微信尝试结合时间过程与内容特征，重新定义“爆款文”？( 六 )

2019-02-26

2.如何解决元数据多模态的识别难题（embedding技术可以识别短文本描述、标题和图像等多种表现形式）；

3.相同内容特征与不同生命周期阶段的连接（Attention融合机制，生成一个灵活权重而非线性组合）。

至此，一个更优秀的热度预测模型就诞生了。

实验数据显示， “两手抓两手都要硬”的DFTC ，在文章发布后的前5个小时，其预测的准确度相比其他单一性解决方案强出了不少。

不难发现， DFTC正是基于对短期浏览量、意外因素、内容关键词等可能决定最终受欢迎程度的多重因素进行了全面统筹，才能在初始期就做出更精准的判断。因此，一些枯燥无趣的内容会被率先过滤掉，有潜力的优质文章也更容易得到推荐，避免了“酒香也怕巷子深”的命运。

或许不久以后，依靠经验和直觉打造爆款，和依靠大数据与关键词打造爆款，这些技术蛮荒时代的丛林法则慢慢都会被更好的生态机制所取代。

推荐阅读

上一篇：这条转发量上亿的微博，被央视点名批评了！

下一篇：精选头像 | 他从来不曾在乎过你的感受