今日头条发文章怎么才能大量推荐？告诉你如何轻松上推荐！
在今日头条上发文的自媒体人都会遇到一个问题，无论是新手还是老手，遇到的瓶颈期都是一样的。就是今日头条发文章怎么才能大量推荐？今日头条上的收益主要就是看阅读量，阅读量很大部分又依靠着头条的推荐量。所以今天小编就来告诉你如何轻松上推荐！
请点击此处输入图片描述
一：今日头条发文章怎么才能大量推荐？
自媒体发展的迅猛，让我们看见了在今日头条，发表文章，发表视频就实现创业的梦想，对于很多刚加入今日头条的新手来说，关于什么样的文章才可以让今日头条给打上已推荐的标签，怎么才能获取更大的推荐量，这个问题确实愁坏了很多人，所以怎么今日头条推荐也成了最热门的话题：
请点击此处输入图片描述
我去年申请头条号，加入今日头条作者的大军以来，因为文字不给推荐，确实也下了很大的功夫去研究，最后总结了一些经验，后来文字几乎可以每天都给推荐了，所以今天就如何写这个文章，分享一些经验，希望可以帮助一些新手：
请点击此处输入图片描述
二：今日头条发文章怎么才能大量推荐？
首先：要想知道什么样的文章才能被推荐，和获取更大的推荐量，就要先明白今日头条上推荐的审核机制，今日头条审核你写的文章是不是可以上推荐，主要分为机器审核和人工审核，其中机器审核占到了审核总数的99.9%，人工只是辅助，所以我们只要了解机器审核的重点，然后规避开一些不必要的问题，那我们的文章就可以轻松通过机器的审核，上今日头条推荐了：
请点击此处输入图片描述
三：今日头条发文章怎么才能大量推荐？那么机器审核我们的文章可不可以被推荐：
第一就是要看文章有没有违规的内容，这个一般的情况下我们不会出现这样的问题，然后就会审核我们的文章是不是原创，只有原创文章才可以上推荐，他会根据我们写的文章，在全网进行对比，如果发现和其它类似的文章有70%的相似，那么就认为文章是搬运的不给推荐，所以文章必须要有自己的特色，不要全部搬运。
请点击此处输入图片描述
第二，机器审核的要点就是你的文章值不值得推荐，机器如果发现你写的文章网络上已经存在大量类似的文章了，那么它就会认为这个文章没有推荐的价值了，所以即使你自己原创了这样的文章，也不会给推荐，即使给推荐了，推荐量也不会很大。
只要注意以上两点，不犯这样的错误，我们的文章基本上就可以上推荐了，这只是万里长征的前几步。
请点击此处输入图片描述
如果以上方法对你有所启发，那么请点击关注：准哥自媒体，每天我将为你揭秘最新的营销思维和赚钱方法，私信我，您还将获得秘籍一份！
本文出自：准哥微课堂。我是准哥，资深自媒体人，互联网运营达人。分享自媒体，网络赚钱项目干货上千次，影响帮助上万名互联网从业者。只要你有电脑就可以带你玩转自媒体。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点&p&什么是世面&/p&&p&你我站在这人世中间&/p&&p&往上看得是金碧辉煌&/p&&p&往下看得着破屋茅草&/p&&p&这叫世面&/p&&p&&br&&/p&&p&什么叫见过世面&/p&&p&看过美国西海岸的日落&/p&&p&尝过四川大凉山的干涸&/p&&p&这叫见过世面&/p&&p&&br&&/p&&p&什么叫算见过世面&/p&&p&不仰着头屈着膝往上看&/p&&p&不抬着下巴扬着眼皮往下看&/p&&p&这叫算见过世面&/p&&p&&br&&/p&&p&可如今我们&/p&&p&天天的梦想追求抱负&/p&&p&眼里都是北上广的繁华&/p&&p&别说去看看下边的世面&/p&&p&就是提提那个生于斯长于斯的小县城&/p&&p&都满脸的鄙弃嘲讽 嫌弃它设施落后
配置垃圾&/p&&p&&br&&/p&&p&可如今的我们&/p&&p&天天的优秀成功&/p&&p&谈的都是互联网 高大上&/p&&p&不要说成为社会基石&/p&&p&除了把对社会的关爱放在对外卖小哥环卫工人的网络同情上&/p&&p&对三四线城市都不看在眼里&/p&&p&&br&&/p&&p&可如今的我们&/p&&p&天天的读书健身旅游&/p&&p&妥妥的“隐形贫困人口”&/p&&p&但也要把面子撑起来&/p&&p&省吃俭用买个牌子就为了遮住自己的根源&/p&&p&你要是说他是从村里来的&/p&&p&他恨不得骂你八辈祖宗&/p&&p&&br&&/p&&p&我们都错了&/p&&p&不是往上看到的才是世面&/p&&p&往上往下皆看遍的才叫世面&/p&&p&不是北上广深才是世界&/p&&p&大山深处也有人烟&/p&&p&&br&&/p&&p&我们遮住自己的命脉&/p&&p&我们只看得见繁华&/p&&p&我们的逻辑是失败就是因为懒
努力就能成功&/p&&p&我们艳羡成功人士&/p&&p&然后拼了命的往上赶&/p&&p&我们鄙弃大山子孙&/p&&p&然后逃离生怕扯上半点关联&/p&&p&这不叫见过世面&/p&&p&这叫我的眼里只有钱&/p&&p&&br&&/p&&p&古代大户人家在孩子学成之时&/p&&p&都要让孩子出门游学两年&/p&&p&是为了告诉孩子&/p&&p&你生在这样的家庭&/p&&p&你能够往上走是你的幸运&/p&&p&但是你不要看不起下边的人&/p&&p&他自有他的笑容与辛酸&/p&&p&你要理解 你要感知
你要去学会淡然&/p&&p&&br&&/p&&p&纪晓岚学识渊博
嫉恶如仇&/p&&p&他却是没见过世面&/p&&p&他的朝堂歌舞升平
&/p&&p&他的书卷里易子而食都只是四个大字&/p&&p&他只看见盛世繁华应有的繁华&/p&&p&却看不见这繁华之下的森森白骨&/p&&p&所以当他见了不平
一腔都是义愤填膺&/p&&p&可是除了义正言辞痛骂两句
&/p&&p&匡扶这一两个人的正义&/p&&p&他就再也无能为力
无话可说&/p&&p&&br&&/p&&p&和珅十恶不赦
应当剥皮抽筋&/p&&p&可他是见过世面的&/p&&p&他既吃的下金銮殿的山珍海味&/p&&p&又尝得了那加了一把沙子的赈灾粥&/p&&p&他知道怎么给乾隆维持皇家的体面&/p&&p&也知道这体面之下怎么龌龊肮脏的勾当&/p&&p&所以他办的了坏事
也做的了好人&/p&&p&他从不一嘴正义让人敬仰&/p&&p&却殚精竭虑地维系着乾隆王朝的运转&/p&&p&&br&&/p&&p&你我应做的&/p&&p&是和珅式的纪晓岚&/p&&p&读得圣贤书&/p&&p&识过众生苦&/p&&p&上可端觥筹&/p&&p&下欲着粗布&/p&&p&&br&&/p&&p&而不是纪晓岚式的和珅&/p&&p&端坐朝堂乱五谷&/p&&p&四体不勤废手足&/p&&p&身无一分通天识&/p&&p&却做屡屡害人事&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&——————————————————&/p&&p&千山万水总是情&/p&&p&点个关注行不行&/p&
什么是世面你我站在这人世中间往上看得是金碧辉煌往下看得着破屋茅草这叫世面 什么叫见过世面看过美国西海岸的日落尝过四川大凉山的干涸这叫见过世面 什么叫算见过世面不仰着头屈着膝往上看不抬着下巴扬着眼皮往下看这叫算见过世面 可如今我们天天的梦想追…
&p&多图预警，做出来当壁纸用的。&/p&&p&&br&&/p&&p&谢谢大家一直催更， 我又来更新了。&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-265abee9a4ce4c1694e95a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-265abee9a4ce4c1694e95a_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-4d6b0d42cd0e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-4d6b0d42cd0e_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-39a0aeafc870fbd4cb188a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-39a0aeafc870fbd4cb188a_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-090af59ff8c0d1b96cac0150_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-090af59ff8c0d1b96cac0150_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-c8eda19a355f07bed56a587_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-c8eda19a355f07bed56a587_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-fad1f0e288c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-fad1f0e288c_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-8465dbd3adc71e1cbbe34bb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-8465dbd3adc71e1cbbe34bb_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-54b2203047_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-54b2203047_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-f63b2e9fe7c54ffe6c55ea3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-f63b2e9fe7c54ffe6c55ea3_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-e1cf2b52fb7c48fb1799e5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-e1cf2b52fb7c48fb1799e5_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-9694fbd4a98d7cc4a1f09fe3ac6d397b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-9694fbd4a98d7cc4a1f09fe3ac6d397b_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-63eb620a5bdd2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-63eb620a5bdd2_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-ef888c645dcaba45fbbebd0a53e0680f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-ef888c645dcaba45fbbebd0a53e0680f_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-ea78411ca5edb7420bdfad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-ea78411ca5edb7420bdfad_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-1b52f547cb4e723ef0f93_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-1b52f547cb4e723ef0f93_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-9d046ed9979e16bff5e8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-9d046ed9979e16bff5e8_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-b2e631e4b36f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-b2e631e4b36f_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-888b44bce6bd9ae0b17e7_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-888b44bce6bd9ae0b17e7_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-e0fedf818875edadd70ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-e0fedf818875edadd70ad_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-b32adc3bcdaf2da50a4089_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-b32adc3bcdaf2da50a4089_r.jpg&&&/figure&&p&&br&&/p&&p&——————————————————&/p&&p&7月24日更新，&/p&&p&谢谢大家的喜欢～已经超过2k赞啦，所以来更新一小波：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-9af4ee27e77f574f526ecf351d5cc7b3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-9af4ee27e77f574f526ecf351d5cc7b3_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-eca_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-eca_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-2d78838eafccab_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-2d78838eafccab_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-a7751cfde3bfac0e9711ed7_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-a7751cfde3bfac0e9711ed7_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-3ca3ab9c215cb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-3ca3ab9c215cb_r.jpg&&&/figure&&p&&br&&/p&&p&—————————————————&/p&&p&7月28日更新&/p&&p&3K赞啦，再更新一套～&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-da6a948f126aa07fac6d663be911ac94_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-da6a948f126aa07fac6d663be911ac94_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-c2a555ca1e26dacda2faae8d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-c2a555ca1e26dacda2faae8d_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-f9a19c1cd2bc88f5c67b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-f9a19c1cd2bc88f5c67b_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-1fa9d5dc0d69e571ca9d0dad87b72cad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-1fa9d5dc0d69e571ca9d0dad87b72cad_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-6e579c39bce016feb0a582bb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-6e579c39bce016feb0a582bb_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&——————————————————————&/p&&p&8月1日，&/p&&p&4K赞了……&/p&&p&快被大家榨干了：）&/p&&p&再更新一波&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-f92cc1decddadcf2f5050b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-f92cc1decddadcf2f5050b_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-6639defc9f728a7aaaab7d66_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic1.zhimg.com/50/v2-6639defc9f728a7aaaab7d66_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-1fd4e764c2c5fbc9893331_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-1fd4e764c2c5fbc9893331_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-3afe7858268aac635ad478_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-3afe7858268aac635ad478_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-3fee2e8c7e437bc4e0dbd2c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-3fee2e8c7e437bc4e0dbd2c_r.jpg&&&/figure&&p&&br&&/p&&p&——————————————————————&/p&&p&8月9日更新&/p&&p&5k啦，感谢大家，&/p&&p&说到做到，来更新了。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-5de51a98cafe8fe636845_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-5de51a98cafe8fe636845_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-8e8a0f0bf69a9d5e74bf3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic2.zhimg.com/50/v2-8e8a0f0bf69a9d5e74bf3_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-736dd174264dfdc0d07a27bab85dd20c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic4.zhimg.com/50/v2-736dd174264dfdc0d07a27bab85dd20c_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-bdee2badbe_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-bdee2badbe_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-9c68200aeed8e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1242& data-rawheight=&2208& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&https://pic3.zhimg.com/50/v2-9c68200aeed8e_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&h2&可以存图，但请顺手点个赞喔&/h2&&p&&br&&/p&&p&答案太长了， 更新在这里-&/p&&p&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&神武鸡：有哪些你看过一眼就难以忘怀的句子？&/a&&/p&&p&&br&&/p&&p&————————————————&/p&&p&请戳我的其他回答看：&/p&&p&最新 -&a href=&https://www.zhihu.com/question//answer/& class=&internal&&神武鸡：有哪些你难以理解的潮流？&/a&&/p&&p&&br&&/p&&p&1.&a href=&https://www.zhihu.com/question//answer/& class=&internal&&你遇到过的最恶心的事是什么？&/a&&/p&&p&2.&a href=&https://www.zhihu.com/question//answer/& class=&internal&&男生的哪个瞬间让你觉得很有教养?&/a&&/p&&p&3.&a href=&https://www.zhihu.com/question//answer/& class=&internal&&什么作品让你看完产生了某种发自心底的（对生活的）乐观？&/a&&/p&&p&4.&a href=&https://www.zhihu.com/question//answer/& class=&internal&&恋人之间的最好状态是怎样的？&/a&&/p&
多图预警，做出来当壁纸用的。 谢谢大家一直催更， 我又来更新了。 ——————————————————7月24日更新，谢谢大家的喜欢～已经超过2k赞啦，所以来更新一小波： —————————————————7月28日更新3K赞啦，再更新一套～ ————…
&figure&&img src=&https://pic1.zhimg.com/v2-056dca7ab2f08fcaa1713_b.jpg& data-rawwidth=&1280& data-rawheight=&855& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-056dca7ab2f08fcaa1713_r.jpg&&&/figure&&p&&/p&&a class=&video-box& href=&http://link.zhihu.com/?target=https%3A//www.zhihu.com/video/064896& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic2.zhimg.com/v2-609884bffabffe9e694f11e65e46fc36.jpg& data-lens-id=&064896&&
&img class=&thumbnail& src=&https://pic2.zhimg.com/v2-609884bffabffe9e694f11e65e46fc36.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/064896&/span&
&p&&/p&&p&你不一定要在电脑安装任何文档软件，没有WPS，没有iWork，也米有Office，只要一个稳定高效又简洁的浏览器，照样能够实现高效的轻办公。&/p&&p&&br&&/p&&p&当领导上司们入侵微信之后，生活早已被工作征服。如果我们必须用微信或者钉钉这样的办公软件，我希望它更加有效率。然而有些情况真的很让人头疼。&/p&&p&&br&&/p&&blockquote&&b&比如同事先给你发了一个方案文档，几分钟后又发来一个修改版，过几分钟又来一个修改版的修改版；&/b&&br&&b&又比如word文档这种东西根本不可能跟手机自动适配，字体的大小、间距看起来都让人头疼，当然你也不能修改；&/b&&br&&b&还比如到了最后，面对群里的一大堆文件，谁知道哪个是最终版哪个是残废版呢？&/b&&/blockquote&&p&&br&&/p&&p&这个时候，即便印象笔记或者OneNote也帮不了你，除非你把刀架在同事们的脖子上，让他们每个人都安装一个软件。&/p&&p&&br&&/p&&p&&b&所以，轻办公就要轻得有个性。&/b&&/p&&p&&br&&/p&&p&打开一个可爱的浏览器，输入&a href=&http://link.zhihu.com/?target=http%3A//shimo.im& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&shimo.im&/span&&span class=&invisible&&&/span&&/a&，注册一个可爱的账号，轻轻松松地写下你的方案，你可以插入图片、表格、分隔线，甚至代码，还能插入其他附件。简单地设置字体、颜色、和标题，最后点击右上角的分享，复制链接给他人，如果你选择“可以编辑”，那么整个文档会发生特别神奇的事情，所有人都可以同时编辑。&/p&&p&&br&&/p&&p&而且无论何时、何地，无论分享多几次，这个链接最终呈现的都是最新修改版本。&/p&&p&&br&&/p&&p&你还可以做列表，做待办事项。为你的方案和其他内容做分类。当然除了文字，还能使用表格。&/p&&p&如果觉得简单文字不能说明问题，那么我们加入幕布，最快时间头脑风暴，写出对某个项目想到的东西，可以一键生成思维导图，与大家分享。也能现场与所有人共同讲解。如果你的办公涉及一些稍大的文件，加上一个百度云，建立好文件夹，一切就都解决了。&/p&&p&&br&&/p&&p&&b&媒介在变化，想象力不变，找到适合自己的办公方式，坚持才是硬道理。&/b&&/p&&p&&br&&/p&&p&&br&&/p&&p&欢迎在同名微信公众号后台回复 &b&高效轻办公&/b& 获取以上提到的两款云办公软件。当然，你也可以直接前往他们的官网&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&更多资源技能欢迎前往我们的官网查看：&a href=&http://link.zhihu.com/?target=http%3A//topbook.cc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&topbook.cc&/a&&/b&&/h2&&p&&b&收藏也要点赞，可不敢白嫖！&/b&&/p&
你不一定要在电脑安装任何文档软件，没有WPS，没有iWork，也米有Office，只要一个稳定高效又简洁的浏览器，照样能够实现高效的轻办公。 当领导上司们入侵微信之后，生活早已被工作征服。如果我们必须用微信或者钉钉这样的办公软件，我希望它更加有效率。然…
&figure&&img src=&https://pic1.zhimg.com/v2-c7df289e_b.jpg& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-c7df289e_r.jpg&&&/figure&&p&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-5b6bc75fe9c2d88b42e4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-5b6bc75fe9c2d88b42e4_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&今日头条的内容分发算法一直颇神秘低调。自12年开发运营起进四次改版，从未透露核心内容。&/p&&p&&br&&/p&&p&2018年1月，今日头条资深算法架构师曹欢欢博士，终于首次公开今日头条的算法原理，以期推动整个行业问诊算法、建言算法，希望消除各界对算法的误解。&/p&&p&&br&&/p&&p&据悉，今日头条的信息推荐算法目前服务全球亿万用户。&/p&&p&&br&&/p&&p&以下为曹欢欢关于《今日头条算法原理》的分享内容（已获今日头条授权）：&/p&&p&&br&&/p&&p&▲3分钟了解今日头条推荐算法原理&/p&&p&&br&&/p&&p&本次分享将主要介绍今日头条推荐系统概览以及内容分析、用户标签、评估分析，内容安全等原理。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-6a810ecda0_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-6a810ecda0_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&01 系统概览&/b&&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-fa7fa2f7ebe7_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-fa7fa2f7ebe7_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。第一个维度是内容。头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。&/p&&p&&br&&/p&&p&这里还有一个问题，如何引入无法直接衡量的目标？&/p&&p&&br&&/p&&p&推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可以量化的目标，能够用模型直接拟合做预估，看线上提升情况可以知道做的好不好。但一个大体量的推荐系统，服务用户众多，不能完全由指标评估，引入数据指标以外的要素也很重要。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a9af0f3bb8ecdaab89fe79_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-a9af0f3bb8ecdaab89fe79_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&比如广告和特型内容频控。像问答卡片就是比较特殊的内容形式，其推荐的目标不完全是让用户浏览，还要考虑吸引用户回答为社区贡献内容。这些内容和普通内容如何混排，怎样控制频控都需要考虑。&/p&&p&&br&&/p&&p&此外，平台出于内容生态和社会责任的考量，像低俗内容的打压，标题党、低质内容的打压，重要新闻的置顶、加权、强插，低级别账号内容降权都是算法本身无法完成，需要进一步对内容进行干预。&/p&&p&&br&&/p&&p&下面我将简单介绍在上述算法目标的基础上如何对其实现。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-83ff41f3f8b8e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-83ff41f3f8b8e_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&前面提到的公式y = F(Xi ,Xu ,Xc)，是一个很经典的监督学习问题。可实现的方法有很多，比如传统的协同过滤模型，监督学习算法Logistic Regression模型，基于深度学习的模型，Factorization Machine和GBDT等。&/p&&p&&br&&/p&&p&一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。现在很流行将LR和DNN结合，前几年Facebook也将LR和GBDT算法做结合。今日头条旗下几款产品都在沿用同一套强大的算法推荐系统，但根据业务场景不同，模型架构会有所调整。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4c7d3e04c33fa35bbb1cec_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-4c7d3e04c33fa35bbb1cec_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&模型之后再看一下典型的推荐特征，主要有四类特征会对推荐起到比较重要的作用。&/p&&p&&br&&/p&&p&第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。&/p&&p&&br&&/p&&p&第二类是环境特征，包括地理位置、时间。这些既是bias特征，也能以此构建一些匹配特征。&/p&&p&&br&&/p&&p&第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。&/p&&p&&br&&/p&&p&第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-dab2cf704e692b9c0ea4c5a00640f9ce_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-dab2cf704e692b9c0ea4c5a00640f9ce_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&模型的训练上，头条系大部分推荐产品采用实时训练。实时训练省资源并且反馈快，这对信息流产品非常重要。用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。我们线上目前基于storm集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型。模型参数服务器是内部开发的一套高性能的系统，因为头条数据规模增长太快，类似的开源系统稳定性和性能无法满足，而我们自研的系统底层做了很多针对性的优化，提供了完善运维工具，更适配现有的业务场景。&/p&&p&&br&&/p&&p&目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征。整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Storm集群消费Kafka数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为文章推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-483ec02d690ab134cd02cc48e82eed50_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-483ec02d690ab134cd02cc48e82eed50_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&但因为头条目前的内容量非常大，加上小视频内容有千万级别，推荐系统不可能所有内容全部由模型预估。所以需要设计一些召回策略，每次推荐时从海量内容中筛选出千级别的内容库。召回策略最重要的要求是性能要极致，一般超时不能超过50毫秒。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-8e0835aea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-8e0835aea_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&召回策略种类有很多，我们主要用的是倒排的思路。离线维护一个倒排，这个倒排的key可以是分类，topic，实体，来源等，排序考虑热度、新鲜度、动作等。线上召回可以迅速从倒排中根据用户兴趣标签对内容做截断，高效的从很大的内容库中筛选比较靠谱的一小部分内容。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-9e95c57b4b0f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-9e95c57b4b0f1_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&02 内容分析&/b&&/p&&p&&br&&/p&&p&内容分析包括文本分析，图片分析和视频分析。头条一开始主要做资讯，今天我们主要讲一下文本分析。文本分析在推荐系统中一个很重要的作用是用户兴趣建模。没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-53cc03bde836cbec75b6e5d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-53cc03bde836cbec75b6e5d_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&另一方面，文本内容的标签可以直接帮助推荐特征，比如魅族的内容可以推荐给关注魅族的用户，这是用户标签的匹配。如果某段时间推荐主频道效果不理想，出现推荐窄化，用户会发现到具体的频道推荐（如科技、体育、娱乐、军事等）中阅读后，再回主feed,推荐效果会更好。因为整个模型是打通的，子频道探索空间较小，更容易满足用户需求。只通过单一信道反馈提高推荐准确率难度会比较大，子频道做的好很重要。而这也需要好的内容分析。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-338ba5eba47da55ab1a6dfc411e04720_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-338ba5eba47da55ab1a6dfc411e04720_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&上图是今日头条的一个实际文本case。可以看到，这篇文章有分类、关键词、topic、实体词等文本特征。当然不是没有文本特征，推荐系统就不能工作，推荐系统最早期应用在Amazon,甚至沃尔玛时代就有，包括Netfilx做视频推荐也没有文本特征直接协同过滤推荐。但对资讯类产品而言，大部分是消费当天内容，没有文本特征新内容冷启动非常困难，协同类特征无法解决文章冷启动问题。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-22c4ee9fb2d5cb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-22c4ee9fb2d5cb_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&今日头条推荐系统主要抽取的文本特征包括以下几类。首先是语义标签类特征，显式为文章打上语义标签。这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。此外还有隐式语义特征，主要是topic特征和关键词特征，其中topic特征是对于词概率分布的描述，无明确意义；而关键词特征会基于一些统一特征描述，无明确集合。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1b14dfec66ebf716c8e74dce54846a44_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-1b14dfec66ebf716c8e74dce54846a44_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&另外文本相似度特征也非常重要。在头条，曾经用户反馈最大的问题之一就是为什么总推荐重复的内容。这个问题的难点在于，每个人对重复的定义不一样。举个例子，有人觉得这篇讲皇马和巴萨的文章，昨天已经看过类似内容，今天还说这两个队那就是重复。但对于一个重度球迷而言，尤其是巴萨的球迷，恨不得所有报道都看一遍。解决这一问题需要根据判断相似文章的主题、行文、主体等内容，根据这些特征做线上策略。&/p&&p&&br&&/p&&p&同样，还有时空特征，分析内容的发生地点以及时效性。比如武汉限行的事情推给北京用户可能就没有意义。最后还要考虑质量相关特征，判断内容是否低俗，色情，是否是软文，鸡汤？&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-726d79fefed3fc039db6b70cb2e14abb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-726d79fefed3fc039db6b70cb2e14abb_r.jpg&&&/figure&&p&&br&&/p&&p&上图是头条语义标签的特征和使用场景。他们之间层级不同，要求不同。 &/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-a7e5f2da0e4c03cef9d422febd7abd62_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-a7e5f2da0e4c03cef9d422febd7abd62_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&分类的目标是覆盖全面，希望每篇内容每段视频都有分类；而实体体系要求精准，相同名字或内容要能明确区分究竟指代哪一个人或物，但不用覆盖很全。概念体系则负责解决比较精确又属于抽象概念的语义。这是我们最初的分类，实践中发现分类和概念在技术上能互用，后来统一用了一套技术架构。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-d48e2fac35e57ea50eb9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&796& data-rawheight=&446& class=&origin_image zh-lightbox-thumb& width=&796& data-original=&https://pic3.zhimg.com/v2-d48e2fac35e57ea50eb9_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&目前，隐式语义特征已经可以很好的帮助推荐，而语义标签需要持续标注，新名词新概念不断出现，标注也要不断迭代。其做好的难度和资源投入要远大于隐式语义特征，那为什么还需要语义标签？有一些产品上的需要，比如频道需要有明确定义的分类内容和容易理解的文本标签体系。语义标签的效果是检查一个公司NLP技术水平的试金石。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-bfca1b09f29e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-bfca1b09f29e_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&今日头条推荐系统的线上分类采用典型的层次化文本分类算法。最上面Root，下面第一层的分类是像科技、体育、财经、娱乐，体育这样的大类，再下面细分足球、篮球、乒乓球、网球、田径、游泳等，足球再细分国际足球、中国足球，中国足球又细分中甲、中超、国家队等，相比单独的分类器，利用层次化文本分类算法能更好地解决数据倾斜的问题。有一些例外是，如果要提高召回，可以看到我们连接了一些飞线。这套架构通用，但根据不同的问题难度，每个元分类器可以异构，像有些分类SVM效果很好，有些要结合CNN，有些要结合RNN再处理一下。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-76fdf999d5e74b75968ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-76fdf999d5e74b75968ee_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&上图是一个实体词识别算法的case。基于分词结果和词性标注选取候选，期间可能需要根据知识库做一些拼接，有些实体是几个词的组合，要确定哪几个词结合在一起能映射实体的描述。如果结果映射多个实体还要通过词向量、topic分布甚至词频本身等去歧，最后计算一个相关性模型。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&03 用户标签&/b&&/p&&p&&br&&/p&&p&内容分析和用户标签是推荐系统的两大基石。内容分析涉及到机器学习的内容多一些，相比而言，用户标签工程挑战更大。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f291d6afd50dad470a8dedc1eda9483f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-f291d6afd50dad470a8dedc1eda9483f_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&今日头条常用的用户标签包括用户感兴趣的类别和主题、关键词、来源、基于兴趣的用户聚类以及各种垂直兴趣特征（车型，体育球队，股票等）。还有性别、年龄、地点等信息。性别信息通过用户第三方社交账号登录得到。年龄信息通常由模型预测，通过机型、阅读时间分布等预估。常驻地点来自用户授权访问位置信息，在位置信息的基础上通过传统聚类的方法拿到常驻点。常驻点结合其他信息，可以推测用户的工作地点、出差地点、旅游地点。这些用户标签非常有助于推荐。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-5443673cdce4baace553d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-5443673cdce4baace553d_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&当然最简单的用户标签是浏览过的内容标签。但这里涉及到一些数据处理策略。主要包括：一、过滤噪声。通过停留时间短的点击，过滤标题党。二、热点惩罚。对用户在一些热门文章（如前段时间PG One的新闻）上的动作做降权处理。理论上，传播范围较大的内容，置信度会下降。三、时间衰减。用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。四、惩罚展现。如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。当然同时，也要考虑全局背景，是不是相关内容推送比较多，以及相关的关闭和dislike信号等。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-5b783ef576e06e0c149851ffa6146462_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-5b783ef576e06e0c149851ffa6146462_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&用户标签挖掘总体比较简单，主要还是刚刚提到的工程挑战。头条用户标签第一版是批量计算框架，流程比较简单，每天抽取昨天的日活用户过去两个月的动作数据，在Hadoop集群上批量计算结果。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e64b7db8ca0_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-e64b7db8ca0_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&但问题在于，随着用户高速增长，兴趣模型种类和其他批量处理任务都在增加，涉及到的计算量太大。2014年，批量处理任务几百万用户标签更新的Hadoop任务，当天完成已经开始勉强。集群计算资源紧张很容易影响其它工作，集中写入分布式存储系统的压力也开始增大，并且用户兴趣标签更新延迟越来越高。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-4ffd572bc38f4f4f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-4ffd572bc38f4f4f_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&面对这些挑战。2014年底今日头条上线了用户标签Storm集群流式计算系统。改成流式之后，只要有用户动作更新就更新标签，CPU代价比较小，可以节省80%的CPU时间，大大降低了计算资源开销。同时，只需几十台机器就可以支撑每天数千万用户的兴趣模型更新，并且特征更新速度非常快，基本可以做到准实时。这套系统从上线一直使用至今。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-529e3ef27a4bd1ca7dc8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-529e3ef27a4bd1ca7dc8_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&当然，我们也发现并非所有用户标签都需要流式系统。像用户的性别、年龄、常驻地点这些信息，不需要实时重复计算，就仍然保留daily更新。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&04 评估分析&/b&&/p&&p&&br&&/p&&p&上面介绍了推荐系统的整体架构，那么如何评估推荐效果好不好？&/p&&p&&br&&/p&&p&有一句我认为非常有智慧的话，“一个事情没法评估就没法优化”。对推荐系统也是一样。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ad85a63f38cf2b78a56d94b9e683b306_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-ad85a63f38cf2b78a56d94b9e683b306_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&事实上，很多因素都会影响推荐效果。比如侯选集合变化，召回模块的改进或增加，推荐特征的增加，模型架构的改进在，算法参数的优化等等，不一一举例。评估的意义就在于，很多优化最终可能是负向效果，并不是优化上线后效果就会改进。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-162bc9487ffecdc269ae_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-162bc9487ffecdc269ae_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&全面的评估推荐系统，需要完备的评估体系、强大的实验平台以及易用的经验分析工具。所谓完备的体系就是并非单一指标衡量，不能只看点击率或者停留时长等，需要综合评估。过去几年我们一直在尝试，能不能综合尽可能多的指标合成唯一的评估指标，但仍在探索中。目前，我们上线还是要由各业务比较资深的同学组成评审委员会深入讨论后决定。&/p&&p&&br&&/p&&p&很多公司算法做的不好，并非是工程师能力不够，而是需要一个强大的实验平台，还有便捷的实验分析工具，可以智能分析数据指标的置信度。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-2ee8ec785e65b85c928a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-2ee8ec785e65b85c928a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&一个良好的评估体系建立需要遵循几个原则，首先是兼顾短期指标与长期指标。我在之前公司负责电商方向的时候观察到，很多策略调整短期内用户觉得新鲜，但是长期看其实没有任何助益。&/p&&p&&br&&/p&&p&其次，要兼顾用户指标和生态指标。今日头条作为内容分创作平台，既要为内容创作者提供价值，让他更有尊严的创作，也有义务满足用户，这两者要平衡。还有广告主利益也要考虑，这是多方博弈和平衡的过程。&/p&&p&&br&&/p&&p&另外，要注意协同效应的影响。实验中严格的流量隔离很难做到，要注意外部效应。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e029a2d4f7f4c85018bc7e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-e029a2d4f7f4c85018bc7e_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&强大的实验平台非常直接的优点是，当同时在线的实验比较多时，可以由平台自动分配流量，无需人工沟通，并且实验结束流量立即回收，提高管理效率。这能帮助公司降低分析成本，加快算法迭代效应，使整个系统的算法优化工作能够快速往前推进。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-f8b28ceae59ac91ebf0b65be_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-f8b28ceae59ac91ebf0b65be_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这是头条A/B Test实验系统的基本原理。首先我们会做在离线状态下做好用户分桶，然后线上分配实验流量，将桶里用户打上标签，分给实验组。举个例子，开一个10%流量的实验，两个实验组各5%，一个5%是基线，策略和线上大盘一样，另外一个是新的策略。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-18b1fbab4441daeb09ece_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-18b1fbab4441daeb09ece_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&实验过程中用户动作会被搜集，基本上是准实时，每小时都可以看到。但因为小时数据有波动，通常是以天为时间节点来看。动作搜集后会有日志处理、分布式统计、写入数据库，非常便捷。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1870fcbb929139efedd4c58cd8f30a66_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic1.zhimg.com/v2-1870fcbb929139efedd4c58cd8f30a66_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&在这个系统下工程师只需要设置流量需求、实验时间、定义特殊过滤条件，自定义实验组ID。系统可以自动生成：实验数据对比、实验数据置信度、实验结论总结以及实验优化建议。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-0b1aaeb0dcc9d53ec144_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-0b1aaeb0dcc9d53ec144_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&当然，只有实验平台是远远不够的。线上实验平台只能通过数据指标变化推测用户体验的变化，但数据指标和用户体验存在差异，很多指标不能完全量化。很多改进仍然要通过人工分析，重大改进需要人工评估二次确认。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&05 内容安全&/b&&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dbd97fde498bdba2e7b5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-dbd97fde498bdba2e7b5_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&最后要介绍今日头条在内容安全上的一些举措。头条现在已经是国内最大的内容创作与分发凭条，必须越来越重视社会责任和行业领导者的责任。如果1%的推荐内容出现问题，就会产生较大的影响。&/p&&p&&br&&/p&&p&因此头条从创立伊始就把内容安全放在公司最高优先级队列。成立之初，已经专门设有审核团队负责内容安全。当时研发所有客户端、后端、算法的同学一共才不到40人，头条非常重视内容审核。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-73b7b24ff0ea0c39b0463_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-73b7b24ff0ea0c39b0463_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&现在，今日头条的内容主要来源于两部分，一是具有成熟内容生产能力的PGC平台，一是UGC用户内容，如问答、用户评论、微头条。这两部分内容需要通过统一的审核机制。如果是数量相对少的PGC内容，会直接进行风险审核，没有问题会大范围推荐。UGC内容需要经过一个风险模型的过滤，有问题的会进入二次风险审核。审核通过后，内容会被真正进行推荐。这时如果收到一定量以上的评论或者举报负向反馈，还会再回到复审环节，有问题直接下架。整个机制相对而言比较健全，作为行业领先者，在内容安全上，今日头条一直用最高的标准要求自己。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-80411bcdfeeba1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-80411bcdfeeba1_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&分享内容识别技术主要鉴黄模型，谩骂模型以及低俗模型。今日头条的低俗模型通过深度学习算法训练，样本库非常大，图片、文本同时分析。这部分模型更注重召回率，准确率甚至可以牺牲一些。谩骂模型的样本库同样超过百万，召回率高达95%+，准确率80%+。如果用户经常出言不讳或者不当的评论，我们有一些惩罚机制。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-54dcd8fac5d76a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&720& data-rawheight=&405& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-54dcd8fac5d76a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&泛低质识别涉及的情况非常多，像假新闻、黑稿、题文不符、标题党、内容质量低等等，这部分内容由机器理解是非常难的，需要大量反馈信息，包括其他样本信息比对。目前低质模型的准确率和召回率都不是特别高，还需要结合人工复审，将阈值提高。目前最终的召回已达到95%，这部分其实还有非常多的工作可以做。头条人工智能实验室李航老师目前也在和密歇根大学共建科研项目，设立谣言识别平台。&/p&&p&&br&&/p&&p&&b&以上便是头条推荐系统的原理全部分享了，此文授权转载自公众号今日头条&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dd645f326a49b8c2e4e5131cbe22c145_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&449& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&449& data-original=&https://pic4.zhimg.com/v2-dd645f326a49b8c2e4e5131cbe22c145_r.jpg&&&/figure&&p&知乎专栏—&/p&&a href=&https://zhuanlan.zhihu.com/icdo-yuanshuai& data-draft-node=&block& data-draft-type=&link-card& data-image=&https://pic3.zhimg.com/v2-bb4cdebce7e_ipico.jpg& data-image-width=&200& data-image-height=&200& class=&internal&&袁帅:互联网数据分析运营&/a&&p&运营者：袁帅，互联网数据分析运营实践者，会点网事业合伙人，运营负责人。会展业信息化、数字化专家。CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据分析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，畅销书《互联网销售宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员联盟VIP个人会员，全经联园区委秘书处成员，中国低碳智慧园区联盟理事，周五咖啡媒体人俱乐部发起合伙人。百度VIP认证站长，百度文库认证作者，百度经验签约作者，百家号/一点资讯/大鱼号/搜狐号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。&/p&&p&&/p&
今日头条的内容分发算法一直颇神秘低调。自12年开发运营起进四次改版，从未透露核心内容。 2018年1月，今日头条资深算法架构师曹欢欢博士，终于首次公开今日头条的算法原理，以期推动整个行业问诊算法、建言算法，希望消除各界对算法的误解。 据悉，今日头…
&figure&&img src=&https://pic1.zhimg.com/v2-d880db87abd7_b.jpg& data-rawwidth=&757& data-rawheight=&208& class=&origin_image zh-lightbox-thumb& width=&757& data-original=&https://pic1.zhimg.com/v2-d880db87abd7_r.jpg&&&/figure&&p&&/p&&p&&/p&&p&目前网上公开的中文分类数据集都规模很小（&10万），并且采样比较旧，特别是自媒体及UC起来后，新闻的写作风格和标题方法都变化很大。这两点，对于从从事算法研究来讲，不存在问题。但从工程角度快速评估算法在实际的新闻分类中的效果就会出现不足。&/p&&p&本数据集也未必能很好解决以上问题，同时新闻采集也较为简单，但既然做了相关工作就希望能够共享给大家。同时也能互相参考实现效果以起到交流有无的效果。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-9dab1f678e8e07a39fe7b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&757& data-rawheight=&208& class=&origin_image zh-lightbox-thumb& width=&757& data-original=&https://pic3.zhimg.com/v2-9dab1f678e8e07a39fe7b_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&数据来源：&/p&&p&今日头条客户端&/p&&p&数据格式：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&7805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言，之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们
&/code&&/pre&&/div&&p&每行为一条数据，以&code&_!_&/code&分割的个字段，从前往后分别是 新闻ID，分类code（见下文），分类名称（见下文），新闻字符串（仅含标题），新闻关键词。&/p&&p&分类code与名称：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&100 民生 故事 news_story
101 文化 文化 news_culture
102 娱乐 娱乐 news_entertainment
103 体育 体育 news_sports
104 财经 财经 news_finance
106 房产 房产 news_house
107 汽车 汽车 news_car
108 教育 教育 news_edu
109 科技 科技 news_tech
110 军事 军事 news_military
112 旅游 旅游 news_travel
113 国际 国际 news_world
114 证券 股票 stock
115 农业 三农 news_agriculture
116 电竞 游戏 news_game
&/code&&/pre&&/div&&p&数据规模：&/p&&p&共382,688条，分布于15个分类中。&/p&&p&采集时间：&/p&&p&2018年05月&/p&&p&下载地址：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//github.com/fateleak/toutiao-text-classfication-dataset& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&github.com/fateleak/tou&/span&&span class=&invisible&&tiao-text-classfication-dataset&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&happy hacking!!!&/p&
目前网上公开的中文分类数据集都规模很小（&10万），并且采样比较旧，特别是自媒体及UC起来后，新闻的写作风格和标题方法都变化很大。这两点，对于从从事算法研究来讲，不存在问题。但从工程角度快速评估算法在实际的新闻分类中的效果就会出现不足。本数据…
&figure&&img src=&https://pic4.zhimg.com/v2-bebecc734e028b5bfde078_b.jpg& data-rawwidth=&600& data-rawheight=&399& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-bebecc734e028b5bfde078_r.jpg&&&/figure&&p&这是嘉御基金创始人卫哲在创新工场B2B/企业服务分享会上的分享。卫哲先生曾任阿里巴巴CEO，有长达25年的管理和投资经验，分享有干货可实操。&/p&&p&&br&&/p&&p&&b&卫哲：&/b&&/p&&p&&br&&/p&&p&我做企业被别人投过，现在也投别人，在融资过程中有一些切身体会，跟大家分享。&/p&&p&&b&1、找人比找钱更重要&/b&&/p&&p&我经常说&b&找人、找钱、找项目&/b&，创始人大概就是这三件事。我2011年创建嘉御基金，也赶着做三件事：找人、找钱、找项目。对各位来说是找人、找钱、找方向，我的项目就是各位的方向。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-8eed0c774ca65e22d7c4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&353& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/v2-8eed0c774ca65e22d7c4_r.jpg&&&/figure&&p&&br&&/p&&p&今天谈的是找钱，但我还是想把&b&找人放在第一位&/b&，放在找钱和找项目前面。&/p&&p&我以前请教柳传志柳老，请教马云，企业管理最重要的事是什么？两个人给我的版本高度相似，略有差别，柳老跟我讲：&b&搭班子、定战略、带队伍&/b&。马云呢，是&b&定战略、搭班子、带队伍&/b&。我说你们俩的三句话一样，&b&次序变了&/b&。&/p&&p&我问马云，你们两个的次序谁对，马云说都对。在&b&企业的不同阶段&/b&，你要用&b&不同的次序&/b&。在企业相对早期，柳老说得对，就是搭班子、定战略、带队伍。在你刚创业的时候，不要指望引进什么高手来帮你落实战略，你只能看菜吃饭，就这么几个人，就能做这事儿，想太大也没用。&/p&&p&但是到了后期，你有能力了，你找到了很多的钱，你的业务已经沉淀的很稳健的时候，这个时候你可以先定战略，围绕这个战略所需要的人去重新搭班子。&/p&&p&所以说，你要问一下&b&自己处于哪个阶段&/b&。两位中国顶尖的企业家，分享的三句话里面，两句话都是跟人有关。搭班子跟人有关，带队伍还是跟人有关，真正跟事儿有关的，就是定战略。&/p&&p&所以，“人”大概要占各位创业者三分之二的精力和时间。尽管我今天是聊找钱，其实找人比找钱重要。&/p&&p&&br&&/p&&p&&b&2、每家公司都要有一个超配CFO&/b&&/p&&p&中国比较成功的企业，得有一个岗位，我经常说叫&b&“超配”&/b&，什么是超配？&/p&&p&Right person for the right job，合适的人做合适的事儿，这不叫超配，这叫匹配。超配是什么呢？就是&b&Best people for the right job&/b&，挑到最牛的人来做这件事儿。&/p&&p&创业公司这么多岗位中，哪个岗位我是非常建议超配的，&b&CFO&/b&。你的蔡崇信在哪儿？你的刘炽平在哪儿？你的柳青在哪儿？你看一下，蔡崇信、刘炽平、柳青加入阿里巴巴、腾讯、滴滴的时间是哪一年？他们在当时都是超配的。蔡崇信是阿里巴巴第十九个员工，后来阿里巴巴第十八创始人走了，他递补为第十八号员工，他见马云的时候马云还在湖畔花园家里办公。但他做了什么？他在马云还在家里办公的时候，就让&b&普华永道&/b&来做审计。普华永道说我们从来没有审计过一家还在家里办公的公司，但这个做法让阿里的整个&b&合规体系&/b&一直健康生长到今天。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4f879da951d784aeceeeb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&348& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-4f879da951d784aeceeeb_r.jpg&&&/figure&&p&&br&&/p&&p&这个岗位为什么需要超配？有两个原因，一个对外，一个对内。&/p&&p&第一是对外，比如融资。融资这事儿占了创始人太多的时间也摸不着门道。因为对于CEO来说绝大部分是人生第一次融资，哪怕你之前A轮成功了，B轮也不一样，C轮也不一样。因为每一轮你要见不同的投资人，他们对你的期望和你的表达都是不一样的。但一个投资背景，或者一个CFO出身的，他可能就不是人生第一次，所以对外会减少你很多负担，他也能&b&站在投资人角度&/b&，帮你看怎么去表达。&/p&&p&第二个是对内。什么是好的CFO？只会控制风险，只会省成本，不是好的CFO。我在百安居当CFO也是这样。说实话没什么人欢迎CFO的。我上台第一句话先问大家，你们知道CFO是干嘛的吗？底下七嘴八舌，但是比较一致的是CFO是&b&控制风险&/b&的。我说对，那我再问大家，请问公司最大的风险是什么。“资金紧张”，“还有呢？”我说公司最大的风险就是没有营业额，没有revenue没有收入，都没有东西进来有什么风险好控的。所以我说我是来控制风险的，我来控制公司最大的风险，就是帮助大家一起&b&把销售做好&/b&。&/p&&p&一个好的CFO永远不是站在成本角度看问题，我去百安居当CFO之前是做投行的，我心中没有成本，只有&b&投资回报率&/b&，ROI。我关心的是，给你一块钱做营销，你能带来几块钱。给你加一个人，你&b&人效&/b&能不能提升，人效不变的话，你带来多少收入。只要你的效率不下降，你要多少人我给你多少人，要多少钱我给你多少钱，给到你害怕。&/p&&p&我自己认为我对阿里最大的功劳，就是我招了两个CEO，今天的&b&张勇&/b&和&b&井贤栋&/b&都是我当时招的，而招的时候他们都是做CFO。马云说，我最讨厌CFO当CEO，我却把他最讨厌的事变成了现实。我不仅自己是从CFO变成了CEO，我还把蚂蚁金服和阿里集团的两个CFO都变成CEO。为什么我招的CFO能变成CEO？因为我当时招的时候都是超配，我永远&b&站在超配的角度看问题&/b&。&/p&&p&超配是什么意思？超配是两个概念。一是&b&规模超配&/b&。3个亿的时候我一定要找一个30亿的人来做CFO，就是找一个已经做过10倍以上体量的人来做。&/p&&p&二是&b&能力超配&/b&。我面试CFO的时候，很少问他财务会计问题，我觉得这是他应该懂的。我会看他是不是更关心业务，是不是更关心人。&b&人、钱、业务&/b&这三件事，管钱的人，我不问他钱的事，却问他人的事和业务的事；管人的人，我不问他人的事，却问他钱的事和业务的事；管业务的人，我不问他业务的事，却问他人的事和钱的事。做什么却不问你什么，问你另外一回事。因为你做什么你就应该知道什么，真正重要的是，你对另外两件事的关心和关注。&/p&&p&所以我跟马云说，我招的CFO，虽然F是两条杠，但我都是冲着CEO的E的三条杠来招的。张勇和井贤栋，当年他们对&b&业务&/b&的&b&兴趣爱好和理解程度&/b&超过对&b&财务&/b&。从这个角度来说，我认为他们也是超配。&/p&&p&CFO超配要三个问题要考虑。第一，&b&要提前&/b&，上市前才想着找个好的CFO，可能就不会很成功地上市。第二，能不能找到一个&b&乘以5倍甚至乘以10倍&/b&的人来做CFO？第三，你要招的CFO对业务的兴趣爱好够不够强，他能不能站在&b&ROI投资回报率的角度&/b&来考虑问题？&/p&&p&&br&&/p&&p&&b&3、找钱三原则：时间优先、金额优先、比例优先&/b&&/p&&p&接下来，我们来聊聊找钱。找钱强调三个阶段，三个不同的&b&优先级&/b&。如果把企业的成长比作一个人的成长，可以分为四个成长阶段：&b&幼儿园，小学，中学，大学&/b&。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ef06e36a858b07868a94c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&356& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-ef06e36a858b07868a94c_r.jpg&&&/figure&&p&第一阶段，如果你的企业还在&b&幼儿园和小学阶段&/b&，要&b&时间优先&/b&，估值不重要，&b&确定性&/b&才重要。举个例子，是选择估值高一点，等三个月，还是选择估值低一点，下一星期就给你打钱。创业早期，一定要选择后者，要时间优先。&/p&&p&第二阶段，如果你的企业过了生存关，时间对你就不再重要了。企业进入&b&初中、高中阶段&/b&，这时候要&b&金额优先&/b&。在金额和稀释的比例当中，要优先选择金额。比如，虽然企业生存下来，但是缺1个亿可能就会面临后续发展的紧张。在这个时候，你先拿到急需的1个亿，10%或12%稀释比例，对你来说其实没有什么区别。这1个亿是不可或缺的，但是比例的两个三个百分点，对你不重要。&/p&&p&第三阶段，如果你的企业进入&b&大学阶段&/b&，这个时候要&b&比例优先&/b&。经过多轮稀释，你的股份变得很值钱，金额反而没那么重要了。要咬死比例放开金额，多给点钱少给点钱，其实不重要。&/p&&p&所以，每个企业在融资的时候，一定要问自己，企业现在处于哪个阶段。明确所处阶段之后，你才能明确坚持什么，优先什么。但是，在这三个阶段，我都没有说估值优先。什么时候估值优先？卖股票的时候。只要不卖股票，就不应该有估值优先的想法。&/p&&p&&br&&/p&&p&&b&4、选择投资人的四句话口诀&/b&&/p&&p&真正优秀的企业，如果没有生存压力的时候，应该是&b&双向选择&/b&，你和你的投资人是&b&对等的、平等的&/b&。&/p&&p&如何选择投资人，我有一个四句话口诀，可以把这个口诀与四个你问邻居家孩子的问题联系起来。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-66a1ca35a1e5d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&358& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-66a1ca35a1e5d_r.jpg&&&/figure&&p&&br&&/p&&p&你在小区散步，看到邻居家的孩子特别可爱，你经常会问他四个问题。第一个问题，你姓什么？你也要问投资机构，&b&你姓什么&/b&？你打交道的最终还是人，你一定要搞清楚，跟你打交道的机构姓什么，你见到姓这个姓的人没有。&/p&&p&第二个问题，你会问孩子，你几岁了？你也要问投资机构，&b&你几岁了&/b&？优秀的企业投资人通常会说，我长期看好你，我长期支持你，我长期持有你。那么，究竟有多长，这就是几岁的问题。&/p&&p&这一问题包含了两个层面：第一，&b&基金年限多长&/b&；第二，&b&基金现在处于基金期限的第几年&/b&。基金基本上都有年限。基金年限跟它是哪一年创立的没关系，你一定要问最基本的，甚至要看文件：请问投我的基金是几年期的？是哪一年设立的？这也就意味着基金还剩下几年。人民币基金年限很少超过8年，美元基金年限很少超过12年。举个例子，8年期的基金现在是第3年，那么这个基金就剩下不超过5年。基金几岁了，决定了基金能陪你多长。&/p&&p&第三个问题，你会问孩子，你多重？你也要问投资机构，&b&你多重&/b&？其实是在问&b&基金的规模&/b&。管理基金的总规模与你无关，关键在于投资你企业的那期基金规模有多大。&/p&&p&基金规模要&b&门当户对&/b&。什么情况不门当户对呢？比如，你的企业需要1个亿，而投资机构这一期基金只有2个亿，它一半身家投资在你这里，所以希望天天跟着你，看着你如何用这笔钱。你虽然内心不快，但是从人性的角度考虑，一半身家的投资，密切关注也很正常。再比如，你的企业还是需要1个亿，而投资机构的这一期基金有100亿，对你企业的投资只占百分之一，你就算真有困难，也很难找他们寻求帮助，因为你只是他们的百分之一。&/p&&p&所以，我建议选一个在投资期第一年或者第二年的基金，能给你的期限比较长。不要拿一个期限太短的基金，也不要拿一个期限较长的但是已经过了一半或者一大半的基金。同时，你选择的基金对你的投资额，大约占整个基金规模的&b&百分之五到百分之十&/b&。因为&b&占比是互相的&/b&，占比多少就意味着你和投资机构会如何相处。&/p&&p&最后一个问题，你会问孩子，你会什么？你也要问投资机构，&b&你会什么&/b&？其实就是说，这个投资机构能够提供给你的钱以外的东西是什么。&b&除了钱，投资机构还能给你什么&/b&。你这样提问后，投资人一定会谈很多，怎样检验他说的话？我认为有两种方法，第一个办法，&b&实际展示&/b&。这个时候，投资人可能会说，时间紧迫，来不及展示。&/p&&p&那么就需要第二个办法，&b&客户访谈&/b&。投资机构是B，企业也是B，投资就是B2B。对这个投资机构最好的调研，就是调查这家投资机构之前投过的企业或者项目。这些企业或者项目都是它的客户，要与他们对接，进行深入调查。虽然投资机构和被投企业的关系不一定是一辈子，但至少会陪伴你们走过三年五年甚至更长的时间。我看到过太多投资人和企业家之间不愉快的、有分歧的故事。这不是投资以后的问题，而是在投资之前没有真正做好双向选择。有可能是投资机构选错了被投，也有可能是被投选错了投资机构。&/p&&p&总结来说，我认为&b&找人比找钱重要&/b&。找人的时候，&b&CFO要超配&/b&，因为CFO超配本来就是为你找钱。马云担心过钱吗？程维担心过钱吗？马化腾担心过钱吗？这是因为找到了一个替你担心的人。&/p&&p&以上这些体会是我做投资之后的体会，我也不是天生就懂的。被别人投过也被别人坑过，从坑里爬出来，仔细想一想，总结出这些东西与大家分享。&/p&
这是嘉御基金创始人卫哲在创新工场B2B/企业服务分享会上的分享。卫哲先生曾任阿里巴巴CEO，有长达25年的管理和投资经验，分享有干货可实操。 卫哲： 我做企业被别人投过，现在也投别人，在融资过程中有一些切身体会，跟大家分享。1、找人比找钱更重要我经常说…
&figure&&img src=&https://pic3.zhimg.com/v2-73d98ec784dda28a31f97e_b.jpg& data-rawwidth=&640& data-rawheight=&382& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-73d98ec784dda28a31f97e_r.jpg&&&/figure&&p&&/p&&a class=&video-box& href=&http://link.zhihu.com/?target=https%3A//www.zhihu.com/video/724096& target=&_blank& data-video-id=&& data-video-playable=&true& data-name=&& data-poster=&https://pic1.zhimg.com/v2-eaf534ff01aa7f5afc57583.jpg& data-lens-id=&724096&&
&img class=&thumbnail& src=&https://pic1.zhimg.com/v2-eaf534ff01aa7f5afc57583.jpg&&&span class=&content&&
&span class=&title&&&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://www.zhihu.com/video/724096&/span&
&p&&/p&&p&管是剪辑视频还是音频制作，我们都对音乐有大量的需求，那么在哪里能找到免费、高质量又合法的版权音乐呢？ &/p&&p&&br&&/p&&h2&&b&NO.1 &a href=&http://link.zhihu.com/?target=http%3A//freepd.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&FreePD&/a&&/b&&/h2&&p&一个汇集了互联网海量免版税的公共领域音乐资源网站，提供了许多不同类型的音乐资源，你可以下载任意一首音乐，&/p&&p&更可以以14美元的价格一键下载全部内容。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&NO.2 &a href=&http://link.zhihu.com/?target=https%3A//www.jamendo.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Jamendo&/a&&/b&&/h2&&p&Jamendo上的所有音乐都是由独立艺术家创作的，个人使用都免费。但用于视频制作或其他商业用途需要遵守该网站的相关条例&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&NO.3 &a href=&http://link.zhihu.com/?target=https%3A//musopen.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&musopen&/a&&/b&&/h2&&p&该网站主要提供古典音乐资源,包括吉他、大提琴、小提琴等等，所有音乐均可免费下载，值的一提的是该网站还提供大量的乐谱、教材、录音，这些资源也可以免费使用。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&NO.4 &a href=&http://link.zhihu.com/?target=http%3A//cn.imslp.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Imslp&/a&&/b&&/h2&&p&全球最大的免费公共版权音乐网站，网站中的乐谱、音乐都是可以免费下载的，由于该网站涉及的国家很多，在使用的时候需要注意自己国家中的版权条例。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&NO.5 &a href=&http://link.zhihu.com/?target=http%3A//audionautix.com/& class=& wrap external& targ