知乎文章推荐算法

❶ 如何用保险保障自己的一生 知乎

买份保障的再搭配一个理财的，这样保障的和养老的就都有了

❷ 那个知乎上为什么整天推荐的都是婚姻两性的话题

知乎推荐算法是根据您访问的频次、关注点、输入法抓取数据来计算的，可能是平时您对这方面的内容关注比较多，因此向您推荐的便以这方面居多

❸ 在知乎上进了某人主页他能发现吗

不会发现。

知乎是一个真实的网络问答社区，社区氛围友好与理性，连接各行各业的精英。用户分享着彼此的专业知识、经验和见解，为中文互联网源源不断地提供高质量的信息。

知乎没有设置浏览记录这个功能的，所以这个肯定是看不到的。

因为没有设置浏览内容的功能，所以不会发现你浏览了谁。

(3)知乎文章推荐算法扩展阅读：

知乎用户体验

1、 准确地讲，知乎更像一个论坛：用户围绕着某一感兴趣的话题进行相关的讨论，同时你可以关注和你兴趣一致的人。对于概念性的解释，网络网络几乎涵盖了你所有的疑问；

但是对于发散思维的整合，却是知乎的一大特色。知乎鼓励在问答过程中进行讨论，以拓宽问题的发散性。鼓励答案的非针对性，鼓励答案的Wiki可参考性。

2、比论坛更加具有排他性，在知乎的每一个注册用户都有一个PR（Person Rank），你的每一个操作都将直接影响你个人的PR 值。在回答的时候，答案顺序按赞同票数排序，赞同票数相同的情况下按个人PR值排序，同时隐藏被认为无效的答案。这在一定程度上过滤了相当的垃圾信息。

3、知乎曾经坚持严格的邀请制度，一来是为了确保用户准实名身份的真实性，二来避免产生过多的垃圾信息。

准实名可以方便用户有的放矢的向你感兴趣的人提出疑问，这是当初韩寒流产的《独唱团》中有一个相当有意思的栏目，“所有人问所有人”，换句话说，这就是现实版的知乎。同时，知乎严格的邀请制度也使知乎笼罩着浓郁的严谨氛围，以keso为代表，不言则已，一言服人。

4、以信用为基础的SNS关系。可能单纯作为SNS与问答的整合，国内人人网应该更能快速发展；但是正如前文所说，严格的邀请制度，排斥了相当一部分无效信息；

如果人人网亦推出社会化问答，那必然会整合你原先的好友，而这部分好友显然不可能都是对你的关注点感兴趣的人。这也几乎否定了任何大型互联网公司进军Quora类问答的可能性。

因为大型互联网公司受众普遍广泛，而Quora类问答并不是单纯以人气为基础的，而是价值信息比（价值信息/总信息量），也就是精英信息产生量。

不过千橡旗下低调推出经纬网，作为垂直SNS聚集了相当数目的职业人，倘若千橡以此为契合点，整合类Quora问答，还是相当有潜力的。

5、与Quora相比，知乎以蓝色为基调。相比与Quora，知乎功能还是有待完善，比如某一话题下最佳话题。

产品服务

首页

知乎首页，如图1所示，大致有四个功能区。在左侧，是“最新动态”，大约占到首页70%版面，主要呈现用户所关注人的最新提问及回答等信息。

用户在这一版块，除了查看最新问题及回答之外，也可以通过“设置”、“关注问题”、“添加评论”、“分享”、“感谢”和“收藏”等功能参与到自己感兴趣的问题中。

如利用“设置”功能，用户可以选择屏蔽话题。在所关注用户关注问题下，也可以对该问题添加关注、添加评论等行为。

在首页右上方版面，是用户在知乎网相关行为管理信息。有“我的草稿”、“我的收藏”、“所有问题”、“我关注的问题”和“邀请我回答的问题”。

在右侧中间位置，是网外邀请功能——“邀请好友加入知乎”。在这个版块中，用户可以通过电子邮件和新浪微博邀请自己朋友加入到知乎社区中。

在首页右侧中部版面，推出提供实时语音问答产品”Live"、知乎书店、知乎圆桌、知乎专栏以及付费咨询模块。

在右侧中下方，为用户关注或感兴趣话题或用户推荐板块。话题和用户推荐上，知乎运营方一方面可能根据用户关注话题信息汇总，一方面可能通过用户在知乎网络相关行为数据记录统计，达到相当准确推荐和汇总。

同时，尤为一提的是，右下方的“话题广场”板块中，知乎网将所有话题分类标签呈现，为用户除搜索和导航之外，有一种不错的获取信息方式。

话题页

知乎话题页，可以分为两个板块，一个是“话题动态”，一个是“常去话题”。在左侧为“话题动态”信息，占到版面大约70%。

在这一板块中，用户可以对所关注话题下问题（按时间顺序呈现）点击查看，也可以对所关注话题进行“固定”和“取消关注”操作。

在右下方，是“常去话题”版面。在这一版面中，用户可以了解到所关注话题具体诸如子话题、关注人数和动态等信息。

通知页

知乎通知页，可以分为四个版面，如图3所示。左侧“全部通知”为用户关注问题为其他用户回答信息（按时间先后顺序呈现）。右侧，用户行为数据汇总、“邀请好友加入知乎”、话题及话题推荐版面等，和首页介绍一样，这里不再赘述。

个人主页

知乎个人主页大致分为5个版面：“个人资料”、“个人回答”、“个人主页”、“搜索用户问题和答案”、“关注人和被关注信息”和“关注话题”。具体如图4所示。

在“个人资料”版面，用户可以通过点击“查看详细资料”查看用户“个人成就”（包括获得“赞同”数量、“感谢”数量、“收藏”数量和“分享”数量）、“职业经历“、”居住信息“、”教育经历“、”擅长技能“5个方面信息。

如果是知乎用户，可以通过点击”编辑我的资料“完善以上5个方面信息。

左下方，为“个人回答“版面，是用户对相关问题回答信息（按照赞同数量降序排列或按照回答时间顺序由近到远排列）。以上”个人资料“和”个人回答“两个版面能占到整个70%位置。

在右上方，为“个人主页“版面，是对知乎最新动态，用户提的问题、回答、收藏和日志信息汇总。

右侧中间位置，是一个搜索框。用户可以通过这个搜索框查询具体用户的问题和回答内容。

右侧中下方，分别是用户个人关注人或被关注和关注话题信息。用户可以通过点击相关图标，一键连接具体板块中。

问题页面

知乎问题页面——是知乎最主要的页面。在这里用户可以了解、编辑、回答具体问题和信息，具体如图5所示。

知乎这一版面，按照功能大致可以分为六个部分，即“问题回答”、“关注功能”、“邀请功能”、“相关问题链接”、“分享功能”和“问题状态”。

在左侧位置，为“问题回答”版面，占到这一板块大约70%位置。在这一板块的版面中，用户可以对相关问题进行修改、评论、举报和管理投票。 用户可以对自己觉得不合适问题、问题标签和问题补充进行修改。同时，如果发现不合适或自己感兴趣问题，用户也可以评论或举报。

在问题回答上，用户可以按照相当适合自己方式对问题回答进行排序操作（知乎提供按投票排序、按时间排序和按用户关注人显示三种内容呈现方式）。

除此，值得一提的是每个回答左侧有分别代表赞同和反对一上一下两个三角形，如图6所示。用户可以根据自己知识理解角度或兴趣对问题回答进行个性化管理。

在这一板块右侧，由上到下首先是“关注”功能。这一功能板块中，用户可以对问题进行关注，这有点像新浪微博关注功能，不同的是，知乎关注主要针对具体问题，而新浪微博主要针对具体用户。

右侧再向下，是“邀请别人回答问题”版面。这和前面“知乎首页”和“知乎通知”板块介绍功能一样，这里不再赘述。

再向下，是与问题相关各个问题。这也是大多数网站系统推荐方式的一种。虽然这一种推荐方式在技术和经验上相对比较成熟，但效果上并不是达到毫无挑剔程度。

知乎在问题相关问题链接方面，主要是针对具体问题特点，通过相应算法进行机器推荐，并没有做到针对不同用户爱好个性推荐效果(这也是未来互联网发展趋势，电子商务平台更为关注这一技术)。

再向下，便是问题分享功能。用户可以将知乎问题通过“微博“和”邮件“进行站外分享和通过“站内私信”进行站内分享。

在右侧最下方位置，便是问题状态。在这一版面中，用户可以了解问题最近活动发生时间，被浏览次数、相关话题关注者人数和该问题关注人数信息。

参考资料：网络-知乎

❹ 推荐算法如何提前划分制造同类目日志

做推荐算法的质量工作将近一年，这一年尝试了很多东西，踩了不少坑，也对推荐的评测工作稍微有了些自己的心得，现在分享出来，希望能和做这块工作的同学一起交流、探讨，也欢迎多拍砖，多提意见。

推荐系统

目前推荐技术的应用已经非常较普及了，新闻、商品、问答、音乐，几乎都会用到推荐算法来为你呈现内容。下面是淘宝、知乎、微博三个app的推荐模型，可以看到推荐都在非常重要的位置。

在介绍推荐算法评测之前，我先简单说下推荐系统，这里我以商品为例，简单描述下推流程，让大家更明白一些，一般推荐主要包含以下步骤：
召回->打分排序->透出

召回

召回阶段通常的手段是协同过滤比较场景的i2i,u2i等这种x2x（有兴趣可以看下我写的基于itembase的推荐），也有使用embedding的方式通过向量之间的距离进行召回。以i2i为例，假如现在要针对我推荐一个商品，那么首先要找到我感兴趣的物品 ，这些数据是通过我的历史行为来进行获取，比如拿到我最近一段时间内的点击、加购、收藏、购买的物品，将这些商品做为trigger进行召回，协同算法的具体就不再这里叙述了，有兴趣可以看下链接，最终我们按照协同过滤算法算出商品之间的相似分值，然后按照一定数量进行截断，因为这里截断也是依靠分数来进行的，所以一般这一步也称粗排。这样召回截断就完成了。

打分

召回完商品后，我们需要对这些商品进行再一次的精排，这里需要用模型来预估ctr，一般情况下LR、GBDT、FM用的比较多，这里深度网络相对用的少，主要为了考虑到性能，尤其是rt，因为绝大部分的精排都是需要实时预测的，所有对耗时有一定的要求。继续说下模型预测的步骤，首先针对召回的商品进行特征的补充，例如该商品的一级类目、叶子类目（一级类目代表比较，叶子类目代表最细分的类目）、被多少用户购买等，然后再加入人的特征，例如性别、年龄、收入、对类目的偏好等，然后将这些信息做为feature，用模型进行预测，然后根据模型预测的结果进行排序，输出。

模型

打分过程中的模型是需要提前训练和部署，训练集的来源就是用户的实时行为加上用户和商品的特征。feature的构成是用户的特征和商品的特征，label则是用户是否点击了该商品。

质量方案

接下来说下如何保证这块的质量。由于推荐系统最终对用户需要提供实时的服务化，因此免不了有工程端的技术需要一起配合。因此我这块主要分为两个维度来开展，一方面是工程端的质量保证，一方面是算法侧的质量保证。

工程端质量

这一块可以将算法当成一个黑盒子，只把他当成一个有结果返回的接口。针对这方面前人已经有了丰富的经验，我们可以做接口的单元测试和冒烟测试，另外就是压测，在预估的qps下看rt是否满足业务方的要求，load是否过大，超时和错误的比例是否符合一定的预期。这里就不细说了，重点说说第二部分。

算法端质量

这里我再进行细分一下，分为三部分介绍：算法数据、算法模型、算法效果；

算法数据：

大家都知道算法在做训练前数据的处理部分非常的重要，有兴趣可以看下特征工程相关的内容，数据的来源，特征的构造，数据抽取、加工整个的过程都有可能会出现错误，而且数据一般都是存储在分布式系统数据库里，因此需要借助类似hive这样的工具将sql转换成MapRece的任务去进行离线的计算，离线任务的产出通常会耗费不少的时间，而对于一些日更新的模型通过对数据对产出时间有一定的要求。因此数据这块最主要的保证点为：数据本身的质量，和数据的产出时间。数据本身的质量一般可以通过数据大小的整体抖动，以及关键字段是否为空，主键是否重复，做法比较简单可以通过简单sql或者udf来完成，然后借助工程能力做到预警、检查、出报表等。

算法模型：

模型的本身在迭代过程中也是需要关注的，不过通常算法同学的训练优化也是参考这些指标，所以我们也可以把这几个指标做为模型本身好坏的评估。具体为：准确率、召回率、AUC。

算法效果：

那么这个算法推荐出的效果究竟好不好呢，这个是一个非常主观的事情，每个人的感受也不是一样的，但是我们仍然要衡量它的好坏，这里我参考业内学者的推荐书籍以及自己的一些摸索，总结出下面一些方法，供大家参考。

人工评测：

顾名思义，邀请一帮人来对你的推荐系统的结果进行评测。这里想法来自于我在做翻译评测时期的经验，首先这个成本比较高，另外就是参杂了人的主观性非常的高，翻译的好坏我们可以通过制定一些细致的规则来进行约束，但是推荐的好坏我们却不好制定详细的规则，另外就是推荐之前的用户行为如何模拟，如何让评测者进行感知，这些都是比较难的，并且和基准的对比也不是很好做，所以这里不是很推荐用这个方法，但是还是要提一下。

指标评估：

指标化推荐结果，也就是将推荐的结果用不同的指标来进行说明，通过这些指标，你可以更加的了解你的推荐系统，部分指标不一定越高越好，但是你需要让它保持在一定的范围内。说到具体的例子的时候，我会提一下。下面我们看下这些指标。

覆盖率

定义：
推荐系统能够推荐出来的“商品/类目”占“总商品/类目”集合的比例。假设系统的用户集合为U，推荐系统给每个用户推荐一个长度为N的物品列表R(u) ，总物品为N。那么：
覆盖率 = ΣR(u)N
Σ
R
(
u
)
N

意义：
描述推荐结系统对物品长尾发掘能力；
举个例子，淘宝上商品千千万万，推荐系统能否保证让新的一些商品有足够的机会曝光出去呢？还是有些商品永远都无法得到推荐曝光的机会。这个指标反应的就是这个情况，显然物品的覆盖率是达不到100%的，但是我们可以看类目的覆盖率来进行衡量，假设全网所有的一级大类目一共2千个（和全网上亿的物品相比非常的少），那么推荐系统一天之内推荐出去的商品对应的一级类目，这个就是我们要衡量的标准。如果覆盖率

❺ 知乎话题排名优化如何做如何让我的评论排名靠前

这应该是两个问题吧。知乎话题排名优化，应该是指优化新发布话题的排名。知乎平台的排名规则和百家号、今日头条等平台有些类似，内容发布以后，平台会通过算法推荐给目标用户，如果用户点击、点赞、评论等互动数据良好，就会推荐给更多的人，获取的权重也越来越高，在关联关键词的搜索结果中，排名也越高。一般来说，新话题发布后的2小时是关键，大概率决定排名的上限。至于回复、评论的排名，核心因素在于互动数据，特别是点赞量，数据越高，对排名帮助越大。（以上内容，摘选自途阔营销官网）

❻ 知乎用来干嘛的

知乎是网络问答社区，连接各行各业的用户。用户分享着彼此的知识、经验和见解，为中文互联网源源不断地提供多种多样的信息。

准确地讲，知乎更像一个论坛：用户围绕着某一感兴趣的话题进行相关的讨论，同时可以关注兴趣一致的人。对于概念性的解释，网络网络几乎涵盖了你所有的疑问；但是对于发散思维的整合，却是知乎的一大特色。

(6)知乎文章推荐算法扩展阅读：

用户体验

1、 准确地讲，知乎更像一个论坛：用户围绕着某一感兴趣的话题进行相关的讨论，同时你可以关注和你兴趣一致的人。对于概念性的解释，网络网络几乎涵盖了你所有的疑问；但是对于发散思维的整合，却是知乎的一大特色。知乎鼓励在问答过程中进行讨论，以拓宽问题的发散性。鼓励答案的非针对性，鼓励答案的Wiki可参考性。

2、比论坛更加具有排他性，在知乎的每一个注册用户都有一个PR（Person Rank），你的每一个操作都将直接影响你个人的PR 值。在回答的时候，答案顺序按赞同票数排序，赞同票数相同的情况下按个人PR值排序，同时隐藏被认为无效的答案。这在一定程度上过滤了相当的垃圾信息。

3、知乎曾经坚持严格的邀请制度，一来是为了确保用户准实名身份的真实性，二来避免产生过多的垃圾信息。准实名可以方便用户有的放矢的向你感兴趣的人提出疑问，这是当初韩寒流产的《独唱团》中有一个相当有意思的栏目，“所有人问所有人”，换句话说，这就是现实版的知乎。同时，知乎严格的邀请制度也使知乎笼罩着浓郁的严谨氛围，以keso为代表，不言则已，一言服人。

4、以信用为基础的SNS关系。可能单纯作为SNS与问答的整合，国内人人网应该更能快速发展；但是正如前文所说，严格的邀请制度，排斥了相当一部分无效信息；如果人人网亦推出社会化问答，那必然会整合你原先的好友，而这部分好友显然不可能都是对你的关注点感兴趣的人。这也几乎否定了任何大型互联网公司进军Quora类问答的可能性。

❼ 知乎是如何把SEO排名做上去的

不知道知乎团队对于SEO的看法是怎样的，我还是建议知乎更好的重视起SEO。SEO和产品设计、用户体验之间并不矛盾，绝对互补，而且对于知乎而言，绝对是可以利用的一个有效途径。

一、知乎非常容易获得搜索引擎排名和流量。

问题本身符合用户搜索需求。一直认为QA站是非常适合做搜索引擎流量的，因为问题本身就是用户关注的东西，也是或者包含了用户的搜索请求词。

原创内容的更新频率非常高效。这个什么好解释的，包括问题的更新、答案的更新、页面的更新等，不断丰富的原创内容绝对符合搜索引擎口味。
内部引导非常好。通过话题的组织、用户行为（问答、投票）、相关话题等设计，知乎内部几乎创造了一个非常健康、优秀的网站链接架构。而且，这些架构设计本身就是符合用户体验，需要不断增强的。

符合用户需求，创造用户和搜索引擎希望的内容，拥有良好的内部架构和外部口碑，知乎绝对具备了获取搜索引擎流量的潜力。

二、知乎现在做的不好/可以完善的地方。

相关问题的推荐算法。感觉现在知乎是以话题为最主要推荐基础，先在所属的话题下根据算法推荐出相关问题。但是研究这么久，感觉这个算法的可靠性还是很差，或者随机性太高？推荐话题这个从产品角度上将是用户引导，从SEO上讲就是内链优化，两者都是统一的。搜索引擎喜欢的，本质就是用户需要的。
知乎现在是对搜索引擎封闭的，所以收录接近于零。为什么不开放页面给搜索引擎呢？这个与封闭社区并不冲突。而且，换个角度讲，如果用户在搜索引擎里搜的话题跟知乎上的问题是一致的，那可能更说明这个用户是知乎的目标用户？这种对应关系可能比邀请机制扩散后获得会员更为有质量和黏性。
页面的基础元素没有做，类似meta这些。在quora上很多人讨论quora为什么在搜索引擎结果里会有很好的排名，除了上面说的这类网站本身具备的优势外，quora也是对网站整体做了符合搜索引擎友好的设置和优化的，譬如meta这类。<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?" />
个人profile的搜索排名。现在很多的在线名片http://about.me这类网站有一个目的就是获取用户名字在搜索引擎结果里的排名，给用户提供额外价值。facebook、myspace等社交网站，以及Quora都为会员profile进行了SE优化。知乎也应该做，绝对应该，无论从搜索引擎流量而言，还是从网站的特性而言，用户的profile都将成为非常重要的一点过渡页面。在这个页面上展示用户的历史痕迹，给其他人引导和发掘的机会。知乎要发力，除了QA本身之外，用户登录首页、个人主页都是需要重视的，也是更容易增强用户黏性的地方。通过针对性优化，提升个人名字、主页在搜索引擎结果页面的排名，实际上对于该用户本身，或者搜索这类名字的人来说，都是绝佳的。上面也说了，搜索某个用户名的人，很可能也是知乎的目标人群，因为这个搜索者必然是有针对该用户进行探索的需求的。

很多网站成功，都不会说因为SEO而成功，很多都会归结于其他各种原因。但是评估其大多数成功的网站，都会发现这些网站的搜索引擎友好性是非常好的，而且也重视搜索引擎。关注SEO不会让知乎取得成功，但是却可以让知乎获得更大的发展。所以，知乎还是重视下SEO吧

来自：知乎-葛小飞

❽ 想干点副业纯收入，大家有啥好项目

那也是利用上班以外的时间呗。就送外卖送快递或者是做销售都属于纯收入的，没有自己的投资，时间还比较灵活。只出人出力就可以了。

❾ 知乎关键词排名怎么做知乎关键词排名技巧

首先我们要知道的是知乎关键词排名就是知乎搜索结果所搜索出来的结果排名，知乎关键词排名不是检索所有问题，而是只检索新问题和热门问题。根据算法，来计算问题热度，只有热度超过某个阈值，问题才会添加到搜索的范围内。

所以我们在做知乎关键词排名的时候一定要注意内容的质量，尽可能获得更多的关注，比如评论点赞，只有问题的关注度达到一定程度，才有可能被收录来排名，那么知乎关键词排名怎么做呢？这里我们可以参考一下知乎排名算法：

以上就是知乎威尔逊算法，其中其中 u 为加权赞同票数，v 为加权反对票数，[公式] 为参数。在我们做知乎关键词排名的时候就可以根据以上算法来进行一个顺序排列，这样做关键词排名就比较简单了。

❿ 知乎是怎么做社区运营的

运营策略+算法推荐：
让新人的优秀答案更多的曝光，包括人工赞同、推荐到发现页面，官方微博传播等。
1、早期运营的时候，为了让优秀的新人能被认可，我是人肉识别器，看所有的新增答案，看到好答案马上推荐给整个知乎团队，后来我们发展了各个领域的志愿者去发掘好答案，发现优秀新人。
2、再后来，我们努力让机器算法来帮我们识别这些潜在的优质内容。
社区的用户，总是流动的，再核心的用户，也可能会流失，而有些流失，并不是平台的错。只是人生阶段不同，有的人，一定会离开。或者会在某些时间离开。运营过论坛的朋友，做过版主的朋友一定理解我说的。