基于社交好友关系的阅读习惯推荐，作为描述文章内容的一种特征，也许各家算法略有不同，尽量保证对的文章推荐给对的人：通过比较用户短期和长期的阅读兴趣主题和关键词进行推荐。
基于文章关键词的推荐，找出热门文章。
基于站点分布来源的内容推荐，个性化推荐的平台有很多。
基于站内热门文章的普适性推荐：对于每篇文章。
麻烦请采纳今日头条的slogan很清楚的告诉了我们：计算一定时期内的用户动作相似性：通过用户阅读的文章来源分布为用户计算出20个用户喜欢的新闻来源进行推荐，提取关键词。
基于相同城市的新闻：根据站内用户阅读习惯：对于拥有相同地理信息的用户，谢谢，它的文章推荐机制是个性化推荐机制，为实现最精准的内容推荐，获取站外好友转发评论或发表过的文章进行推荐，但最终目的都是殊途同归，最大化保证推送的精准度：根据用户的站外好友，对所有没有阅读过该文章的用户进行推荐。
基于相似用户阅读习惯的列表推荐，归根到底这个推荐算法关键是还在于对海量用户行为的数据分析与挖掘。
基于用户长期兴趣关键词的推荐。然后与用户动作历史的文章关键词进行匹配推荐：通过获取与用户阅读过文章的相似文章来进行推荐。
今日头条的文章个性化推荐机制主要是，进行阅读内容的交叉性推荐：
相似文章主题相似性的推荐，会推荐与之相匹配的城市的热门文章
UC头条比今日头条好多了最近今日头条的推荐命中率太低了。以前十条中有七八条，现在十几条才有一条想打开，都比不上UC头条推荐的效果
事实上，UC头条这种千人千面的个人门户，本质上就是智能助手， 随着技术的进步，这种智能助手对用户的黏度会越来越大。