第二種可能：聊天提到過的東西，妳在別的地方也搜索過或者瀏覽過相關內容，那地方跟頭條有合作，知道妳瀏覽過，所以推送相關。
第三種可能：妳聊天的朋友也在用頭條，看過妳們聊的東西，通過相似人算法也推送給妳。
第四種可能：妳的畫像跟某些其他人畫像特別接近，妳們最近都恰好在了解某些東西，因此推送給妳。
第五種可能：妳聊天的內容恰好在某個人群中是最近的熱門topic，命中概率變大。
今日頭條的文章個性化推薦機制主要是：
相似文章主題相似性的推薦：通過獲取與用戶閱讀過文章的相似文章來進行推薦。
基於相同城市的新聞：對於擁有相同地理信息的用戶，會推薦與之相匹配的城市的熱門文章。
基於文章關鍵詞的推薦：對於每篇文章，提取關鍵詞，作為描述文章內容的壹種特征。然後與用戶動作歷史的文章關鍵詞進行匹配推薦。
基於站內熱門文章的普適性推薦：根據站內用戶閱讀習慣，找出熱門文章，對所有沒有閱讀過該文章的用戶進行推薦。
基於社交好友關系的閱讀習慣推薦：根據用戶的站外好友，獲取站外好友轉發評論或發表過的文章進行推薦。
基於用戶長期興趣關鍵詞的推薦：通過比較用戶短期和長期的閱讀興趣主題和關鍵詞進行推薦。
基於相似用戶閱讀習慣的列表推薦：計算壹定時期內的用戶動作相似性，進行閱讀內容的交叉性推薦。
基於站點分布來源的內容推薦：通過用戶閱讀的文章來源分布為用戶計算出20個用戶喜歡的新聞來源進行推薦。