参考:推荐系统的十个关键点_wishchinYang的专栏-CSDN博客_推荐系统项目技术点。

推荐系统的第一-冷启动问题,类似于一个小白第一本书是读到基督教的书,第一页写着人是上帝那玩意的羔羊,能被坑死一生。

冷启动可以使用标签标示、随机推荐等一些列策略缓解。推荐系统的最大问题,则来到了这几年很火的“信息茧房”,这是一个很难冲破的现状。当然引入随机可以解决任何算法难题,这样效果就难以预料,也失去了推荐系统本身的意义,且大数据的随机性有待验证。

算法没有价值观

当算法没有价值观的时候,出现所谓的“被动信息茧房”。会出现什么样的结果,就来到了这个最为经典的场景:

“看自己想看的,听自己想听的,信自己想信的”,算法没有价值观,算法只是加强你的价值观。这样就导致了难以破解的封闭性,随着自身价值观的反复强化,导致人的思想更加狭隘、偏激,就像内啡肽一样让人对特定的信息“欲罢不能”,痛并快乐着。

算法有了价值观

这在商业推荐系统上表现明显,一个手段是 禁用词和强制推广,另一个是企图用价格影响用户,另一个是算法工程师的价值观私心。

典型的社区化,比如豆瓣还是那个豆瓣,b站还是那个b站,抖音还是那个抖音。其他的更广泛的,依然在地下活动。

你多久没有上淘宝了,是不是拼多多推给你一大堆9.9包邮(当然对于价格有特定喜好的小资产阶级和不用网络的资产阶级不在此论述范围)。这就是淘宝的现状,淘宝的利益最大化导致,淘宝推荐算法总是去触碰用户购买价格的天花板,当用户跳出阿里巴巴的十四大盗的圈的时候,发现自己被坑了那么多年。然后泪眼婆娑地内心对阿里一万个敬语,卸载掉,远离阿里巴巴和十四大盗!JD、并夕夕也有这趋势....

算法工程师的价值观更不得了,科技CEO尤为影响尤为重要,最经典的 快手是什么、而抖音又是什么。快手是段子、老铁、五彩生活和卖货,抖音是小姐姐、看小姐姐唱歌跳舞秀脸眨眼睛绝对领域扭屁股。

推荐系统有了价值观,它一般会朝着 那个方向飞速地前进,但至于前进到什么地步,则是难以预料。但有些时候,它会走出个五花八门精彩纷呈,因为一点点改变,用户就再也找不到自己想要的东西,比如淘宝。

至于快餐还是垃圾

对于推荐系统是快餐还是垃圾或者又是猪食,这个讨论不是最主要的。推荐系统对媒体的改变是,在某些时刻它能帮你快速找到自己想要的信息,塑造了自媒体的崛起,是扁平化的一种表现。

传统的媒体依然像一切社会现象一样,都是精妙分级的,比如TX的VIP、VVIP、限时VVIP、接着加钱、乃至于你永远因为劳累看不到的那些。

但是有些人就是喜欢精英所谓的垃圾,就像有人喜欢大家闺秀/商界精英、有人喜欢小家碧玉/土豪大款、有人则对女/槽汉子情有独钟,哪怕是因为视野狭窄,但这有什么不对吗或者说不好吗,何况拖累社会发展的堕落精英们的“奶头乐”思想不也能让人安定。

推荐系统的封闭和禁锢问题相关推荐

  1. 陌生人社交的一路羁绊——垃圾用户

    以聊天交友属性为主的社交平台中,可以分为两类:分别是熟人社交平台和陌生人社交平台. 微信.QQ处于熟人社交生态中不可撼动的龙头地位已经不言而喻,无论是阿里推出的来往.小米的米聊,还是字节跳动旗下抖音推 ...

  2. 推荐系统有什么危害?

    "推荐系统属于资本,不属于用户".一本书上看到这句话,想到了这个问题. 知乎作者:弗兰克扬 大概在十几年前的时候,我旁听新闻专业的一门课,当时的海龟老师就在讲互联网时代信息传播的问 ...

  3. 知识图谱辅助的个性化推荐系统

    向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程   公众号:datayx 本文主要包括以下内容: 推荐系统的基础知识 知识图谱辅助的推荐方法介绍 基于embedding ...

  4. 【推荐系统论文精读系列】(二)--Factorization Machines

    文章目录 一.摘要 二.介绍 三.稀疏性下预测 四.分解机(FM) A. Factorization Machine Model B. Factorization Machines as Predic ...

  5. 下一代个性化推荐系统

    文/王守崑 本文结合技术及社会需求发展的大背景,讲述了当前推荐系统的价值及所面临的挑战,并指出了下一代个性化推荐系统的设计思路及需要注意的问题. 作为个性化推荐系统核心的协同过滤(Collabora- ...

  6. 推荐系统(3)—基于标签的推荐系统(Python)

    1介绍 基于推荐系统(3)-基于标签的推荐系统的学习. 2基于标签的推荐系统意义 可解决冷启动问题:新用户APP下载后,选取感兴趣的关注标签,系统可自动推送筛选. 例如: 豆瓣的电影标签.书籍标签: ...

  7. 推荐系统实践读书笔记-06利用社交网络数据

    推荐系统实践读书笔记-06利用社交网络数据 自从搜索引擎谷歌诞生后,大家都在讨论互联网的下一个金矿是什么.现在,几乎所有的人都认为那就是社交网络.根据尼尔森2010年的报告,用户在互联网上22%的时间 ...

  8. 宗教信仰和推荐系统解决同一问题

    人工智能 ,哲学, 舆论 (Artificial Intelligence, Philosophy, Opinion) On the surface, religions and recommende ...

  9. 推荐系统中不得不学的对比学习(Contrastive Learning)方法

    作者 | 对白 出品 | 公众号:对白的算法屋 大家好,我是对白. 今天我们来聊一聊推荐系统中不得不学的Contrastive Learning方法,近年来Contrastive Learning在C ...

最新文章

  1. 什么是RDF resource Description framework
  2. 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
  3. python3.5安装pip_win10上python3.5.2第三方库安装(运用pip)
  4. 算法 - 动态规划(0-1背包问题)
  5. 查看ELK集群的状态命令
  6. git——远程仓库基本操作与冲突解决
  7. html.dropdownlist 设置默认值,设置Html.DropDownList()的默认值
  8. java输出int_如何使打印整数函数(没有printf)输出INT_MAX
  9. Android中sendMessageAtTime()的用法
  10. IDEA 常用快捷键
  11. 华硕笔记本k555拆机图解_华硕k45vd笔记本拆机教程,清理灰尘,更换键盘
  12. 对四旋翼飞行器的分析
  13. Win7 中使用 blat 自动发邮件
  14. 道德经和译文_道德经全文和译文
  15. 实习僧-产品体验报告
  16. Python中制表符\t的使用
  17. RN+SDK套壳轻松解决苹果审核被拒3.2.1问题、2.1大礼包问题【最新上架技术】
  18. 【matlab】常微分方程的数值解法
  19. Gamma校正及其实现
  20. 22、p2p信贷术语

热门文章

  1. [译] 我们是如何高效实现一致性哈希的
  2. LinkedHashMap实现LRU缓存算法
  3. UNIGUI下载文件
  4. STIMULUS(二) —— Hello, Stimulus
  5. Pymetrics开源公平性感知机器学习算法Audit AI
  6. Vue响应式数据: Observer模块实现
  7. [respberry pi3][suse] 配置docker
  8. win下php5.4安装ffmpeg-php扩展
  9. CMD安装/删除服务
  10. 六类网线和超六类网线有什么区别呢 怎么区分