451223358

@alexapollo 如果是 NLP 为主的技术手段判断文章质量（非传播）好不好，那非常希望向您请教

@alexapollo 可能我们还未就“文本质量”定义达成共识。到底是文章在“文本”方面的质量呢？还是文章在动态的“传播”过程和用户读后“交互反馈”的质量。关键是这方面没有达成共识，我理解现行的技术可能更侧重传播侧，读者交互方面的机器计算，文本未传播前（离线）的拆解这些角度我还没看到有愿意去介入的公司。但个人可能觉得这方面未来更重要一些，内容毕竟最重要的是“内容”，传播是外在辅助条件了。
关注的干果云，灵犬还有悟空 /瓦力这些都没有直接就文本本身就做研究的，很可惜。
个人是新闻从业者转舆情产品，就那种比较低级的采集监测产品。

@alexapollo 如果是根据小范围传播或者早期传播推断整个文本的传播情况，那您说的高质量内容模块测试依然属于内容传播质量的范畴

@alexapollo 文本在未传播前（离线）就对可能的传播情况做出来预测吗？如果是这样，那确实我错了，怎样可以更多的了解这块的进展呢？

@alexapollo 您在混淆话题，针对上述 1，bat 和头条做的都是垃圾识别，欢迎找到一例单纯根据文字本身来评估内容质量——注意，是指优质内容打分，而非识别垃圾，而这个打分的分值是对应的是未来的传播数值，即仅根据文字本身来做到传播预测，如有，欢迎打脸。
关于上述 2 你和头条那伙计还有我观点没有区别。

无论是上文头条那伙计的蜜糖砒霜，还是您这样的，都得界定一个前提。是内容质量还是内容传播质量，一般来说，是根据内容的传播质量反馈的数据去反推内容质量高低。这样做是因为内容传播质量是数据可描述的，而内容质量数据描述不了。但这样做有弊端，根据内容传播质量反推内容质量最大的弊端在于内容传播的文本大多数都是新闻资讯类文本，小说等深度阅读的长文很少，只能对于浅阅读或者说快速阅读的资讯等信息有效果，对于深度阅读或者某类深度信息其实是没用的。所以问题得改改，不是文章质量评估，而是某类特定文章的传播预测。

@alexapollo 如果您愿意保持这样审慎的态度，我倒是愿意说说自己的看法。其实两个方向不一样，一个是内容传播质量，一个是单纯的内容质量。前一个是头条等单位正在做的，后一个单纯的从文本角度，不依赖除文本外的其他数据去做内容质量体系。

@alexapollo 机器做不到语义理解，谈何标准。你说的标准如果是传播质量当然可以根据历史数据反推，如果是根据文本内容，那标准如果不是语义理解还能是什么呢？
另外，我总能感到从事算法的爆棚的自信...

@alexapollo 目前做文本传播质量的预测更现实