|
知乎已经走过了4年年头，在互联网的世界里，知乎已经成为无可争议的高质量社区，但在经历了高速发展之后，如何管理，筛选，呈现这些大量的信息（数据）成为一个难题，事实上无论对于哪一个社区而言，数据的管理本身就是一个巨大的挑战。知乎是如何下面是知乎联合创始人在七牛大会上的关于知乎数据方面的演讲，虎嗅进行了删
知乎大VS知乎小白 有不少知乎用户曾有疑虑，是否只有早期的用户们才较为认同知乎的社区理念，又或是只有老用户们容易收获赞同和关注？其实并不尽然。 让我们一起看看以下几组数据截图，横轴为时间变化，我们截取了2010年12月20日知乎内测以来到2015年6月30日赞同数前10000的用户，根据他们的注册时间和赞同数作图,以及日均的赞数增长量。大家可以看到这些点分布的比较散，说明增长情况比较均匀。
可以看出：即使在2015年才刚加入知乎的人也有非常大的机会被关注和认可。这也说明，这些新用户也有认真讨论、获得有价值信息交换的渴望，这些用户也是非常认同知乎的社区理念的。可以通用的秘诀在于：只要坚持不断地在自己擅长的领域参与讨论、输出信息就能得到更多人的认可。 知乎信息如何生产，以及如何流动？ 前面几张图，我们已经了解了知乎的百花齐放的话题和持续贡献的优质用户。下面我们来看看知乎信息生产方式，为了更聚焦的展示这个问题， 我们选取了近期的天津爆炸事件作为事例。 从发展方式来看，热点话题与其他话题相比，并没有不同。但是由于其新闻性，这类话题的发展更具有爆发性， 用户的行为更为集中。因此，也更方便我们来做这样一个展示。 首先，一批用户针对问题进行关注、回答，产生了基础的优质内容，然后，其他用户的自发邀请、关注、收藏、感谢、投票、评论等社交行为，使得这些内容获得了更广泛的传播和关注，覆盖的人群不断扩大。 在知乎，社交行为催生了优质内容的生产与传播，而优质内容又引发了下一轮新的社交行为。 如何用大数据做用户兴趣识别？ 用户在知乎上的行为是多维度的；既包括比较轻的浏览阅读，又包括重一些的赞同、反对，还有更重的提问回答（这里的重和轻是根据用户操作成本来界定的）。我们可以根据这些行为做用户的特征分析，这也是各个互联网服务都会做的常规工作，只是基于各自不同的服务特点，所要分析的特征、采用的算法及其效果各有不同。知乎除了有大量的用户行为数据，还有非常多的文本信息，基于行为和文本，我们对用户的兴趣和擅长能有更准确的识别。 现实社会中，我们对于某些领域的知识掌握是很深入的，但其他的一些领域就未必了。个人精力是有限的，没有人能够全知到成为所有领域的专家，这种情况是可以被映射到知乎上的。不同的用户在不同的话题领域下，他们的专业性是不同的，我们需要掌握这种不同，给每个人，在每个话题下计算一个权重。计算的分值最主要的依据还是那些你在知乎上的回答，当然，我们也会加入一些其他考量因素，包括其他专业人士对你的背书，你的专业背景，等等。 （责任编辑：职场达人） |
