网站压缩,wordpress化妆品主题,wordpress cmd,工商局网站开发费用什么是信息茧房
信息茧房其实是现在社会一个很可怕的现象#xff0c;从字面意思来看的话其实比喻的是信息被虫茧一般封锁住。这个问题反映了现在随着个性化推荐的普及衍射的一个社会问题。
平时在浏览新闻或者淘宝的时候#xff0c;平台会自动根据用户的浏览记录获取用户的…什么是信息茧房
信息茧房其实是现在社会一个很可怕的现象从字面意思来看的话其实比喻的是信息被虫茧一般封锁住。这个问题反映了现在随着个性化推荐的普及衍射的一个社会问题。
平时在浏览新闻或者淘宝的时候平台会自动根据用户的浏览记录获取用户的偏好然后推送感兴趣的文章。久而久之比如用户A是个体育迷那么A获取的信息大多是跟体育相关的很难获取音乐或者军事等其它相关的资讯因为平台追求点击率会一直推送A感兴趣的内容以获取高广告浏览量。时间长了因为信息茧房的作用因为信息获取单一A的社交圈可能也会变的狭小。如果整个社会陷入了个性化推荐系统的信息茧房效应将是病态的。
所以真正的个性化推荐绝对不等于只推荐历史感兴趣的内容这样其实不是一个长期可持续的推荐系统如果陷入了信息茧房一定会有用户觉得审美疲劳。那么如何破解信息茧房因为从推荐模型角度分析一旦获取了用户的画像就很难跳出用户习惯的逻辑比如昨天买个手机第二天还推荐手机这个时候可能比较好的一种方法是跨域推荐cross-domain recommendation。
跨域推荐的概念
跨域推荐做的事情就是跳出推荐的信息茧房。不是一个新概念了我上研究生的时候学校就有实验室做相关的研究今天主要讲下思路。具体大家想了解的话可以看下这个Paper 《Cross-Domain Recommendation: An Embedding and Mapping Approach》
有几个关键词我觉得可以充分体现跨域推荐的精髓
“diversity” - “novelty” - “serendipity”
如果我们做一个推荐系统说是“individuality”其实我会觉得很normal不够高级现在几乎所有推荐系统都有个性化推荐但是如果一个推荐系统标榜自己是“novelty”那我就觉得很有意思了。下面聊聊怎么实现novelty。
第一步确定什么是target source
这里以新闻推荐为例如果一用户A经常浏览同一个类型的新闻比如体育新闻如何找到A喜欢的其他类别新闻呢
这其实是一个user overlap的场景推荐系统的主体user不变有个source源是体育新闻要找到target是体育以外user感兴趣的文章。这就建立了跨域推荐中的target和source关系。
第二步确定推荐level
跨域推荐有多种level要确定跨域的种类大体可以分以下三种
其实跨域推荐确定了source和target后只要确定跨域的幅度即可。 Attribute level挖掘target间的相似属性推荐同一类别的target。比如一个用户很喜欢买红色、大尺寸的诺基亚手机attribute level推荐是要在推荐物属性层面做跨域可以试着给用户推荐黑色、小尺寸的其它手机这样的跨属性的相同物种推荐会在一定程度上给用户新鲜感 Type level挖掘target间的相似属性然后推荐相同大品类下不同小品类的物品。比如用户喜欢红色、大尺寸的诺基亚手机手机和电脑都属于电子产品可以推荐红色、大尺寸的电脑给用户 Item level挖掘target间的相似属性推荐不同大品类的物品。比如用户喜欢红色、大尺寸的诺基亚手机直接推荐红色大尺寸的马桶
以上3个跨域level由轻到重大家可以根据自己的需求选用。其实关键点是如何挖掘物品的属性因为无论是电脑、手机、马桶他们都有共通的属性比如大小、颜色、材质等下面就介绍如何挖掘这些属性。
第三步挖掘target间的属性
既然跨域推荐的关键是能挖掘出target间共有的属性那么有什么办法可以做到这一点呢。首先要根据业务属性人工挖掘出一些隐性特征比如电商平台可以挖掘出颜色、材质、价格、使用频率等隐性特征然后可以通过矩阵分解的方式获取具体每个特征的权重下图中矩阵A和B之间的矩阵。
总结
信息茧房效应是因为个性化推荐系统推荐信息的不平衡性导致用户长期只能浏览限制领域的信息可以在推荐系统中加入跨域推荐的逻辑来规避信息茧房的影响具体流程包含确定推荐逻辑中的source和target确定跨域的粒度通过矩阵分解找出隐含的共性属性。
原文链接 本文为云栖社区原创内容未经允许不得转载。
