像今日头条这种，不停的看他的内容，他会给推荐相关的内容，这种用了什么技术？如何实现的

应该有推荐算法吧，其实就是大数据，就像你用网易云音乐，积累了一定量的喜欢的音乐后就会给你推荐喜欢的音乐

一个猜想，不知道对不对，给每个新闻打标签，根据你现在看的新闻推荐相同标签的就好了

网易的推荐十分垃圾，我日常积累的喜欢，孩子打开听了首儿歌，然后每天给我推荐儿歌。现在用回都豆瓣了。

@greatghoul 哈哈，想起来当年的智能 ABC 输入法了，每次正常的输入，都不记录我输入的词组，结果偶然打错了一个词组，选了个错别字，他到是给记住了，而且还改不回来

不知道是不是我想多了。。。这打广告的方式让我想起了《万万没想到》

@greatghoul 哈哈哈，同感

我想到的是用语言云，分析新闻内容，然后归类，再提取。

讯飞开放平台、腾讯文智等都有提供此类服务。

记得曾经有一个东西叫无觅网。。。

你看你现在的话题右下角都能自动提炼出关键词呢

胡乱猜猜
A 用户看某些新闻关键字 组成一个集合 a ，
B 用户看某些新闻关键字 组成一个集合 b ，
C 用户看某些新闻关键字 组成一个集合 c ，
...
...
a 和 c 的交集 最大，就给 a 推 c 看过的东西

请 Google “余弦相似性”，万变不离其宗。

2#是对的，文章打 tag ，你看的文章，会命中几个 tag ，然后推荐相同 tag 的文章，大概是这样。
不过文章爬取分析自动打 tag 就不清楚怎么搞的了

肯定是多个模型的混合推荐，有基于内容相似性的（比如楼上说的根据文本提取 tag ），也有用协同过滤的，还有简单的热门推荐（冷启动用户）。每个推荐模型有权重，然后对推荐结果排序，每次取前 8 返回，再根据用户反馈推荐，对某些类别或 tag 做加权降权。一般的推荐系统大概就是这种策略。

想知道一般这种岗位用啥语言。。

我想知道他们有多少人工编辑打 Tag ，因为文章实在是分得够细够准，我对纯机器能否做到如此好的体验非常怀疑。

@pixyzul 机器学习，神经网络的识别度在很多领域都高于人类。