打造一款财经资讯标签系统难在哪

知行思新

读完需要

速读仅需2分钟

最近为了思考标签系统的未来产品规划，一方面收集分析来自各个渠道的反馈与建议；另一方面给了我一次机会，重新回到原点反思标签系统的本质......

1

文本榨汁机

「标签系统」就像一台文本榨汁机，塞入一篇文本资讯，输出从该资讯中浓缩的精华——标签。换作技术术语，这台文本「榨汁机」是从非结构化文本数据中，提取出半结构化的标签数据。

拆开这台文本榨汁机，里面的部件就两块：标签体系数据+自动打标算法逻辑

标签系统就是一台「文本榨汁机」

2

资讯的媒婆

文本资讯变为半结构化标签后又有什么意义？

咱们暂且放过半结构化标签，先来看看源远流长的结构化数据（咱们日常最熟悉的表格），每条记录描述了一个实体，各列是刻画实体的属性。这种结构查阅效率高，便于检索。同时结构化数据也被称为关系型数据，从设计之初就考虑了关系信息的表达，表中的属性字段，表间的关联都在反映关系。

结构化数据就像一位外向、善交际的小姐姐，性格特点一眼便知，人缘关系又好。反观非结构化的文本资讯就是一位内向的淑女——深锁闺中无人识（结构化数据的强项在这都是弱项，文本浏览、检索效率低，也难与其他数据建立关联）。

标签就是「资讯淑女」的「媒婆」，媒婆要去说媒一方面要归纳提炼出姑娘的特点，另一方面又要关系广，能帮忙去各处攀搭。

标签给文本内容带来了两重价值：

标签刻画了文本画像，提取了文本中的精华要点

标签架起了文本与外部数据的关系桥梁

标签是「资讯的媒婆」——会提炼、善攀搭

3

厨师手里的鸡蛋

资讯标签就像厨师手里的鸡蛋——简单食材也能千变万化。

基于标签刻画出的资讯画像，辅助资讯运营

栏目运营

专题运营

资讯自动上架

基于标签建立资讯与其他数据的关系桥梁

主题阅读：标签与资讯关系

自动配图：标签与图片关系

内容导流：标签与产品、业务功能关系

相关推荐：标签衔接资讯与资讯关系

个性化推荐：标签与人的关系

标签就像「厨师手里的鸡蛋」——简单食材却千变万化

4

标签系统的独白：我太难了

「资讯进、标签出」听似简单，但面对人类千变万化的语言，要能输出优质的标签，既是技术也需艺术（客观规律+主观经验）。

做标签系统，很多时候收到的反馈都是单点（某一篇资讯出现了某个问题）。容易遇到两个坑：（1）解决了问题A，带来问题B；（2）单点解决无穷无尽。怎样从点及面，把握全局是很大的考验。

在打磨标签系统的过程中，我对标签系统形成了一个7维评估模型。

召回率：文中涉及的主要概念是否均能打出标签；

准确度：打出的标签是否正确；

区分度：哪些标签与当前文本更相关；

颗粒度：打出标签的概念粒度是否足够精细；

智能性：是否能识别文中的复杂模式，推理出标签；

可维护性：标签体系是否便于扩展、长期管理；

潮流度：响应市场上新词、新概念的速度；

标签系统的难，只有实际做过、处理过各种真实问题后才能体会，我归纳为两大类，总共「十宗罪」。

第一类：标签体系数据

如何发现及补充新词、新概念？

如何评判一个标签颗粒度合适？

如何找齐、找对标签的特征词（同义词）？

如何保障标签体系在长期使用中不混乱？

第二类：自动打标逻辑

如何正确分词？（譬如：相比较三孩，我们更想要六一亲子黄金周——「黄金周」不能分出黄金）

如何正确解决歧义？（譬如：如何在捕鱼游戏里轻轻松松赢金币——此「金币」非实物金）

如何解析特殊语法模式？（譬如：买黄金不如买茅台——比喻语法，重点不在前半段）

如何区分出资讯中的强相关标签？（标签权重怎么算？）

如何过滤来源信息或风险提示等冗余信息？（譬如：图片来自视觉中国；文章来源：东方财富研究中心）

如何打出推理标签？（譬如：定投了一些主动管理基金推理出基金定投）

标签系统——入门易、精深难

标签系统的打磨是一个不断爬山的过程，路漫漫其修远兮。我们始终抱持敬畏之心努力前行KeepWalking...

转载请注明：http://www.abuoumao.com/hytd/4222.html