机器如何计算“相关性”?
来源:互联网 发布:淘宝1920全屏店招代码 编辑:程序博客网 时间:2024/04/29 07:11
机器只是知道关键词。
绝对不可能知道语义。
所以无从判断中心思想。
我们的观点是:
这是一个策略问题。
比方说网易新闻,http://gd.news.163.com/06/
那么,到了我们这边,我们由于不是做新闻的,所以,能玩的很多。
比如说,事先把昨天一整天的社会民生的文章计算,整理出许多内聚性很强的文章组,每组这样就会有一组词语来代表这组的主题思想。
然后,读者阅读其中一篇时,那么这片文章所属的组的代表词语,就可以关联到很多其他文章。
这样,发散性会好一点。
而不会说,抢劫案的新闻匹配的都是抢劫案。
可能会使派出所、治安联防等的昨日新闻都关联进来。
也就是说,单纯靠一篇新闻去玩,是不靠谱的
这就是一个策略问题,思路问题。
不过,产品设计人员一定要考虑到,用户真的会按照你的这种思路浏览吗?
您看六间房里面的相关推荐。
可不是这么样子的。
发散性很强。
引入各种策略。来让用户感觉好看。
Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1354655
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 机器如何计算“相关性”?
- 相关性计算
- Win10如何设置相关性
- 如何使用机器学习解决实际问题-以关键词相关性模型为例
- 如何实现性能测试相关性?
- 机器学习--应用:评估帖子相关性
- 【机器学习理论】第2部分 相关性度量
- 相关性
- 相关性
- C++ vector 计算自相关性函数selfcorr
- Lucene初探之计算文章相关性权重
- 用于相关性计算的深度语义模型
- Jookster>>脱胎换骨的PeopleSearch
- 9月即将上市的《LoadRunner性能测试实战》目录
- 数位之墙的主题式汇整和机器自动聚合
- 评 风头盖过大碗明星 易氏"烹"三国读者热"品"
- [Django]ImportError:cannot import name debug问题
- 机器如何计算“相关性”?
- 小i机器人,MSNNEXT,MSNSHELL的周末聚会【帮帮俱乐部】
- 《职场》笔记20061112
- 也说假如keso搞了个“对牛乱博网”
- 机器人的"Blog Network”和Most Popular频道
- 所有男生女生看了都会感动的分手理由(天堂杂志转贴)
- Loadrunner中Std性能指标的含义
- 1+7=?我看看你是不是机器人
- 也谈内容引擎,内容如何为王?