布尔财经推荐引擎 打造业互联网界标杆

根据每一位用户的兴趣爱好和资讯需求，主动为读者提供其感兴趣的内容，是所有互联网媒体人一直追求的方向。

布尔财经根据用户在社交媒体及产品中的行为，结合根据全网资讯所分析出的领域话题层级模型，同时考虑其对引擎推荐结果的互动反馈信息，为每一位读者建立一个动态的个人社交档案(SocialDNA)。据此计算出让读者感兴趣并且具有重要价值的资讯集合，实时主动地在全网搜集与之匹配的内容，第一时间呈现到读者眼前。

较普通的推荐引擎来比，布尔财经推荐引擎具有以下几个特点：

1. 更全面。布尔财经推荐引擎基于全网最大的频道级中文标注媒体库，涵盖5000余通用网站及各行业知名网站，总信源超过八万，每日数据增量≥10万。涵盖新闻、论文、微信、微博、博客等各种类型。

2. 更及时。布尔财经基于Storm实时框架进行二次开发，实现了适合产品级推荐引擎的实时分析系统，保证每步分析在50ms内完成，单篇文章抓取结束后在秒级以内即可完成全部分析、并实现个性化推荐，推送到适合的人群面前。

3. 更精准。不同于普通的数据爬虫，布尔财经运用自己独特的信源分级体系以及数据清洗算法，在全网收集数据之后，清洗掉70%的杂质数据，节省存储空间并保证信息真实性。对所有信源，根据其完备性、实时性、准确性定义了业内首个非结构化数据质量标准，可将数据根据不同情况划分为十级，便于应用级产品甄选。

4. 更具衍生性。普通引擎只会通过特定关键词进行推荐，而布尔财经推荐引擎会“联想”。其用近邻传递算法对出各主题下的相关关键词进行聚类，生成领域话题层级结构。通俗点就是根据特定关键词再衍生相关词汇，不只是识别个别词，而是一个相关的词汇群。比如，用户阅读了一篇关于贸易的文章，布尔财经也会给用户推荐相关经济政策的内容。

5.更人性化。只需要三篇文章，布尔财经就能分析出用户的阅读行为。更加人性化的是，若用户阅读习惯不断变化，布尔推荐引擎也会随其改变;而结合大数据的实施流式框架，这种增量学习可以在毫秒级别完成，相比其他使用推荐引擎的竞争对手还处在日级别的更新速度，有了数量级上的绝对优势。可以说，布尔财经识别的不是用户一时的喜好，而是用户真正感兴趣的板块。

目前，布尔财经的这套推荐引擎，已经在产品中使用了近一年，并且高度标准化及API化，与多家财经媒体及APP合作中。基于这项技术，布尔的内容引擎将持续领先业界两到三年。