微信尝试结合时间过程与内容特征，重新定义“爆款文”？( 二 )_没有一个时代比今天更重视技术对于内容

越来越多的人们，尤其是年轻人，更加愿意使用和相信算法生成和推送的内容。算法之于文章，扮演的就是一个“星探”的角色。它需要在刚刚见面的几分钟内，就判断出哪个具有“明日之星”的潜力，以便分配更多的资源帮助它“走花路” ，而不是只会在对方走红之后，才说出“我早就知道”的马后炮。

不幸的是，大部分基于内容特征和协同过滤算法的推荐系统，都无法“识英雄于微时” ，在文章发出早期就判断出其受欢迎程度。这就导致一些原本质量很高的文章，很可能因为初始浏览量不够而被埋没， “标题党”“咪蒙系”反而有可能得到越来越多的推荐和热度。

如何在过剩的信息洪流中将用户最感兴趣、最具潜力的资讯率先甄选出来，是建立一个良性内容生态的关键，却也是困扰各大巨头、悬而未决的技术难题。

最近，微信的研究人员就提出了一种新的神经网络方法DFTC ，用来更好地预测网络文章的热度。由于该模型表现出了良好的性能，已经被AAAI 2019 大会接收并在大会上作了主题报告。

微信尝试结合时间过程与内容特征，重新定义“爆款文”？( 二 )