歡迎來到合肥浪訊網絡科技有限公司官網
咨詢服務熱線：400-099-8848
咨詢服務熱線：400-099-8848
設計思維與出稿方法 談出稿方法論 |
| 發布時間：2016-10-13 文章來源： 瀏覽次數：3020 |
| 現在人們上網購物都習慣了系統給出的“猜你(還會)喜歡”，有時候它似乎比你自己都還要了解你。推薦系統畢竟是怎樣“猜”中你心思的呢? (文/Joseph A. Konstan & John Riedl)如今，到網上購物的人已經習慣了收到系統為他們做出的個性化推薦。Netflix 會推薦你可能會喜歡看的視頻。TiVo 會自動把節目錄下來，假如你感愛好就可以看。Pandora 會通過猜測我們想要聽什么歌曲從而天生個性化的音樂流。 所有這些推薦結果都來自于各式各樣的推薦系統。它們依賴計算機算法運行，根據顧客的瀏覽、搜索、下單和喜好，為顧客選擇他們可能會喜歡、有可能會購買的商品，從而為消費者服務。推薦系統的設計初衷是匡助在線零售商進步銷售額，現在這是一塊兒規模巨大且不斷增長的業務。與此同時，推薦系統的開發也已經從上世紀 90 年代中期只有幾十個人研究，發展到了今天擁有數百名研究職員，分別供職于各高校、大型在線零售商和數十家專注于這類系統的其他企業。 這些年來，推薦系統有了相稱的進展。開始時它們還相對較為粗拙，往往對行為做出不正確的猜測;但跟著更多的和不同類型的網站用戶數據變得可用，推薦系統得以將立異算法應用于這些數據之上，它們迅速得到了改善。今天，推薦系統都是些極其復雜和精專的系統，經常看起來比你自己還要了解你。同時，推薦系統正在向零售網站以外的領域拓展：大學用它們來引導學生選課，移動電話公司靠它們來猜測哪些用戶有可能轉投另一家供給商，會議主辦方也測試過用它們來分配論文給審稿專家。 我們兩人從推薦系統的早期開始便一直在開發和研究它們，最初是以學術研究者的身份，介入 GroupLens 計劃(GroupLens Project)。1992 年起，GroupLens 通過對美國愛好論壇網站 Usenet 討論區里的動靜進行排序，將用戶指向他們可能會感愛好、但自己尚未發現的話題線索。幾年以后，我們成立了 Net Perceptions，這是一家推薦算法公司，在互聯網第一次高潮期間(1997 年 - 2000 年)，一直處于業界領先地位。有鑒于此，固然這些公司極少公然談論他們的推薦系統是如何運作的，我們的經驗使我們能夠深入了解亞馬遜和其他在線零售商幕后的情景。(在本文中，我們的分析是在觀察和推理的基礎上得出的，不包含任何內部動靜)。 你有沒有想過自己在亞馬遜眼中是什么樣子?謎底是：你是一個很大、很大的表格里一串很長的數字。這串數字描述了你所看過的每一樣東西，你點擊的每一個鏈接以及你在亞馬遜網站上買的每一件商品;表格里的其余部門則代表了其他數百萬到亞馬遜購物的人。你每次登陸網站，你的數字就會發生改變;在此期間，你在網站上每動一下，這個數字就會隨著改變。這個信息又會反過來影響你在訪問的每個頁面上會看到什么，還有你會從亞馬遜公司收到什么郵件和優惠信息。 很多年來，推薦系統的開發者試過用各種各樣的方法來采集和解析所有這些數據。最近這段時間，多數人都選擇使用被稱為個性化協同推薦(Personalized Collaborative Recommender)的算法。這也是亞馬遜、Netflix、Facebook 的摯友推薦，以及一家英國流行音樂網站 Last.fm 的核心算法。說它 “個性化”，是由于這種算法會追蹤用戶的每一個行為(如瀏覽過的頁面、訂單記實和商品評分)，以此進行推薦;它們可不是瞎貓碰上死耗子——全憑命運運限。說它 “協同”，則是由于這種算法會根據很多其他的顧客也購買了這些商品或者對其顯示出好感，而將兩樣物品視為彼此聯系關系，它不是通過分析商品特征或者樞紐詞來進行判定的。 不同類型的個性化協同推薦系統最晚從 1992 年開始便已經泛起。除了 GroupLens 計劃，另一項早期的推薦系統是 MIT 的 Ringo，它會根據用戶的音樂播放列表從而給用戶推薦其他他們有可能會喜歡的音樂。 User-User 算法：計算用戶之間的相似度 GroupLens 和 Ringo 都使用了一種簡樸的協同算法，被稱為 “用戶聯系關系”(user-user)的算法。這種類型的算法會計算一對用戶之間的 “間隔”，根據的是他們對統一物品打分的相似程度。舉例來說，假如吉姆和簡都給《電子世界爭霸戰》(Tron)這部片子打了 5 分，那么他們之間的間隔就是 0。假如吉姆給它的續集《創：戰紀》(Tron: Legacy )這部片子打了 5 分，而簡只打了 3 分，那么他們之間的間隔就變大了。按照這樣的計算得出來品味相對 “靠近” 的用戶，我們把他們稱之為共有一個 “鄰集”(neighborhood)。 但是，這種用戶聯系關系的策略效果并不是很好。首先，形成有意義的鄰集很難：良多用戶兩兩之間只有很少幾個共同評分，有的就完全沒有;而僅有的那幾個都打了分的項目呢，往往是票房大片，基本上人人都喜歡的那種。再來，因為用戶之間的間隔可以變得很快，算法必需當場就進行大部門的計算;而這可能會比一個在網站上這兒點點那兒戳戳的人下一個動作發出之前需要更久的時間。 Item-Item 算法：計算物品之間的聯系關系 因此，大部門的推薦系統如今都依賴一種“物-物聯系關系”(item-item)的算法，這種算法計算的是兩本書、兩部片子或者兩個其他什么東西之間的間隔，依據的是給它們打過分的用戶的相似度。喜歡 Tom Clancy 書的人很可能會給 Clive Cussler 的作品打高分，因此 Clancy 和 Cussler 的書就共處一個鄰集。一對物品之間的間隔可能是根據成百上千萬的用戶的評分計算得出，在一段時間里往往保持相對不亂，因此推薦系統可以預先計算間隔，并更快的天生推薦結果。亞馬遜和 Netflix 都曾公然表示過他們使用的是物-物聯系關系算法的變種，但對細節都絕口不提。 用戶聯系關系算法和物-物聯系關系算法都有的一個題目，是用戶評分的不一致性。當給他們機會再評一次分時，用戶往往會對統一件物品給出不同的得分。品味在變、心情在變，印象也在變。MIT 在上世紀 90 年代進行的一項研究表明，在最初打分一年以后，用戶的評分會發生均勻 1 分(滿分 7 分)的變動。研究職員們也在一直在嘗試不同的方法在模型中納入這一變量;好比說，假如用戶給某個商品了打一個分，但這個評分與推薦算法所了解的關于這個人和這個商品的所有其他信息不相符，有的推薦算法就會邀請用戶再次對這個商品進行評價。 降維算法：把事物特征一般化 不外，用戶聯系關系算法和物-物聯系關系算法還存在一個比一致性更大的題目：它們太死了。就是說，它們能發現都喜歡統一樣東西的人，但卻忽略了興趣非常相似的潛伏用戶組合。好比說你喜歡莫奈的睡蓮。那么，在這個法國印象派巨匠畫的 250 幅睡蓮中，你最喜歡哪一幅?在一群喜歡莫奈的人當中，完全可能每個人喜歡的睡蓮都不相同，而基本的算法就有可能識別不出這些人都有著共同的興趣。 大約十年前，研究者們想出了一個辦法，通過一個叫降維(Dimensionality Reduction)的過程，把事物更一般化的表現出來。這種方法在計算量上比用戶聯系關系和物-物聯系關系算法要密集得多，因此也就沒有那么快的得到采用。但跟著計算機變更快更便宜，降維算法也逐步取得了一些進展。 為了弄清降維算法是怎么工作的，我們來看看你愛吃的東西，以及如何把它跟其他一百萬人愛吃的東西做比較。你可以把這些信息用一個巨型矩陣表示出來，每一條豎線代表一樣食品，每個人愛吃什么東西就天然形成了一行。在你的這一行上面或許會顯示你給了烤牛排 5 顆星、紅燒小排 4 星半、烤雞翅 2 顆星、凍豆腐卷 1 顆星、奶酪烤蘑菇 5 顆星、鹽水毛豆 4 顆星，等等。 然而，使用這個矩陣的推薦算法并不關心你給哪種食品評了多少顆星。它想要了解的是你一般而言的喜好，這樣它可以將這個信息應用到更豐碩多樣的食品上。好比說，基于你上面給出的信息，算法可能會以為你喜歡牛肉、咸的東西和烤制菜品，不喜歡雞肉和任何油炸的東西，不喜歡也不討厭蔬菜，依此類推。你愛吃的食品所擁有的特點或者說維度，它的數目和符合你要求的食品的數目比起來要小得多——至多可能 50 或 100。通過查對這些維度，推薦算法可以迅速決定你是否會喜歡一種新的食品(比方說鹽焗排骨)，方法就是把這種食品的各項維度(咸的、牛肉做的、不是雞肉、不是炒的、不是蔬菜、不是烤的)同你的資料進行比對。這種更為一般性的呈現使得推薦算法能正確的發現有著相似但不同喜好的用戶。而且，它大幅壓縮了矩陣的規模，使算法變得更加高效。 這是一個很酷的解決方案。不外，你愛吃的食品的維度該上哪兒去找呢?肯定不是去問廚師。推薦系統會使用一種稱為奇特值分解的數學方法來計算維度。這種方法涉及到把最初的一個巨型矩陣分解為兩個 “口味矩陣”——其中一個包含了所有的用戶和 100 項口味維度，另一個則包含了所有的食品和 100 項口味維度——再加上第三個矩陣，當乘以前面兩個矩陣中的任意一個時，會得到最初的那個矩陣(※此處已更改)。 不像上面例子中說的那樣，計算用的維度既不是描述性的，也一點兒都不直觀;它們是純抽象的值。這并沒有什么，只要這些值終極天生正確的推薦結果就行了。這種方法的主要缺點是，創建矩陣所需要的時間會跟著客戶和產品數目的增多而飛速增長——創建一個擁有 2.5 億名客戶和 1000 萬種產品的矩陣，需要花上創建一個 25 萬名客戶和 1 萬種產品的矩陣 10 億倍那么多的時間。而且這一過程還需要常常重復。一旦收到新的評分，矩陣就已經由期;在像亞馬遜這樣的公司，每一秒鐘都會收到新的評論。幸運的是，就算略微過期，矩陣仍舊能以一個挺不錯的水平運作。研究職員們也已經在設計新的算法，為奇特值分解提供可用的近似值并明顯縮短計算時間。 Joseph A. Konstan 和 John Riedl 都是美國明尼蘇達大學的計算機科學教授。身為 IEEE 高級會員的 Konstan 和 IEEE 會士的 Riedl 介入創建了 MovieLens 推薦系統。在接下來的文章里面，兩位作者將繼承先容， 推薦算法絕對不會向你推薦的是什么 。 更正說明： 文章發布之初，倒數第二天然段有關奇特值分解的內容表述有誤，現已更改，特此說明。 |
