官方有说明的指数越高推荐越多还有就是用户在你页面的停留时间和浏览时间假如你发了个5分钟的视频有100个用户点击进来了平均每个用户看了1分钟那么也很少推荐的文章也是如果100个用户平均观看时间都有4分钟以上那么也会强力推荐的所以指数和你的内容质量是很重要的
对于一个自媒体作者来说，最大的欣慰就是作品能够让更多的人看到。最引以为傲的是：个性化推荐机制。对于入驻的自媒体作者，尤其是新进入的这一行的作者没有粉丝量的前提，如果文章不能获得的大量推荐，那么结果只能用一个词来形容：惨不忍睹！
如何才能让青睐，让作品获得的推荐呢？
下面厨子就官方解释，自己操作号的经验，跟大家做一个简单分享，希望能对大家运作号，起到帮助作用。
首先说什么情况下文章不被推荐
1、文章标题、内容出现错别字，文章内容涉较敏感话题，文章内容生平硬凑用户阅读极不方便，“小学生”作品；
2、文章内容与已有内容高度雷同，直接其他平台复制粘贴；
3、审核未通过做出修该，对已发表违规文章，做出修改重新提交；
4、审核已通过并推荐，对发表文章做出修改；
第3、4种情况一定要注意，虽然没有官方说法，但是经过厨子自身体验验证，这种情况是不给推荐的。
下面厨子带大家解密号文章的推荐机制
的推荐机制是分三个阶段的
第一阶段，最直接的表现在指数上，指数越高初次推荐的推荐量越大。一定要注意的slogan，也是引以为傲的个性化推荐。文章的推荐量，跟你文章内容、标题设计的标签有很大关系，标签涉及人群越多，推荐次数越高；
第二阶段，文章推荐阅读比，也就用户的认可度，推荐量上去了，但是文章的阅读跟不上，会严重影响文章的二次推荐，这个时候一个好的标题比不少；
第三阶段，这个阶段涉及的情况比较多了，比如文章的转发、收藏、点赞、评论、关注，主要涉及到用户的互动，还有就是文章的阅读完成度；
推荐阅读比10:1算是正常，如果是20:1，文章肯定没有多少阅读量，如果能达到5:1，就具备了爆文的基础。
最后听厨子说，不论在什么平台玩儿，一定要了解该平台的规则。合理的利用规则才能更好的帮助我们做大做强。这里是号：流情无风，随时分享运营相关的最新研究和动态。你的每次点赞和鼓励都是对厨子最大鼓励，有喜欢这行的欢迎讨论交流。
算法分发原理（上）
1.算法分发系统概览
简化的算法分发模型
把内容推荐给用户
推荐系统本质上要解决用户，环境和内容的匹配。
2.用户画像（userprofile）：根据用户的社会人口属性，生活习惯，消费行为等信息而抽象出的一个标签化用户模型。
标签tag/label
构建用户画像的核心作用是给用户打标签
标签的类型越精确，我们推荐的效果会越好
标签是对用户信息分析得来的高度精炼的特征标识
标签来源是用户消费习惯，从而进行精准营销
许多的标签集合就构成了用户画像
用户画像的作用：
精准营销，分析产品潜在用户，定向特定群体
用户统计，eg中国大学购买书籍人数top10
数据挖掘智能推荐，利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌
效果评估，完善产品运营，提升服务质量
服务产品的私人定制，个性化服务某类群体，甚至每一位用户
用户画像的构建流程
基础数据收集，行为建模，构建画像
基础数据包括网络行为数据，服务内行为数据，用户内容偏好数据，用户交易数据。
行为建模则是通过文本挖掘，自然语言处理，机器学习，预测算法，聚类算法。
构建用户画像则是通过用户的基本属性，购买能力，行为特征，兴趣爱好，心理特征，社交网络。
为用户设置调整标签有哪些策略？
过滤噪声：过滤停留时间短的点击，打击标题党。
惩罚热点：用户在热门文章上的动作做降权处理。
时间衰减：随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会越大。
惩罚展现：如果一篇推荐给用户的文章，没有被点击，相关特征权重会被惩罚。
下
3.内容建模和分析
以文本内容为例
文本分析
对文本的表示及其特征项的选取
文本挖掘，信息检索的一个基本问题，使用从文本中抽取的特征词进行量化，表示文本信息。
非结构化到结构化，可处理的。
基本技术，分词和词频统计。
分词的时候必须把一连串的文字结合在一起，不能拆。eg中国人民大学
向量空间模型，描述文本向量
向量空间降维，特征（feature）选择
文本分析算法举例:实体词识别算法
4.推荐算法
推荐算法，召回策略
典型推荐算法
协同过滤
逻辑回归
深度神经网络
因子分解机
梯度提升树
协同过滤算法目前是推荐系统领域最基本、应用最为广泛的算法。
通过分析和利用用户的历史行为来给用户的兴趣建模，并根据用户的兴趣对用户作出推荐。
协同过滤分两种，有基于用户和基于物品的。
基于用户的协同过滤最早应用于邮件的过滤和新闻推荐中。
基于物品的协同过滤，最早由亚马逊的推荐系统专家提出，在商业界广泛应用。
基于用户的协同过滤的基本假设：一个用户会喜欢和他有相似兴趣、喜好的用户群喜欢的物品。
为了给目标用户做推荐，首先应该找到与该用户在兴趣喜好上最相似的一组，然后做推荐。
两个用户相似，是指这两个用户喜欢过的物品集合相似。
基于物品的协同过滤的基本假设是用户会喜欢和他以前喜欢过的物品，相似的物品。这种在电商的推荐里非常常见。
推荐的时候，首先从用户行为历史数据中检索他之前喜欢过的物品集合，然后从尚未推荐的物品里找到和他喜欢的物品相似的物品，进行推荐。
典型召回策略
根据兴趣标签找到相应文章，取回排序靠前文章。
推荐系统的数据依赖
推荐模型的特征抽取需要用户和内容的各种标签
召回策略需要获取用户侧和内容侧的各种标签
用户标签挖掘和内容分析是搭建推荐系统的基石
文章发布后，机器会先推荐给一部分精准人士，根据被推送的人数据反馈进行持续推荐。这里面包括了几个因素：首次推荐、推荐人的行为、持续推荐。
1、首次推荐是指你写文章之后，第一波推荐给谁，推荐多少数量。这与文章的原创度、新颖度、文章质量有关。那么就要求大家要原创，文章的立意要新，不炒冷饭。
2、首次推荐会有二次推荐，二次推荐范围由一次推荐过程中的用户反馈数据所决定，用户反馈数据越好，推荐范围越大。
想要提高文章推荐量就需要提示文章点击率，需要提高用户对文章的第一印象，而这与标题、封面图、是密切相关的。
1、关于标题的选取：标题的选取的套路多，我也分享过很多套路，有需要的朋友可以去看历史文章，总的来说，要有争议，要有神秘感，要有新奇感，这样才会有让用户有点击的欲望。
大家也可以慢慢研究总结属于自己的标题公式，直接用公式取标题，如果自己还不会套路，可以上易撰，它的爆文标题助手利用算法采集上万爆文标题，只需你将文章关键词输入工具栏，系统即可为你自动匹配标题公式，生成新的标题，你可直接选取自己中意的标题。
2、关于封面：这个很多人度忽略了，觉得只要表达了内容意思就行，其实不然，人对图片的处理优先于文字的，所以如果图片很好，会有效提升吸引力。
还有在标签是很重要的，这时候你特别要注意关键字的选取，一定要精准，不能太笼统，这样推荐的用户不精准，用户的兴趣不在这，那么推读比就会低，相应的推荐量就很少了。
这就是影响文章阅读量的一些关键因素了，大家平常也可以多看爆文，多多摸索文章套路，早日熟悉规则技巧，如果不知道去哪里看爆文可以上易撰，它的爆文数据库独家采集11个自媒体平台爆文数据，实时采集，实时更新，频率快，数据量大，领域齐全，无论你是想看哪一个领域的爆文，用它都可以轻松做到，10W+、50W+、100W+随你看。
第一，想要弄清的推荐机制首先得了解是款怎样的产品。是个内容分发平台，本身不产出内容，往往自诩“一家具有媒体属性的技术主导的公司。”上有各种权威媒体或者机构媒体或者自媒体或者是个人在平台上产出内容，同时也有很多中小企业在上头投放广告，内容类型越多，推荐的越精准，平台的活跃用户就越多，流量生意信息流广告业务也会发展的越好。
第二，想要源源不断的广告业务，就必须保持平台源源不断的优质内容的产出。所以现在在外大量购买版权，签约相关媒体或自媒体大号儿入驻平台。谈到这里就不得不聊聊他的推荐机制，推荐的肯定是他想推荐的号儿，从而把平台的粉丝分发给你。本身是一个中心化的产品，想把粉丝分发给谁就给谁。那么这其中，首先分发的是签约媒体，大号儿等。
第三，就算平台推荐你，但是这个粉丝是不是掌握在你个人手里，不是你个人产出的优质内容把他招引来，而是的推荐机制送给你的。他可以在短时间培养一个大号儿，如明星大V商业家等，不用依靠高频产出内容就可以轻轻松松获取几百万的粉丝。所以，所谓的推荐机制，只不过是平台根据自己的用户属性再加上自我利益方的意愿分发而已。
是一个完全去中心化的平台，在这里用户自己便是中心。在注册时，你会被随机分到某一区块（如网游的服务器），逐渐便形成了由你的粉丝和粉丝的粉丝组成的区块，而又将这些区块链接成一个超大的平台。我想这大概就是所谓的区块链技术了。
所以，我们每次登陆后，所看到的文章，周边的人，都会觉得似曾相识。实际上你每次登陆都只在这个区块，这就象玩网游时登陆的是同一个服务器。
在问答中，电脑判断的优质文字会时常被推荐到首页，而实际上这首页也仅限于你所在区块的首页。
的推荐机制是，首先向你的粉丝作100%推送。然后根据粉丝的阅读率，阅读时间，点赞留言转发等情况生成一个指数，如果达到要求，会向所在区块与文章标签匹配的人作全部推送。
目前，很多号的文章都过不了这一关。包括我这个号，最主要原因是中了互粉的毒。互粉中，你的粉丝不是基于你的文字，而是基于一种游戏心态。当获得你的文章推送时，真正去读的极小，阅读率很低，即使互赞，阅读时间也上不去，电脑便会认定你的文字没有阅读价值，拒绝向区块推送。
当你文字在区块中阅读指数达到要求时，意味着你的文字可以突破第一区链，会向邻近的另外一至两个区块推选给标签匹配的人，这相当于网游的跨服。指数又满足，继续突破第二区链。再持续……爆文产生。
以上是我玩废了两个号后的一些分析结果，未必正确，仅供参考。
经过一个多月的摸索，我发现推荐量大的文章往往有几个特点：
一是原创，当作者发布文章后，系统会自动检索该文章是否抄袭，或者与网上的文章相似度极大，如果是这两种情况，推荐量会很低。
二是角度不新颖，例如最近很火的王宝强事件，如果你也写宝强孩子抚养权等事件，由于这类报道很多，系统会综合判断这篇文章给阅读者带来的反响度，可能会不予推荐，或者很少。
三是粉丝反响度，目前推荐机制是，文章发布了，会首推给粉丝，如果粉丝反映（评价或阅读）一般，也会影响推荐量。
以上仅个人见解，仅供参考。
要想提高阅读量，想写出一篇爆文，就必须要了解的推荐机制是怎样的。
文章的推荐机制如下：
第一步，消重。消重有两方面，一是文章相似，二是主题相似。
号在处理时，以是否有原创标识，体验好坏，发布时间，有无版权作为判断原创的标准，所以发布早，有原创标识体验好的被判定位原创，反之为搬运或抄袭。
第二步，审核。号首先会拦截不适合推荐的内容，如黄赌毒，反动，低质，旧闻。比如号的领域是周口，就会限制其它地区，只推荐给周口的用户，还有标题党，低俗内容也会受到相应限制。
第三步，特征识别。它会根据标题，内容等进行识别，是属于社会，体育，娱乐等，根据这些分级和实体词推荐给符合这些条件的人。
第四步，系统推荐。它的推荐并不是一步到位的，只是试探性的推荐给可能感性趣的用户，如果文章的点击率，阅读完成率高，收藏，转发以及评论正面等一系列正反馈，号就会加大此文的推荐；反过来，如果以上这些都很少，如果再有用户举报投诉等，就会相应的限制推荐了。
第五，人工干预。号为了提高用户的体验和作者的满意度，会根据推荐过程的反馈进行人工干预。在满足用户的前提下，尽可能的让有潜力的作者留下，增加其阅读和收益。对那些劣质，抄袭打广告的严格限制，就会禁言直到删除。
所以，保持文章的原创度和优质内容才能获得号更多的推荐。
看到许许多多朋友非常自信的神推测，神预测平台的机制和原理。我来告诉你，平台自己的程序员自己也不停的在修改和创新与开发新的智能机器检索功能。等你发现了所谓的规律，平台又一次以崭新的面貌出现而且都是突然出现，刺激你没有商量，搞蒙你没有商量啊比方许许多多人在研究650指数和垂直度的时候，平台宣布废除指数650。这就是。还是规规矩矩做自己应该做的事吧，少一点功利性，多一点公益心。为我们整个社会做一份应该有的文字贡献，传播和发扬我们中国的传统文化，正确客观对待世界进步文化和科学的发展。多写好文章，让人们得到启发和受益而努力。
谢谢邀请。我也是上不足五个月的新人，是怎样的推荐机制我也是在观察之中。
我想，读者太多而作者相对来说太少，怎样来满足各方各面的读者需要就成为了所有信息平台共同面对的一个难题。而聪明的走了一条群众路线，让几十万成百万的读者参加进来，将他们由读者变成了作者，任他们自由评论、转发、抢问答，这样一来不用花多少钱就一下多了成千上万的作者和文章编辑兼评论员。抢问答的人很多，但回答的质量如何就由阅读量来决定，阅读量曲线呈上升状态，就证明此人的回答圆满且得到越来越多读者认可，就会大力推荐他的问答，甚至一道问答已经过去四五个月了，答题者发现此问答还在各个互粉圈里转着。如回答的问题阅读量呈下降趋势，的推荐量也会相应降低甚至停止推荐，原因简单，你的东西点击量太低，说明你的东西不被读者认可，就没有推荐你的必要，你也就由参与者自动退回到了读者。
转发就更重要了，作者相对庞大的读者群来说就少的可怜了，如何用不多的原创好作品来满足数量众多的读者呢？这时就要让读者参与进来转发了，因为读者不一定有高深的写作能力，但却都具有相当高的阅读能力，他们看到好的文章视频就要转发出去，这相当于给当了业余编辑，使好文章好视频从浩如烟海的信息流中分离出来在各个互粉群中转悠。有时候一篇好文章竟然可以浮在一个个的互粉圈中一年都沉不下去。当然了，你的转发能不能得到的推荐？这就要看你的互粉人数的上升趋势了。如果粉丝迅速增加，上升趋势明显，说明你转发的东西有水平，因而你转发的东西就会得到的大力推荐，甚至在别人的文章的评论栏里点一个表情包，也会被推荐到各个互粉圈中几天不沉，有时有人下辛苦写的评论字数比转发的文章字数都多，却得不到的推荐，因为读者对你的评论不认可，就是推荐了你，可你也给人家赚不来多少信息流，人家为什么要推荐你？所以评论在也根据阅读量分为优质评论普同评论。
题主在描述中说你只是嘴上说了一下“大常吟今天就被推荐了，这说明你转发、评论的点击量曲线呈明显的上涨趋势，引起了的重视。
的推荐机制是怎样的，我不太了解，因为我没在工作，只是有人问问题，我就处于礼貌回答一下，知道就说知道，如果不知道就说不知道，只是实话实说，有的时候回答的不到位也没办法，因为本人没什么文化，但是每句话都是肺腑之言，从不撒谎。
的推荐机制是怎样的？的推荐机制的第一条就是原创，非原创不可上推荐，原创是就最底的底线就是生存的生命线，因为原创才能产生更多的思想火花的碰撞，才能引起百花争鸣，才不会千篇一律，没有新意，让人产生厌烦之感。如果每一篇文章都是在重复别的言论那对读者来讲是没有兴趣的。
其实你的文章要能引起别人的讨论和点赞，只有别人对你文章的认同那么你的文章被推荐的机会就会比别人多，你要让你的文章有个性化，有自己的风格，有自己的独到之外，文章审核通过后短时间获得的阅读量、点击、互动越多，相应的展现也会推荐越多。最后还要保证你文章具有很好的质量，这点肯定是必须的，这一点做好了，你的文章获得推荐的机率就很大。
的推荐机制还是不错的，但有一点应该要注意的就是不能发一定不合适宜的言论，要注意去看规则，不要有意无意的去违反规定。
简单讲就是你在上看了哪方面的内容，它就会自动生成推选你所看相关方面的内容。动用一句话“我的地盘我做主”！
这种情况我也遇到过。可能是因为会随机录音，分析你说的话，再给你推荐。
各位答题的朋友，都没有看题主的描述，题主是站在用户角度上的问的推荐机制是怎样的，而不是运营者角度！题主说的“嘴上说说看大长今，根本没有搜索，结果就在看到推荐了”这种情况，我也遇到过！
根本没有在任何软件上搜索过的东西，只是不经意间说了说，结果在上看到了！
其实打开手机的权限管理就知道了，需要的权限高达18项，是我现在的手机安装的应用中最多的！
点进去一看，好家伙，果然有录音的权限！！我手机因为不久前刚刷过机所以显示从未使用过，大家可以打开手机的权限管理看看的权限。
我每次发布的视频推荐力都很快，感谢的支持
看了很多人答的，什么标题要吸引人，文章质量要高等等；我倒是觉得和粉丝数量有关系，也就是粉丝越多，推荐量就越高，废话不说直接上图，否则不知道怎么形容。推荐总之一句话，神秘莫测…
在几年了，看到过太多的洗稿，最让人不理解的是前发的不如后发的，所以，至今搞不明白到底喜欢什么样的文章？
[捂脸]
根据我自己写的数据来看，推荐机制应该是多层次累计的。
首先，机器抓取文章标题和内容的关键字，查重，原创度高、内容好的优先推荐。
第二，推荐给应用内（APP点击）用户点击、阅读、收藏、评论、转发等因素高的，再给予更高的推荐。而应用外（一般是搜索链接到的）点击量阅读量不会给予很高的推荐度，所以，有些文章阅读量大于推荐量，就是这个原因。
第三，蹭热点、标题党从某种意义上来说，都可以增加推荐量。不过，没有评论、收藏、转发的二次推荐的话，也很容易被降权。
前面的答者，评论者，同意者，点赞者自动关注本问题。这一问题的有新的动态，就自动推送给他们。他们成了第一批新答案的大概率的阅读者，给予新答案评分。进行第一拨评分积累，然后升至答案前排，供更多的人评论。
优秀的自媒体自由发展探索新的领域
入新闻才三个月，开始头晕晕不知什么冬冬！
今个月观察一下。推荐是从各个区选择对众生有正能量问答推出，如果答者对众生有帮助正能量又推上首页。一问一答对众生有帮助正能量又被推上黄头出现，第二类一问一答为长方形，一问一答为一般什么都没有。
又有黄色头出现，又能对众生有帮助正能量又引起热量，又推上热门排位，每天有二十名上榜，上够十次即可奖V头。过五关斩六将的V头没有那么容易得到！
另一个推荐上特别新闻，如天气：灾难：象棋精选：艺术：名胜等等。
想上V头从自己的实际经验，发实信息帮助众生，功夫到家了自然有V头。皇天不负有心人。如发妄语又上谣言公告！卧虎藏龙，真假信息也逃不过他(她)们的法眼。
祝大家努力能得V头光荣称号。