个性化推荐 - 帮我们测试和改进
目录
- 帮我们测试 CSDN 的功能 - 个性化推荐
- 怎么帮忙?
- 测试场景之一:兴趣标签
- 场景1.1
- 场景1.2
- 测试场景之二: 不看此作者
- 测试场景之三: 选择你的身份 (功能还在完善中)
帮我们测试 CSDN 的功能 - 个性化推荐
你好!CSDN 有很多功能每天都被大量博主使用,其中 “个性化推荐” 这个功能是在每时每刻都在发挥作用,但是用户未必注意到这个功能的存在。 什么是 个性化推荐?
个性化推荐,就是 CSDN 根据你的特定选择或者在 CSDN 使用过程中的行为,推算出你对哪些领域的内容感兴趣,在推荐流,相关推荐,搜索结果,课程、博客专栏、用户推荐,活动推荐等使用场景中想你推荐合适你的内容和其他信息。
我们的研发小伙伴持续在这个领域做了很多 bug 修复和改进。 我们邀请博主来实地测试一下, 帮我们在几个 “典型场景” 中测试,把 用户至上, 测试驱动的开发 这个口号落到实地。
为什么我们要邀请大家来测试 个性化推荐 呢,因为每个用户来 CSDN 的目的未必相同,每个用户心目中理想的个性化推荐也有很大的不同,而且有些个性化推荐的行为信号和后续的改变,是要在一段时间之后才发生的,这些都需要真实的用户来告诉我们,这些个性化是否按用户期待发生了。 我们希望大家从自己的角度来好好测试,这也是我们了解用户,更好地服务用户的一个好机会。
例如,我们就收到用户反馈,推荐流有太多的 “毕业设计” , 部分用户可能很需要 “毕业设计” 这样的内容,但是也有很多用户,他们并不想看到任何此类内容,那么,我们就要把推荐做到更细的粒度,同时也需要各种用户来测试这个细粒度的推荐是否满足了 “我” 的需求:


怎么帮忙?
很简单,你看到我们下面的 “测试场景”,然后你就照着做,如果做的效果不如你的想象,请你发一个博客,给我们报告 bug,一个 bug 报告 要描述下面的内容:
- 先提一下,你的博客是为了完成这个找 bug 号召: https://bbs.csdn.net/topics/614134877,这样读者才知道前因后果。
- 你的测试环境 (用了什么浏览器,版本多少,是无痕模式么,用了什么版本的 App)
- 你做了什么 (有截图就更好)
- 你期待发生什么
- 结果发生了什么不同的事情 (有截图就更好)
发表博客后,把你的博客的地址 (URL)贴到这个帖子的评论区就好了。
如果你的 bug 博客被认为是高质量的,CSDN 团队就在会给你的博客发一个 评论红包🧧,让大家到你的博客来领取,领取的用户,就会成为你的粉丝。 这样,你也有一定的收益,我们希望这个活动能鼓励大家高效地帮助我们发现问题和解决问题。
测试场景之一:兴趣标签
场景1.1
在CSDN 的个人中心页面: https://i.csdn.net/#/user-center/profile 的最下方,你可以选择你的兴趣:

你可以选择你的兴趣, 当你确定了兴趣之后, CSDN 的推荐流就会在 30 分钟内更新推荐流的内容。 你可以先看你的推荐流有什么内容,然后 30 分钟后比较一下。
主要测试:
1)选择标签的过程,对你非常友好么?
2)你选择了新的兴趣,推荐流中的博客,逐渐适合你的新兴趣了么?
场景1.2
在同样的地方,我们还有一个 不感兴趣 的列表,也请你选择一些兴趣加到这里面。主要测试的方面,和 1.1 类似,也请你测试一下。
测试场景之二: 不看此作者
在 web / App 的推荐流中,我们都可以选中一个推荐条目的 "..." 按钮,在下面的菜单中选择:不看此作者

也请你测试一下, 看看这个选择是否有效,有效多长时间。
测试场景之三: 选择你的身份 (功能还在完善中)
同样在个人中心的最下面,你可以看到身份选择的界面。 注意,你要把鼠标挪到 “大四” 的文字上,才能看到 “编辑” 的按钮 (你觉得这个设计怎么样?)

我们提供了一个非常简明的方法让你选择:

希望你测试的:
1)选择和你实际身份相符的类别。
2)选择后,你希望 CSDN 给你什么不一样的推荐呢? 你可以写博客描述一下,例如,如果你是大四的学生,你希望 CSDN 给你什么特别针对大四学生的推荐? 也请写一个博客,然后把博客 URL 发到本帖的评论区就好。感谢!
相关推荐
安卓应用-教育学习-帮你教教师版 v3.6.0 安卓版.zip
**个性化教学**:根据学生的学习表现,应用可能提供个性化推荐,如额外练习、辅导资源,以满足不同学生的需求。6.
探讨如何使用人工智能技术实现智能推荐和个性化推荐
作者:禅与计算机程序设计艺术 《54. 探讨如何使用人工智能技术实现智能推荐和个性化推荐》 1. 引言 1.1. 背景介绍 随着互联网技术的快速发展和普及,个性化推荐系统
基于Hadoop个性化推荐算法设计与实现
本文主要探讨了在大数据时代背景下,如何利用Hadoop平台提升个性化推荐系统的性能。作者选择了基于用户聚类协同过滤的个性化推荐算法作为核心策略,这一算法旨在通过将用户群体划分为不同的类别,然后在这些类
个性化推荐算法
**评估与优化**:使用离线评估指标(如精度、召回率、覆盖率、多样性等)和在线A/B测试来衡量推荐效果,并根据结果调整模型参数。7.
推荐算法测试
阿里推荐算法测试是一种深度挖掘用户行为和兴趣,以实现个性化商品推荐的技术实践。在这个过程中,测试方法主要包括以下几个方面:1. **背景介绍与测试平台**: 阿里推荐算法测试方法共享于事业部


