97色成人综合网站,97色成人综合网站,高清freesexmovies性tv出水,大黑大巴大战欧洲美女图片,√天堂资源中文www

深入透視頭條的算法

我注意到今日頭條在拉勾網(wǎng)打出一個(gè)百萬(wàn)美元年薪的廣告，招募算法架構(gòu)師，要求擅長(zhǎng)：貝葉斯學(xué)派相關(guān)算法，超大規(guī)模離散LR，深度神經(jīng)網(wǎng)絡(luò)，各種tree-based的算法等。其他算法工程師崗位要求大同小異。

這些在技術(shù)人士眼中并不特別，很多IT公司必備，多和概率統(tǒng)計(jì)學(xué)有關(guān)。比如貝葉斯算法，常用的郵件客戶端上就有出現(xiàn)。

Foxmail截圖（所以張小龍他也是很精通貝葉斯算法的）

我想盡我所能簡(jiǎn)單介紹一下這位百萬(wàn)年薪工程師具備的算法知識(shí)，不從數(shù)學(xué)專業(yè)角度（專業(yè)角度我也不懂），而是從用戶角度思考“算法想要什么”。

算法如何閱讀新聞

以招聘啟事中的tree-based算法為例。為了處理信息，算法的初始訴求往往是對(duì)海量信息做分類聚合。人類眼中的詞匯在它眼里都是參數(shù)（維度），一千個(gè)不同詞匯組成的一篇文章就是一千個(gè)維度組成的一個(gè)向量。然后機(jī)器在代數(shù)世界里衡量不同向量的相似度——簡(jiǎn)單向量距離分類法、貝葉斯算法、KNN（K最近鄰居）算法、線性回歸、邏輯回歸……

維度太多，于是算法進(jìn)化了，不再把每個(gè)詞當(dāng)作維度，而是把html代碼里的節(jié)點(diǎn)標(biāo)記（DOM）作為維度，這樣就大大減少了維度個(gè)數(shù)。人類看見(jiàn)的標(biāo)題、文字、圖片，被代碼放在不同的DOM節(jié)點(diǎn)里，比如head，比如body，比如TR、TD（表示表格的代碼），構(gòu)成樹(shù)狀結(jié)構(gòu)。算法以這些節(jié)點(diǎn)為維度，用各種算法對(duì)比不同的文檔異同——k means（硬聚類）算法，minimax（極小化極大算法）……再進(jìn)一步，引入圖論范疇的模式樹(shù)，就有了更高級(jí)的tree-based算法。

下圖是個(gè)常見(jiàn)的html dom展示，不需要看懂，只要了解機(jī)器眼中的文章是什么樣子。

算法五花八門，我說(shuō)的也不準(zhǔn)，主要看氣質(zhì)——算法這個(gè)孩子不知道新聞?wù)f了什么，只知道哪些新聞是同類，哪些是熱點(diǎn)（點(diǎn)的人多當(dāng)然就是熱點(diǎn)，機(jī)器可以通過(guò)一種“組合”算法來(lái)判斷，可以參見(jiàn)南京大學(xué)新聞傳播學(xué)院助理研究員、奧美數(shù)據(jù)科學(xué)實(shí)驗(yàn)室主任王成軍的文章《“今日頭條”怎么計(jì)算：“網(wǎng)絡(luò)爬蟲(chóng)+相似矩陣”技術(shù)運(yùn)作流程》）。文章標(biāo)簽、關(guān)鍵詞等也起到作。

算法匹諾曹的行為很有趣，好像在努力用各種辦法躲避對(duì)內(nèi)容靈魂本身的認(rèn)知，只通過(guò)外貌的形式特征去猜內(nèi)容的相關(guān)度。

算法如何研究讀者

讀者身上沒(méi)有關(guān)鍵詞，沒(méi)有標(biāo)簽，算法如何把握？數(shù)學(xué)家們有辦法，貝葉斯算法就是一種。

經(jīng)典的貝葉斯問(wèn)題在小學(xué)奧數(shù)里就有（美劇《生活大爆炸》里也有）：假如分別有A、B兩個(gè)口袋，口袋A里有7個(gè)紅球和 3個(gè)白球，口袋B里有1個(gè)紅球和9個(gè)白球，現(xiàn)從這兩個(gè)口袋里任意抽出了一個(gè)球，且是紅球，問(wèn)這個(gè)紅球是來(lái)自容器A的概率是多少？ 

（圖片來(lái)自“機(jī)器之心”網(wǎng)站）

讓我們換一個(gè)更具新聞性的表達(dá)方式：假如已知韓國(guó)5年發(fā)射一次衛(wèi)星且每次爆炸失敗率是60%，朝鮮2年發(fā)射一次衛(wèi)星且每次爆炸失敗率是40%?，F(xiàn)在從朝鮮半島傳來(lái)一聲衛(wèi)星發(fā)射失敗爆炸的巨響，請(qǐng)問(wèn)這枚火箭來(lái)自朝鮮的概率是多少？

根據(jù)貝葉斯公式【P(B|E) = P(B) × P(E|B) / P(E)）】就可以推導(dǎo)出這個(gè)概率來(lái)，也就是逆向計(jì)算概率。恰好頭條自己提供了一個(gè)范例：

2015年10月，在中國(guó)傳媒大學(xué)新媒體研究院和今日頭條聯(lián)合舉辦的“洞見(jiàn)數(shù)據(jù)的力量——電視媒體高峰論壇”上，一位叫做安娜的女士說(shuō)：

“頭條有個(gè)獨(dú)特的算法能推算用戶的年齡，即使你沒(méi)在頭條訂閱。系統(tǒng)根據(jù)已確定年齡人群的動(dòng)作、特點(diǎn)和興趣做了一個(gè)模型，由協(xié)同原則判斷讀者是否符合這個(gè)模型，這時(shí)機(jī)器先預(yù)判是否為該年齡段的用戶，同時(shí)機(jī)器再根據(jù)你的閱讀動(dòng)作最終確定年齡段?！?span>

這個(gè)獨(dú)特的算法可能就是貝葉斯算法（當(dāng)然也許不止一種算法，比如也可能存在專門用于挖掘不同數(shù)據(jù)集合間關(guān)聯(lián)性的Apriori算法等）。我猜想算法架構(gòu)師會(huì)預(yù)先根據(jù)心理學(xué)、社會(huì)學(xué)統(tǒng)計(jì)數(shù)據(jù)以及以往讀者點(diǎn)擊數(shù)據(jù)，構(gòu)建一個(gè)用概率來(lái)描述的人格特征模型，比如男性模型的特征之一是在閱讀新聞時(shí)點(diǎn)擊軍事新聞的概率是40%，而女性模型是4%。一旦一個(gè)讀者點(diǎn)擊了軍事新聞，算法就開(kāi)始逆推TA的性別，加上TA點(diǎn)擊其他新聞的行為數(shù)據(jù)，綜合計(jì)算，就能比較準(zhǔn)確地判斷TA的性別。綜合ip地址（地理信息）、點(diǎn)擊時(shí)間、評(píng)論參與、點(diǎn)贊行為這些明確的信息，就能區(qū)分出不同讀者的取向、興趣。

如果我們回看商業(yè)史，就會(huì)看到這樣的算法精神一直孕育在資本主義消費(fèi)市場(chǎng)之內(nèi)。歐美的商業(yè)家們?cè)缇驮谧粉櫹M(fèi)者的喜好數(shù)據(jù)，沃爾瑪超市里的商品就是典型，什么商品放在什么位置都是有講究的，大賣場(chǎng)長(zhǎng)期跟蹤用戶在商場(chǎng)里的行為和銷售數(shù)據(jù)，入口處堆放的商品就好比新聞首頁(yè)推薦的頭條。一開(kāi)始是通過(guò)人工記錄、報(bào)表分析，有了攝像頭，就可以分析錄像中顧客的行動(dòng)軌跡?；ヂ?lián)網(wǎng)推薦技術(shù)則使得這種跟蹤細(xì)化到了個(gè)人。

原理不難理解，但做起來(lái)考驗(yàn)智慧和耐心。同時(shí)，算法面臨著自己的巨大困境：