是什么促使你开始从事新闻内容推荐领域的工作？
我于2005年在美国能源行业开启了我的职业生涯，并在那里工作了12年。能源行业是数据密集型行业，因此我职业生涯早期就接触到了大数据项目。我非常喜欢这份工作，现在回想起来，这真是一份幸运，因为大数据分析在过去五年里发展迅猛。如今云计算能力如此强大，也使得大数据分析领域变得非常精彩。.
那是我职业生涯的一部分。就个人而言，我喜欢了解时事，紧跟时代发展。我获取新闻的渠道多种多样，包括新闻网站、社交媒体，当然还有专业博客。大约在2017年，我感觉将我对大数据分析和新闻的兴趣结合起来会很有意思，于是我从能源行业的大数据分析领域转型到了新闻内容推荐的大数据分析领域。.
这如何促使你创立了 Newsology？
正如我前面提到的，我是一个新闻爱好者。然而，我感觉自己收到的新闻推荐大多来自普通大众，而不是特定领域的专家和专业人士。例如，我收到的关于营养的文章大多来自普通大众，可能是我的朋友，但我更想阅读营养学家的建议。我的假设是，专业人士对新闻文章的质量更有判断力。.
我们进行了多次反馈会议来验证我们的假设，并认为有必要解决这个问题。因此，我们在2017年创立了Newsology。在此过程中，我们不断收集用户社区和记者的反馈，以确保我们向用户推荐优质内容。我们持续收集用户对应用推荐文章的反馈，并据此调整产品。.
典型的一天是什么样的？
我绝对是个夜猫子，所以我的“夜晚”通常从分析现有系统下的关键KPI开始，然后查看我们正在开发的下一个改进项目的完成情况——这可能包括对人工智能引擎的微调，或者对应用程序的修改。我们是一个分布式团队，没有固定的会议时间。每个人都用Skype，所以我们直接发消息，必要时再安排电话会议。.
所以我晚上主要用来处理技术工作。白天我则主要处理其他任务，比如市场营销、公关和客户反馈等相关事宜。.
您的工作安排是什么样的？ （您的应用程序、生产力工具等）
我用笔记本电脑连接了双屏显示器。我尽量避免在手机上写长邮件，而是用电脑，这样才能清晰地给出指示和回复。我们的任务都记录在 Trello 上。我们有非常明确的指南，规定了如何在 Trello 上记录问题、任务何时标记为完成等等。我们努力营造一种文化，为后续用户提供充足的信息，以便任务能够高效推进，减少会议次数。我们绝对是 O365 的忠实用户。我们的文档、KPI、工作流程、演示文稿等等都存储在 O365 云端。除此之外，我们也使用 GitHub 和 AWS。.
人工智能是如何发现原创内容的？
目前有一些新闻聚合应用利用人工智能来推送原创内容。这些应用使用人工智能推送原创内容的方式多种多样。我将解释两种比较常见的方法，以及 Newsology 使用的一种独特方法。.
首先可以使用的技术是协同过滤。我们可以用一个简单的例子来解释协同过滤。假设斯蒂芬对营养和减肥感兴趣，莎拉也对营养和减肥感兴趣，但她还对海鲜感兴趣。也许我们应该向斯蒂芬推荐一些关于海鲜的文章？如果斯蒂芬对海鲜文章不感兴趣，模型就会识别出来，并尝试其他主题。由此可见，人工智能引擎能够独立地找到读者可能感兴趣的新主题。.
我们来谈谈第二项技术：Doc2Vec。有时，记者或博主会提出一些有趣的观点，但这些观点往往会被大量内容雷同的文章所淹没。我们可以使用像Doc2Vec这样的算法来判断记者们是否在报道同一事件。例如，假设一位占星家在同一天发现了关于我们银河系的两个有趣现象。可能有10位记者报道了第一个现象，但只有1位记者报道了第二个现象。和 事件。Doc2Vec 可以识别出这 10 位记者实际上讨论的是同一事件，他们的文章将被归类到同一个“展示”中。这为 2 提供了一个机会和 这篇文章将展示给对占星术感兴趣的用户。在这个案例中，人工智能帮助用户发现了原本可能被忽略的趋势。.
Newsology 的独特之处在于，它还会考虑用户的职业背景。我们以 Sarah 和 Stephan 为例。如果 Newsology 用户表明自己是营养师，那么我们在向 Sarah 和 Stephan 推荐营养类文章时，就会增加第三个维度：营养师正在阅读哪些文章？有了这些信息，我们现在可以向 Sarah 和 Stephan 推荐哪些文章呢？
当然，新闻聚合应用使用的AI模型远不止两三个。还有更多模型协同工作、共同测试、共同推荐。它们还会自我学习，判断推荐是否有效。例如，用户是否对推荐做出反应。这被称为A/B测试。如果用户没有反应，我们该怎么办？
这对博主和作家有什么好处？
用户渴望阅读原创且文笔流畅的内容。成千上万的博主和作家创作的原创内容却鲜为人知。Newsology 致力于帮助这些独立博主和作家的作品获得关注。.
你有哪些关于授权的技巧？
授权是一个过程。第一步是使用授权象限图（重要/不重要 vs 紧急/不紧急）。你会惊讶地发现，很多任务在这个阶段就被剔除了。如果要授权，我发现最好先花时间自己写下愿景/需求/问题，以确保我完全理解问题和预期结果。在彻底思考任务之后，我会问自己谁是最适合分配这项任务的人选。重要的是要明确成功的标准，并鼓励被授权者自问是否认为任务已经成功完成。这可以确保执行任务的人进行自我质量控制。.
对于有抱负的数字出版和媒体专业人士，尤其是那些即将进入人工智能和机器学习领域的人士，您有什么建议？
我给出两条建议。一条是软技能，一条是硬技能。.
在软技能方面，要花大量时间招聘合适的人选。但一旦人选到位，就不要害怕对团队提出高标准。你会惊讶地发现，很多人抱着“差不多就行”的心态工作。这并非他们的错。他们只是希望你能指导他们，让他们了解你的期望是什么。.
在技术层面：人工智能和机器学习技术可以帮助你提升内容曝光度。尝试在文章中使用标签和关键词。搜索引擎爬虫会寻找这些关键词。此外，不要过度稀释文章内容。有些发布者会在文章中添加各种各样的关键词。例如，他们的文章可能是关于徒步旅行的，但却添加了“国际政治”、“时间旅行”等背景关键词。人工智能引擎可以识别出这些关键词，而且这样做反而会降低文章的曝光率。.
