思維的整合，卻是知乎的一大特色。知乎鼓勵在問答過程中進行討論，以拓寬問題的發散性。鼓勵答案的非針對性，鼓勵答案的Wiki可參考性。

2、比論壇更加具有排他性，在知乎的每一個注冊用戶都有一個PR（Person Rank），你的每一個操作都將直接影響你個人的PR 值。在回答的時候，答案順序按贊同票數排序，贊同票數相同的情況下按個人PR值排序，同時隱藏被認為無效的答案。這在一定程度上過濾了相當的垃圾信息。

3、知乎曾經堅持嚴格的邀請制度，一來是為了確保用戶准實名身份的真實性，二來避免產生過多的垃圾信息。准實名可以方便用戶有的放矢的向你感興趣的人提出疑問，這是當初韓寒流產的《獨唱團》中有一個相當有意思的欄目，「所有人問所有人」，換句話說，這就是現實版的知乎。同時，知乎嚴格的邀請制度也使知乎籠罩著濃郁的嚴謹氛圍，以keso為代表，不言則已，一言服人。

4、以信用為基礎的SNS關系。可能單純作為SNS與問答的整合，國內人人網應該更能快速發展；但是正如前文所說，嚴格的邀請制度，排斥了相當一部分無效信息；如果人人網亦推出社會化問答，那必然會整合你原先的好友，而這部分好友顯然不可能都是對你的關注點感興趣的人。這也幾乎否定了任何大型互聯網公司進軍Quora類問答的可能性。

❼ 知乎是如何把SEO排名做上去的

不知道知乎團隊對於SEO的看法是怎樣的，我還是建議知乎更好的重視起SEO。SEO和產品設計、用戶體驗之間並不矛盾，絕對互補，而且對於知乎而言，絕對是可以利用的一個有效途徑。

一、知乎非常容易獲得搜索引擎排名和流量。

問題本身符合用戶搜索需求。一直認為QA站是非常適合做搜索引擎流量的，因為問題本身就是用戶關注的東西，也是或者包含了用戶的搜索請求詞。

原創內容的更新頻率非常高效。這個什麼好解釋的，包括問題的更新、答案的更新、頁面的更新等，不斷豐富的原創內容絕對符合搜索引擎口味。
內部引導非常好。通過話題的組織、用戶行為（問答、投票）、相關話題等設計，知乎內部幾乎創造了一個非常健康、優秀的網站鏈接架構。而且，這些架構設計本身就是符合用戶體驗，需要不斷增強的。

符合用戶需求，創造用戶和搜索引擎希望的內容，擁有良好的內部架構和外部口碑，知乎絕對具備了獲取搜索引擎流量的潛力。

二、知乎現在做的不好/可以完善的地方。

相關問題的推薦演算法。感覺現在知乎是以話題為最主要推薦基礎，先在所屬的話題下根據演算法推薦出相關問題。但是研究這么久，感覺這個演算法的可靠性還是很差，或者隨機性太高？推薦話題這個從產品角度上將是用戶引導，從SEO上講就是內鏈優化，兩者都是統一的。搜索引擎喜歡的，本質就是用戶需要的。
知乎現在是對搜索引擎封閉的，所以收錄接近於零。為什麼不開放頁面給搜索引擎呢？這個與封閉社區並不沖突。而且，換個角度講，如果用戶在搜索引擎里搜的話題跟知乎上的問題是一致的，那可能更說明這個用戶是知乎的目標用戶？這種對應關系可能比邀請機制擴散後獲得會員更為有質量和黏性。
頁面的基礎元素沒有做，類似meta這些。在quora上很多人討論quora為什麼在搜索引擎結果里會有很好的排名，除了上面說的這類網站本身具備的優勢外，quora也是對網站整體做了符合搜索引擎友好的設置和優化的，譬如meta這類。<meta property="og:description" content="Answer (1 of 2): See Why is Quora ranking so high on Google?" /><meta property="og:title" content="Why don't Quora question pages rank higher in Google searches?" />
個人profile的搜索排名。現在很多的在線名片http://about.me這類網站有一個目的就是獲取用戶名字在搜索引擎結果里的排名，給用戶提供額外價值。facebook、myspace等社交網站，以及Quora都為會員profile進行了SE優化。知乎也應該做，絕對應該，無論從搜索引擎流量而言，還是從網站的特性而言，用戶的profile都將成為非常重要的一點過渡頁面。在這個頁面上展示用戶的歷史痕跡，給其他人引導和發掘的機會。知乎要發力，除了QA本身之外，用戶登錄首頁、個人主頁都是需要重視的，也是更容易增強用戶黏性的地方。通過針對性優化，提升個人名字、主頁在搜索引擎結果頁面的排名，實際上對於該用戶本身，或者搜索這類名字的人來說，都是絕佳的。上面也說了，搜索某個用戶名的人，很可能也是知乎的目標人群，因為這個搜索者必然是有針對該用戶進行探索的需求的。

很多網站成功，都不會說因為SEO而成功，很多都會歸結於其他各種原因。但是評估其大多數成功的網站，都會發現這些網站的搜索引擎友好性是非常好的，而且也重視搜索引擎。關注SEO不會讓知乎取得成功，但是卻可以讓知乎獲得更大的發展。所以，知乎還是重視下SEO吧

來自：知乎-葛小飛

❽ 想干點副業純收入，大家有啥好項目

那也是利用上班以外的時間唄。就送外賣送快遞或者是做銷售都屬於純收入的，沒有自己的投資，時間還比較靈活。只出人出力就可以了。

❾ 知乎關鍵詞排名怎麼做知乎關鍵詞排名技巧

首先我們要知道的是知乎關鍵詞排名就是知乎搜索結果所搜索出來的結果排名，知乎關鍵詞排名不是檢索所有問題，而是只檢索新問題和熱門問題。根據演算法，來計算問題熱度，只有熱度超過某個閾值，問題才會添加到搜索的范圍內。

所以我們在做知乎關鍵詞排名的時候一定要注意內容的質量，盡可能獲得更多的關注，比如評論點贊，只有問題的關注度達到一定程度，才有可能被收錄來排名，那麼知乎關鍵詞排名怎麼做呢？這里我們可以參考一下知乎排名演算法：

以上就是知乎威爾遜演算法，其中其中 u 為加權贊同票數，v 為加權反對票數，[公式] 為參數。在我們做知乎關鍵詞排名的時候就可以根據以上演算法來進行一個順序排列，這樣做關鍵詞排名就比較簡單了。

❿ 知乎是怎麼做社區運營的

運營策略+演算法推薦：
讓新人的優秀答案更多的曝光，包括人工贊同、推薦到發現頁面，官方微博傳播等。
1、早期運營的時候，為了讓優秀的新人能被認可，我是人肉識別器，看所有的新增答案，看到好答案馬上推薦給整個知乎團隊，後來我們發展了各個領域的志願者去發掘好答案，發現優秀新人。
2、再後來，我們努力讓機器演算法來幫我們識別這些潛在的優質內容。
社區的用戶，總是流動的，再核心的用戶，也可能會流失，而有些流失，並不是平台的錯。只是人生階段不同，有的人，一定會離開。或者會在某些時間離開。運營過論壇的朋友，做過版主的朋友一定理解我說的。