解决方案:【语料库】分析用户群体偏好推荐机制（一）

　　解决方案:【语料库】分析用户群体偏好推荐机制（一）

　　关键词采集：通过点击事件的日志分析用户的偏好；搜索词分析：根据词语的分布情况来分析用户感兴趣的词；消息接收事件分析：根据事件后的文字描述分析用户感兴趣的词；分析推荐：根据用户在网站上的点击进行推荐，是根据用户在网站上的行为来定向推荐用户感兴趣的新词；人工干预：根据事件后的用户评价等动作来干预用户偏好推荐机制。

　　分析用户群体偏好推荐机制的话，可以引入ugc来增加曝光度，一个用户有可能同时评论过不同词语，甚至把同一个词放到评论和点赞中都不一样的位置。前期可以通过seo的方式进行一定曝光。形成一个主要影响因素。之后，加大曝光度，不同词放到主要频道，抓取其他用户的点击行为，根据用户的转发带来的流量然后在一定程度上优化。多放站外宣传，提高了曝光度也就提高了用户分享度。（一点小建议，不一定正确。只是自己目前的经验。）。

　　这样做真的好吗？

　　如果只是分析一些以前没听过的词，用户很容易对之后新加的词产生兴趣，但分析数量太多就没意义了，会影响用户的成本和精准度，可以在主页上放大量用户感兴趣的关键词，可以用比较有争议性的词，

　　语料库设计是产品最核心的问题，请了解，

　　应该可以，不同的关键词有一定的影响，但一般不会，已知的消息内容才推荐给用户，查看用户的行为，来选择是否分析，因为每个行为产生的数据量太大，过大的数据量未必能够反映出用户的偏好，