只有算法的个性化推荐没有未来
作者:郝运 (淘宝产品平台部-工具平台)
最近这段时间,在研究和思考个性化推荐的命题,想谈一下,对于个性化推荐的理解,算是给先行者的回馈,给同行者的参考。
个性化推荐主要分为黑盒推荐与白盒推荐。
黑盒推荐主要通过机器学习、数据挖掘等统计方式和人工智能的方法对数据进行分析,建立相关模型并持续优化,在一定约束条件下求得最优解或局部最优解作为向用户推荐的内容,并不需要太多关注推荐的具体内容。
白盒推荐则是深入到被推荐的条目内容之中,依据对条目的先验知识和对用户的理解进行相关匹配的推荐,推荐的过程中也会用到机器学习和数据挖掘的算法,但先验知识的来源往往是专家领域的知识。
淘宝现有实际应用以及推荐的文档来看,基于可扩展性及系统成本的考虑,商用的个性化推荐系统以黑盒推荐为基础。黑盒推荐的核心是机器学习和数据挖掘算法,有着坚实的数学基础和明确的优化指标与方法,所以推荐质量有基本的保证。搭建系统既不需要领域内的知识,也不需要过多的人工干预,同时可扩展性较强,应对用户和条目的增长成本相对可控。
在浩如烟海的文档中,阅读了其中部分资讯,有一种强烈的感觉---个性化推荐的路好像走偏了!几乎所有的内容,都在不断强调算法、公式、逻辑,但互联网的根本是用户。所有产品都是为用户服务的,所有先进的技术、算法也只有通过服务好用户才能产生价值。而过于依赖算法而忽视“人”的黑盒推荐,是不稳定的。只有基于算法,又充分融入“人的认知”的推荐才是未来。
一、经济学——“理性”与“非理性”
“理性人(又称经济人)假设”是经济学的基本假设之一,是指作为经济决策的主体都是充满理智的, 既不会感情用事, 也不会盲从, 而是精于判断和计算, 其行为是理性的。本质上来说,就是对“人”进行抽象,是指为了经济学分析、解释、推导的需要,对微观的人的特点进行抽象,并根据这种抽象分析其决策和行为。通过抽象可以避免陷入对“人性”本身无边无际的争论,以更有效地讨论相关的经济学主题。
问题在于,这种抽象实际上就是将人不当成“人”,而是当成一个的“经济机器”,显然,这种“人”在现实中并不存在。与此相似,所谓算法模型就是把人和人的行为抽象成数字,并基于数学的规律和模型对人的行为进行模拟,进而对其需求进行预判。但是,人不是数字。首先,人是活的,有情感的,其行为具备不确定性。举个案例,假设一个人是我们可以明确定义的上海地区、白领、有车一族,同时告诉你他最近30天的淘宝全部行为记录,那么我们能否预测他们今天的需求呢。如果那个人就是你周围的伙伴,或者是你自己呢?真的可以判断出来吗?如果这个样本量扩展到100W呢?其次,人与人是存在差异性的。即便两个过往15天内看到、收藏过、买过商品路径一模一样的两个人,他们的下一个潜在需求也很不一样。基于黑盒推荐,其结果就是忽视人与人的个体差异而得到的群体偏好。所以,“人”所特有的非理性决策产生的行为不可预期性,加之个体差异,就注定了黑盒推荐的局限。
二、原则——解释行为
优秀的推荐系统的原则:
1. Make decision based on data
2. Canprovide detailed explanation on how it works
3. Caneasily add domain knowledge
无论复杂或简单的算法,都必须尊重一个原则“能够提供推荐如何运营的详细解释”。这就意味着,算法必须把“数字”还原成“人”,让数学模型真正解释人的行为。
三、个性化推荐的未来——融合常识的推荐
当算法可以融合常识,当技术与运营紧密结合的时候,个性化推荐就可以达到新的高度。
--
提示:本文同步发表于微信号alibabatech
建议继续学习:
- 推荐系统的问题 (阅读:3693)
- 基于综合兴趣度的协同过滤推荐算法 (阅读:3452)
- 推荐算法Slope One初探 (阅读:3259)
- 淘宝搜索中Query下拉推荐技术 (阅读:3332)
- 音乐智能推荐 (阅读:3114)
- 如何从无到有建立推荐系统 (阅读:3029)
- 基于关联规则的推荐系统 (阅读:2728)
- 用搜索的倒排轻松搞定“好友的文章”类相关推荐功能 (阅读:2475)
- 数据驱动销售――个性化推荐引擎 (阅读:2224)
- 个性化与大路货 (阅读:1980)
扫一扫订阅我的微信号:IT技术博客大学习
- 作者:郝运 来源: 阿里技术沙龙
- 标签: 个性化 推荐
- 发布时间:2013-08-08 23:27:38
- [68] Go Reflect 性能
- [68] 如何拿下简短的域名
- [67] Oracle MTS模式下 进程地址与会话信
- [62] IOS安全–浅谈关于IOS加固的几种方法
- [61] 图书馆的世界纪录
- [60] 【社会化设计】自我(self)部分――欢迎区
- [58] android 开发入门
- [56] 视觉调整-设计师 vs. 逻辑
- [49] 给自己的字体课(一)——英文字体基础
- [48] 读书笔记-壹百度:百度十年千倍的29条法则