现在的所谓 AI 推荐算法只能这样吗？

[wangbenjun5]

以某条和某音为例，先不提当中有多少人工干预的成分，人工干预基本上就是像让你看啥你就看啥

所谓智能推荐就是你看什么都越多推荐什么越多，假如有天天看小姐姐跳舞，你会发现你的主页全部都是小姐姐跳舞的视频，躲都躲不掉……

这特么的叫智能?我这周吃肉，下周就一定还喜欢吃肉?天天吃肉也腻吧

我也不清楚这些大公司那么多所谓的 ai 工程师，年薪上百万都在忙啥，动不动就是各种高级词汇，神经网络，回溯算法……实际上做出来的产品就像是一个根据标签模式匹配的玩意，谈不上什么智能……说难听点，不就是打些标签，搞个相似度匹配?

[wangbenjun5]

@hallDrawnel
@murmur
@kop1989

其实想想也是，推荐的这东西也许根本就不是从技术角度，更多的是从商业角度考虑，利益最大化，所以即使用不用 AI 也无所谓，但是对外一定要说是高科技

[narutots]

最大的矛盾点是：“动不动就是各种高级词汇，神经网络，回溯算法……实际上做出来的产品就像是一个根据标签模式匹配的玩意”

[smallpython]

是的, 只是这样, 不过即便只有这样也能带来巨大的利润
至于智能算法, 对外当然是怎么好听怎么说, 能赚钱的方法就是好方法

[p2pCoder]

其实更多人就是喜欢困在自己的信息茧房里
对于推荐系统，包括广告，说白了都是为了最终转化率，对于拥有海量用户的产品来说，提升一个点，就是肉眼可见的钱
至于推荐系统里面的其他目标，什么新鲜度之类，完全不是核心 kpi
我在算法部门做推荐引擎，经常业务方产品经理认为系统推出某个产品是脑残，应该在策略上进行限制，但是只要算法反手一份统计数据过去，业务方就不会说啥了
就拿电商来说，大多数场景，肯定不到 1%，用户重复购买曾经买过的商品的同 spu 甚至同 sku 产品，是远高于购买新的 spu 的

[lithbitren]

一个想法，不一定对。
推荐同类商品的，对于采购来说，初期会连续买样品，然后会在确定最终采购目标时会大批购置某样商品，对于刷单的账号可能也是这样，这些交易行为可能在交易中产生了过大的权重。
而一般的散客购物行为，预测起来非常复杂且随机性较强，本身可能就很难在算法黑箱中提取出特征。
所以最后，导致了推荐结果最终会向行为路径的比较明确的采购和刷单靠拢，忽略了一般消费者的体验。
从最终效果来看，很有可能这个算法就是为采购商服务的，采购商买了样品后本来就拥有继续购买同类商品的动机，这种推荐机制可能确实对电商销量有显著提高，算法工程师可能也因此完成了 KPI，只不过恰好牺牲了散客体验罢了。
鸟笼效应可能需要更复杂的算法设计，感觉听到在做的不太多。

[JerryCha]

因为基础就是统计然后分类，当你不了解一个人的时候你会从自己过往的知识与经历中找答案解读对方的一言一行。

[murmur]

@littleylv
因为网易没多少歌了，腾讯坐拥全国最大正版曲库，他的逻辑就是，我有那么多的歌，你不多听几个类别你不亏么
网易的歌其实就是那几类，小众的外语、民谣歌曲，盗版或者部分正版的 ACG 、同人，盗版或者部分正版的古风曲
类别太集中，你既然能忍得住歌少也选网易，说明你对网易的曲库有高度认同，这个推荐也无可厚非

[toan]

@littleylv 网易云，始于推荐，止于推荐。
起初用网易云，在每日推荐里，听到里许久没有听到的、曾经感觉好听不知道歌名（音乐名）的这些歌曲，然后就沦陷一度成为音乐软件首选。
后来的后来，不小心刷到个什么奇怪的歌曲、音乐或者搜索一些儿歌之类的之后，每日推荐里真的不能听了，有种洗脑般的感觉。
在之后的之后，音乐版权啊什么的各种不爽，网易云已经在手机的某个角落里落灰了。

[yogogo]

@coderluan 还是亚马逊的推荐算法靠谱，会上瘾，买完一个东西会一路买下去。然而国内的推荐算法，怎么看都是打标签推荐，看过一个就只推这类目的。

[xfriday]

现在的 AI 就是 KNN 而已

[azcvcza]

理想中的推荐算法，应该是一个图节点被点亮后，与该节点相连具有购买或其他关系最大的相邻节点被点亮；
现在好像更多是推荐同一棵树上，同一层级的兄弟节点

[tfdetang]

> ……说难听点，不就是打些标签，搞个相似度匹配?

打标签很没技术含量吗？很多推荐就是根据视频内容，评论内容对视频自动打标签，然后推给符合标签的人群。 如果不用那些 fancy 的技术，连打标签恐怕都做不好吧

[BlackBerry999]

随着推荐的深入，往往信息视野会越发狭窄。
问题在于推荐贴合的是一条线，即单一风格的内容。
解决方法是将线展开为面，单一 ==> 相似的不同风格内容。

[loryyang]

这个其实很好理解，任何基于规则的，比如基于标签，你能做到 60 分，但是用模型，你可以做到 65 分，虽然看起来依然很傻逼。但是从后台的数据可以看到，需要的指标依然上涨了。而这提升就是公司最看重的。试想如果你可以为公司每日上亿收入提升 1%个点，老板肯给你多少钱？
请注意这里，主要的指标，并不是你认为的指标。而且关心的不是你一个人的偏好，更重要的是作为一个整体，这个数据的变化趋势。
公司内部一般都有一套非常完整的体系来证明算法的效果，比如经典的 AB test，一般会通过分层分流实验来做。正所谓内行看门道，外行看热闹。一个普通人都看的出来的问题，公司内部必然已经发现了。依然存在的大概率是因为这并不是一个问题。小概率是公司内部机制，比如 KPI 导向等造成的

[zmxnv123]

有种推荐算法是寻找和你喜欢听歌类型的一类人，根据余弦定理计算向量夹角。
你和某个人的夹角越小，说明喜欢类型越相似。
这样就可以把另一个人喜欢的类型推荐给你，可以防止出现楼主这样的问题。

[hoyixi]

推荐？ 4 月 3 号晚上开始到 4 号那两天，直接扯脖子灌了

[NotNil1]

淘宝你买了条裙子，疯狂给你推裙子，然后就会一条接一条的买，一个夏天买 10 条都有的，这个策略也有可取之处，你觉得这个策略智障，大概率是因为你不是这个策略的受众，那淘宝为啥不做个适合你的呢，因为我们被战略放弃了。

[lhx2008]

抖音的推荐还是不错的，

[murmur]

@lhx2008 抖音、头条我认为这个算法有争议，因为在某些人眼中来说这些都是糟粕，没有什么营养，打法时间的东西，那么怎么推荐给你你都觉得爽
就跟你说鸡汤文和造谣有什么高下之分，奥里给和老八谁比谁优秀么

[lhx2008]

楼主说的就是新鲜度和覆盖度的问题，抖音也不是没做这方面的努力，会有新的视频看你喜不喜欢看的，如果以前喜欢现在不喜欢，点反馈很快就不推了