導讀：目前信息流推薦中使用的內容理解技術，主要有兩部分構成：
1. 門戶時代和搜索時代遺留的技術積累：分類、關鍵詞以及知識圖譜相關技術；
2. 深度學習帶來的技術福利：embedding。但是分類對於興趣點刻畫太粗，實體又容易引起推薦多樣性問題，而 embedding 技術又面臨難以解釋的問題。這次主要介紹在信息流推薦中，騰訊是如何做內容理解克服上述問題的。主要包括：
-
項目背景
-
興趣圖譜
-
內容理解
-
線上效果
項目背景
1. 內容理解技術演進
① 門戶時代：1995~2002年，主要代表公司：Yahoo、網易、搜狐、騰訊。互聯網初期，因爲數據較少，因此需要一個內容聚合的地方，人們才能夠快速的找到信息。因此，門戶通過 "內容類型" 對內容進行整理，然後以頻道頁形式滿足用戶需求。因爲數據少，初期由人工對新聞進行分類。隨着數據的增多，靠人工分類已經變得不現實，因此各大公司紛紛引入分類技術，自動化文本分類。此後，文本分類技術發展迅速。
② 搜索/社交時代：2003年~至今，主要代表公司：搜狗、騰訊、Google、百度。隨着網絡的普及，數據的數量和類型的豐富，門戶網站已經不能夠承載信息分發的任務。於是，一種新的信息分發技術誕生——搜索。搜索除了需要分類信息以外，還需要精確知道文章是