今天讲一讲feed吧，我本身不是内容类PM，大小做过两个社群模块，这作为一个研究方向写一些吧：
什么是FEED流？
百科说：Feed流是RSS中用来接收该信息来源更新的接口。其存在的目的在于呈现内容给用户并持续更新的方式。
今天我们讲的Feed流，实际更像是内容平台将信息传递给终端用户过程的手段。其意义远大于Feed流本身。
FEED流的发展
1）源于RSS的内容获取接口
RSS(简易信息聚合)搭建了一个信息迅速传播的平台，feed是将用户主动订阅的若干消息源组合在一起形成内容聚合器，帮助用户持续地获取最新的订阅源内容。
RSS机制
2）FEED流的发展
再到后来，Facebook重新定义了New feed，他将人或组织作为订阅的主体，智能的算法、全新的排序方式，同时内容也包含热门、广告等非订阅内容。（有兴趣可查facebook的new feed相关内容）
在此12年间，有关feed流的研究转向了推荐的收集、算法、展现层面。
了解到了Feed流的古往今来，实际上用户偏好的收集、推荐算法、内容展现都不能算作feed流。但是，却是重要的研究方向。
Feed的推荐形式
1）timeline
timeline是最早的Feed流推荐形式。顾名思义，获取所有用户信息，并根据时间顺序一一展示出来。这种展现形式在微信朋友圈、早期微博中被广泛运用。
2）Edgerank
当用户订阅的主体足够多，timeline显然不适合作为一个内容排序的形式了，Edgerank是FB针对用户查看新鲜事时, 决定新鲜事先后顺序的一个排序算法.公式为 E = uwd,
E=每个事件对这个用户而言的权重
u= 事件生产者和观察者之间的亲密度
w=边权重
d=时间衰减因子
而对于一些还不是好友关系的事件需要 push 时, 或是来自好友的分享, 还要考虑分享是否需要被关注, 则引入 GraphRank 的概念.GraphRank 跟 EdgeRank 的区别主要是在 uwd 之外, 再加了一层事件生产者和观察者之间的相关度, 变为 uwd*r.
3）智能排序
智能排序基于趋势trending、热门hot、用户生产UGC 、编辑推荐PGC、相似Similarity等等因素综合考虑。当然结合因为内容和用户的不同，笔者很难定性的概括这个算法的参考因素和权重。
总之，2018年网易云或者抖音应该是今年我身边最会推荐的产品，让科技成就生活之美吧。
网友评论