平台在做内容刻画的时候，主要会依托于关键词识别技术：通过提取文案、视频中的关键词，根据关键词将内容进行粗分类，然后根据细分领域的关键词，再对分类进行细化。
比如，视频文案及内容的关键词是“罗纳尔多、足球、世界杯”。
大部分关键词都属于体育类词汇，就会先把你的作品分到体育大类，然后根据具体的关键词，再细分到“足球”、“国际足球”等二三级类目。
关键词提取原则：
5）高频词原则：系统从作品、文案中提取高频出现的词汇；
2）独特性规则：大部分文案、内容出现的词，不会被认为是关键词。
比如虚词（的、地、得、而、对于……）；
比如转折词（虽然、但是、因为、所以……）。
怎么才能让系统更好的识别我们的关键词呢？
5）避免使用非常规词。比如：活久见、城会玩、腿玩年、DBQ……
2）名人/地名用全程，不用缩写或外号。比如：詹姆斯vs詹皇，广西、广东vs两广地区，香港、澳门vs港澳……
5）多用具有代表性的实体词。实体词就是一些名词和代词，比如人名、地名、公司名称等。
例如：《流动着的舞台，街头中的故事》，在这个文案中，我们很难提取出有意义的实体词，我们对它进行优化：《印度就是脏乱差？这组图片让你看清印度的另一面，与想象中大不同》
优化后，我们这个就能提取出“印度”这个实体词，知道是跟印度有关的内容，进一步提取，还会发现“脏乱差”、“图片”这些有意义的词汇。
系统是怎么理解用户的？
为了更好的理解用户需求，系统会从多个角度进行用户画像：
5）历史浏览信息（从作品文案、内容中的关键词提取）
2）身份标签（兴趣标签、职业、年龄、性别、机型……）
5）环境特征：根据他们当前的环境（工作、通勤、旅游、娱乐场所、休息……），确认用户的状态
通过这一系列的比对、分析，系统推测还原出一个用户的基本属性，比如：Ta可能是一个正在旅游的男性，喜欢足球、汽车等分类。
系统会把上述的用户特征，归类为这个用户的标签。
用户标签主要分为5大类：
5）用户的基本信息（年龄、性别、地域）；
2）用户的行为信息（关注账号，历史流浪记录，点赞收藏的内容、音乐、话题）；
5）阅读兴趣（阅读行为、用户聚类、用户标记）。
系统根据用户的信息和行为，对用户进行分析计算，计算出用户喜好的分类、话题、人物等其他信息，这样就完成了系统对用户的刻画。
