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