陳平江點點頭：“總之還是要小心謹慎點，騰訊在憋大招呢，條估計快搓滿了。”

    產品還沒成熟，沒有邁上同一起跑線，騰訊不會投入大量的資源來對轟，那樣性價比太低。

    只有雙方產品差不多一個檔次了，廣告轟炸和推廣才有效果。

    騰訊那頭在等，人人網同樣在等。

    互聯網的第一張船票誰都想要，沒個年吧年估計分不出勝負，不過再長估計也沒團購大戰長。

    “一鳴，入職有一段時間了，感覺怎么樣？”和李西聊完微信話題后，陳平江將目光轉到了張一鳴身上。

    “唔，挺不錯的，同事們都很和善，李總也比較照顧我。”張一鳴有些蓬頭垢面，黑眼圈也有點重，一看就是最近加班加的利害。

    剛剛入職，他是帶著心氣兒來的，發誓想要做出點成果，既是報答了陳平江的知遇之恩，也是想要跟上上下下證明自己的能力，證明陳平江把自己招來眼光沒問題。

    “最近，我梳理了一下今日頭條目前的算法。同事們在前期的工作成果很不錯，基于內容的推薦算法和基于協同過濾的推薦算法都算OK，就是基于深度學習的推薦算法還需要大幅調整。”

    “目前我們能夠做到將用戶已經瀏覽過的新聞內容作為標簽和相似標簽的新聞進行推薦，以及將相似用戶的瀏覽歷史進行分析，并通過這些相似用戶的行為推薦給該用戶。但在對用戶的行為數據及其歷史進行分析預測其偏好上做的還不夠。”

    涉及到這么專業的知識，陳平江也聽的有些懵逼，在座的大概也就苗炳偉和他有共同語言。

    “也就是說，推薦結果不夠精準？”

    張一鳴點點頭：“是的。推薦算法往往會因為某一方向的需求過高，使部分用戶反復看到某一類新聞，同時導致其他新聞資源難以推薦，進而造成信息不平等。”

    “那有解決方案了嗎？”

    “目前需要減少推薦機制的偏向性，以及通過用戶畫像的不同屬性做推薦，使其更加個性化。”

    這幾句話陳平江聽明白了。

    說白了還是個大數據算法的問題。