你为什么要抵抗推荐系统?

前两天看到阮一峰 每周分享中有一段话:

现在,很多网站使用大数据算法,很精确地知道用户的喜好和立场,总是推荐感兴趣的新闻给你看,或者说只给你看想看的东西,比如今日头条和 Facebook。

久而久之,天天看到一大堆同类新闻,你会产生一种幻觉,以为自己的喜好和立场是主流,跟大多数人一致。但是实际上,这完全是假象,举例来说,算法发现你养狗,天天给你看小狗的新闻,搞得你以为到处都是爱狗人士,其实社会上不喜欢狗的人才是多数。

这就是推荐算法的一个副作用,不管你是多么少的少数,它都有办法满足你,让你产生幻觉,高估自己的份量。你明明是人群的1%,却误以为大多数人跟你一样,这样就容易做出错误判断。比如,你天天看到小狗的新闻,就决定做一款宠物相关的产品,进行创业。你以为自己的产品针对大众市场,感兴趣的人应该很多,其实响应者寥寥。

知道自己是少数派还是多数派,挺重要的。如果你是创业者,这就决定了你的产品定位和市场策略。如果涉及到政治,那就更重要了。我觉得,推荐算法以后不仅应该推荐用户感兴趣的内容,还应该告诉用户,你是不是少数派。

今天又在微博读到一篇文章,开头便是“今天和清华几个老师聊天,说起“如何对抗推荐系统”的问题。”。

应该是近期某些资讯平台,通过上文中所说的推荐系统,对求知若渴的年轻人进行了精准推送。读者读完上述文字,有可能会产生,

“非常有道理,我要抵抗推荐系统”

的错误想法,而不是

“推荐系统有小小的副作用,我要抵抗网络错觉以及自身幼齿心智”。

这篇文章我们来一起聊聊推荐系统。

维基百科词条:

推荐系统是一种信息过滤系统,用于预测用户对物品的“评分”或“偏好”。

推荐系统近年来非常流行,应用于各行各业。推荐的对象包括:电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务、生命保险、网络交友,以及Twitter页面设计。

推荐系统产生推荐列表的方式通常有两种:协同过滤以及基于内容推荐,或者基于个性化推荐。

协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。

基于内容推荐利用一些列有关物品的离散特征,推荐出具有类似性质的相似物品。

两种方法经常互相结合。

 

码中人 微信公众号