推荐喜欢算法

物以类似，人以群分。——出自《战国策·齐策三》《周易·系辞上》

现在的推荐喜欢算法，基本可以用这句话代替。

A和B都喜欢α\alpha和β\beta,但是A又喜欢γ\gamma,B又喜欢δ\delta，这时候系统会向A推荐δ\delta，向B推荐γ\gamma，这就是”人以群分”。

有A类型电影，标签问“国内，喜剧，爱情”，有B类型电影，标签为“港台，喜剧，友谊”。此时，“爱情”和“友谊”的意思相近，而“喜剧”为共同元素，“国内”和“港台”都属于中国，所以，对于经常观看A类型的观众来说系统会向他推荐B类型电影，这就是“物以类似”。

现在，各大网站对于推荐喜欢算法都是两者结合起来使用，建立多维向量亦或矩阵，收集用户喜欢的实物，通过后台对用户的浏览，收藏，购买等信息，通过模糊数学和线性代数的知识，将最终的推荐结果发送给用户。如图：

摘自：网易云音乐



摘自：淘宝



可是这里却忽视了一个问题，当一个人性格突然改变时：例如一个人喜欢的是抒情，伤感的歌曲，可是有一天，他突然听到鬼畜很好听，就听了一天，但是也仅仅是当天觉得好听，结果发现，后来系统推荐的歌单都带有一两首鬼畜，可是鬼畜的风格伤感抒情毫无关系，甚至背道而驰，如同嗑了一袋瓜子，只有最后的一颗是坏掉的，好难吃，却损坏了一袋瓜子的口感。

欢迎关注我的微信个人订阅号



每天多学一点0.0