針對之前騰訊科技新聞首頁的改版，業(yè)界有不同的看法和評判。有人喜歡騰訊的新面貌，認為，欄目更集中更清晰，信息也更加個性化。但也有人對這種動作不屑一顧，因為，騰訊根本沒有實現(xiàn)信息的個性化推薦，所謂的個性化只是一個噱頭。
不管外界如何評說，但騰訊科技是這樣描述自己改版的目的：
首先，要緩解信息厭倦癥。騰訊科技致力于提供高質(zhì)量、可信賴、精加工的科技資訊；
其次，告別信息低效癥。騰訊科技致力于化繁為簡，提供有明確價值指向、鮮明判斷的科技資訊；
最后，追求信息的個性化。騰訊科技致力于提供具備閱讀趣味、性感直觀的個性化科技資訊。
騰訊科技門戶如今已有大量的用戶，也在為用戶提供比較高質(zhì)量的資訊，但這個程度只能說明騰訊在用戶積累階段表現(xiàn)完美，且忠實用戶越來越多，這是前提。但是，高質(zhì)量不等于個性化，有了用戶數(shù)據(jù)為基礎，經(jīng)過未來很長一段時間的努力和技術上的突破才能實現(xiàn)個性化，目前所說的個性化只是個模糊的概念而已。
所以，在信息如此海量和冗余的互聯(lián)網(wǎng)時代，何謂個性化信息？何謂個性化新聞？所謂，個性化，就是人與人所得到的信息不盡相同，因人而異，每個人收到的推薦內(nèi)容完全是按照個人的喜歡和品味而來的。
也就是說，首先了解了你喜歡什么（財經(jīng)或科技）然后我就推薦什么內(nèi)容（財經(jīng)新聞或科技新聞），首先了解了你的品位（高或低）然后我就推薦什么內(nèi)容（高雅深度或低速淺顯）。但所有這些前提必須是平臺通過對用戶數(shù)據(jù)收集、分析、挖掘、追蹤等等來了解每一位用戶對新聞或信息的真正需求、喜好、品味，這是第一步，然后才能談個性化內(nèi)容推薦。
這才是真正意義上的個性化新聞和個性化信息。而個性化新聞或個性化信息代表了未來信息資訊發(fā)展的一個重要方向。因為，在如此繁雜的時代，我們面對太多東西的擠壓，已經(jīng)沒有力氣和精力再去挑選我們真正需要的信息。
然而，個性化推薦的前提：對每位用戶需求、喜好、品味等等的掌握和了解，在技術上來說是個很大的挑戰(zhàn)，也是個性化內(nèi)容推薦真正實現(xiàn)首先要解決的問題。另外，即使在技術上掌握了這些，但是之后如何向每個用戶推薦不同的信息在技術上也是很大的難題，因為用戶數(shù)量眾多，這些都必須靠算法和技術來完成，以保證量化和時效。
如果靠人工，那幾乎是不可能完成的事情，且成本之大無法想象。所以，如果能將用戶需求喜好分析和后期針對性的推薦融為一體，靠一個標準化的算法或模型來實現(xiàn)，那么真正的個性化閱讀、個性化新聞、個性化內(nèi)容推薦時代真的已經(jīng)觸手可及了。
前面講了這么多，當然只是鋪墊，讓大家了解真正的個性化內(nèi)容推薦到底是什么？要做到這個目標的話困難在哪里？
而接下來講到的一個新技術，已經(jīng)可以初步實現(xiàn)真正的個性化新聞推薦了。也就是，能給以上疑問和難題一個有希望的答案。它或許將是未來新聞發(fā)展的一個福音。
為了減輕用戶選擇信息上的痛苦，西班牙馬德里技術大學和一些大的媒體公司的研究人員共同開發(fā)了一個新模型，它根據(jù)每個用戶觀看媒體上圖片和視頻的內(nèi)容以及這些圖片視頻內(nèi)容的特征來判斷每個用戶的喜好，然后向每個用戶推薦與自身喜好、品味等高度相關且可靠的內(nèi)容。
傳統(tǒng)的推薦系統(tǒng)通常使用：語義技術、與用戶興趣相似的標簽，以及使用用戶群集體智能的算法。然而，這種傳統(tǒng)的系統(tǒng)推薦內(nèi)容適合給那些有相似喜好的人群，而不是按照每個人的喜好來推薦。也就是說，傳統(tǒng)的方法只能給某個相似群體推薦信息，但做不到真正的個性化推薦。也是基于目前這種技術上的現(xiàn)實問題，研究人員才著手開發(fā)個性化推薦模型。
值得強調(diào)的是，該推薦模型并不是從用戶自己公開的偏好信息中得到數(shù)據(jù)的，也不是像傳統(tǒng)方法那樣去刺激用戶或在用戶觀看內(nèi)容期間打擾用戶而獲得的，而是通過深度分析用戶觀看的視聽內(nèi)容的特點來完成的。
這些特點恰恰是可以對用戶產(chǎn)生影響的，并且研究人員已經(jīng)證明這些內(nèi)容的特點可以決定人們的審美趨勢，而往往在分析用戶口味的時候，這些特點通常會被忽視，沒有被考慮在分析內(nèi)。而這些信息往往也是用戶意識不到的，但它們可以決定用戶的審美和哪些特殊的內(nèi)容有關系。
比如，在一部電影里，敘事節(jié)奏信息（鏡頭的長度、場景和敘事順序）、運動（攝像機的運動或鏡頭內(nèi)容的運動）、圖像的性質(zhì)（亮度、顏色、紋理、圖像質(zhì)量）等這些描述符號信息都是和每個用戶的偏好信息存在關聯(lián)的。
一旦這些圖像中的描述符號被標準化，它們就能處理并且產(chǎn)生大量的分析數(shù)據(jù)，能讓研究人員通過某種形式（比如圖表或曲線）來描述內(nèi)容的特征，并找到內(nèi)容對每個用戶產(chǎn)生的影響程度，以及找到用戶偏好哪些特征。
但這些偏好是根據(jù)用戶消費內(nèi)容趨勢（比如某段時間用戶看娛樂類內(nèi)容，某段時間看時政新聞內(nèi)容）的變化而動態(tài)變化的。所以，為了抓住這些偏好變化，研究人員就創(chuàng)造了一個概率模型，通過使用人工智能技術就能推斷出用戶的偏好模式，從而抓住用戶的偏好變化。
研究人員對用戶偏好特征結果進行分析，并分析這些偏好特征與不同內(nèi)容之間的關系，他們發(fā)現(xiàn)，這些利用用戶消費數(shù)據(jù)的隱含式方法比那些給用戶偏好進行評級的數(shù)據(jù)更準確可靠，因為這些測量用戶偏好的測量方法更客觀，消除了那些能影響內(nèi)容選擇的社會和文化的影響因素。
一旦用戶的偏好和內(nèi)容特性被設置后，該模型就可以通過挖掘這些數(shù)據(jù)產(chǎn)生新的推薦信息。要達到這樣精確的目的，最重要的就是要考慮審美因素的影響，也要考慮創(chuàng)建個性化統(tǒng)計系統(tǒng)的需要，按照這些偏好特征的影響，使得推薦標準可以根據(jù)每個用戶的不同而變化。
目前，該模型已經(jīng)應用到不同的場景，比如電視內(nèi)容的推薦、互聯(lián)網(wǎng)搜索引擎、多平臺視聽內(nèi)容等。其有效性已經(jīng)通過真實用戶的測試以及在許多真實情境下得到了證實。該系統(tǒng)已經(jīng)在70000多個真實用戶身上進行過測試，并且用100多萬個內(nèi)容（來自奧運會、網(wǎng)絡游戲、互動電視等）進行了評估，研究結果發(fā)現(xiàn)，該模型表現(xiàn)很好，已經(jīng)達到了有史以來最高的精度。
當然，該技術只是在個性化內(nèi)容推薦上邁出了很大一步，因為它可以完全按照每個用戶的偏好不同進行推薦，而不是按照群體類似的偏好進行集體推送，這是一個大進步。但是，要真正實現(xiàn)完全意義上的個性化新聞、個性化信息推薦，還有一段不短的路程要走，比如推薦內(nèi)容的來源問題，如何把互聯(lián)網(wǎng)上海量的信息整合起來、分類、分析，然后按照無數(shù)個體的需要逐一推送，等等。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論