歡迎來到合肥浪訊網(wǎng)絡(luò)科技有限公司官網(wǎng)
咨詢服務(wù)熱線：400-099-8848
咨詢服務(wù)熱線：400-099-8848
設(shè)計(jì)思維與出稿方法 談出稿方法論 |
| 發(fā)布時(shí)間：2016-10-13 文章來源： 瀏覽次數(shù)：3691 |
| 現(xiàn)在人們上網(wǎng)購物都習(xí)慣了系統(tǒng)給出的“猜你(還會)喜歡”，有時(shí)候它似乎比你自己都還要了解你。推薦系統(tǒng)畢竟是怎樣“猜”中你心思的呢? (文/Joseph A. Konstan & John Riedl)如今，到網(wǎng)上購物的人已經(jīng)習(xí)慣了收到系統(tǒng)為他們做出的個(gè)性化推薦。Netflix 會推薦你可能會喜歡看的視頻。TiVo 會自動把節(jié)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(gè)性化的音樂流。 所有這些推薦結(jié)果都來自于各式各樣的推薦系統(tǒng)。它們依賴計(jì)算機(jī)算法運(yùn)行，根據(jù)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(fèi)者服務(wù)。推薦系統(tǒng)的設(shè)計(jì)初衷是匡助在線零售商進(jìn)步銷售額，現(xiàn)在這是一塊兒規(guī)模巨大且不斷增長的業(yè)務(wù)。與此同時(shí)，推薦系統(tǒng)的開發(fā)也已經(jīng)從上世紀(jì) 90 年代中期只有幾十個(gè)人研究，發(fā)展到了今天擁有數(shù)百名研究職員，分別供職于各高校、大型在線零售商和數(shù)十家專注于這類系統(tǒng)的其他企業(yè)。 這些年來，推薦系統(tǒng)有了相稱的進(jìn)展。開始時(shí)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(wǎng)站用戶數(shù)據(jù)變得可用，推薦系統(tǒng)得以將立異算法應(yīng)用于這些數(shù)據(jù)之上，它們迅速得到了改善。今天，推薦系統(tǒng)都是些極其復(fù)雜和精專的系統(tǒng)，經(jīng)常看起來比你自己還要了解你。同時(shí)，推薦系統(tǒng)正在向零售網(wǎng)站以外的領(lǐng)域拓展：大學(xué)用它們來引導(dǎo)學(xué)生選課，移動電話公司靠它們來猜測哪些用戶有可能轉(zhuǎn)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(tǒng)的早期開始便一直在開發(fā)和研究它們，最初是以學(xué)術(shù)研究者的身份，介入 GroupLens 計(jì)劃(GroupLens Project)。1992 年起，GroupLens 通過對美國愛好論壇網(wǎng)站 Usenet 討論區(qū)里的動靜進(jìn)行排序，將用戶指向他們可能會感愛好、但自己尚未發(fā)現(xiàn)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(lián)網(wǎng)第一次高潮期間(1997 年 - 2000 年)，一直處于業(yè)界領(lǐng)先地位。有鑒于此，固然這些公司極少公然談?wù)撍麄兊耐扑]系統(tǒng)是如何運(yùn)作的，我們的經(jīng)驗(yàn)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(chǔ)上得出的，不包含任何內(nèi)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(gè)很大、很大的表格里一串很長的數(shù)字。這串?dāng)?shù)字描述了你所看過的每一樣?xùn)|西，你點(diǎn)擊的每一個(gè)鏈接以及你在亞馬遜網(wǎng)站上買的每一件商品;表格里的其余部門則代表了其他數(shù)百萬到亞馬遜購物的人。你每次登陸網(wǎng)站，你的數(shù)字就會發(fā)生改變;在此期間，你在網(wǎng)站上每動一下，這個(gè)數(shù)字就會隨著改變。這個(gè)信息又會反過來影響你在訪問的每個(gè)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(yōu)惠信息。 很多年來，推薦系統(tǒng)的開發(fā)者試過用各種各樣的方法來采集和解析所有這些數(shù)據(jù)。最近這段時(shí)間，多數(shù)人都選擇使用被稱為個(gè)性化協(xié)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(wǎng)站 Last.fm 的核心算法。說它 “個(gè)性化”，是由于這種算法會追蹤用戶的每一個(gè)行為(如瀏覽過的頁面、訂單記實(shí)和商品評分)，以此進(jìn)行推薦;它們可不是瞎貓碰上死耗子——全憑命運(yùn)運(yùn)限。說它 “協(xié)同”，則是由于這種算法會根據(jù)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(lián)系關(guān)系，它不是通過分析商品特征或者樞紐詞來進(jìn)行判定的。 不同類型的個(gè)性化協(xié)同推薦系統(tǒng)最晚從 1992 年開始便已經(jīng)泛起。除了 GroupLens 計(jì)劃，另一項(xiàng)早期的推薦系統(tǒng)是 MIT 的 Ringo，它會根據(jù)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(jì)算用戶之間的相似度 GroupLens 和 Ringo 都使用了一種簡樸的協(xié)同算法，被稱為 “用戶聯(lián)系關(guān)系”(user-user)的算法。這種類型的算法會計(jì)算一對用戶之間的 “間隔”，根據(jù)的是他們對統(tǒng)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(zhàn)》(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(xù)集《創(chuàng)：戰(zhàn)紀(jì)》(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(jì)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(gè) “鄰集”(neighborhood)。 但是，這種用戶聯(lián)系關(guān)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(gè)共同評分，有的就完全沒有;而僅有的那幾個(gè)都打了分的項(xiàng)目呢，往往是票房大片，基本上人人都喜歡的那種。再來，因?yàn)橛脩糁g的間隔可以變得很快，算法必需當(dāng)場就進(jìn)行大部門的計(jì)算;而這可能會比一個(gè)在網(wǎng)站上這兒點(diǎn)點(diǎn)那兒戳戳的人下一個(gè)動作發(fā)出之前需要更久的時(shí)間。 Item-Item 算法：計(jì)算物品之間的聯(lián)系關(guān)系 因此，大部門的推薦系統(tǒng)如今都依賴一種“物-物聯(lián)系關(guān)系”(item-item)的算法，這種算法計(jì)算的是兩本書、兩部片子或者兩個(gè)其他什么東西之間的間隔，依據(jù)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(gè)鄰集。一對物品之間的間隔可能是根據(jù)成百上千萬的用戶的評分計(jì)算得出，在一段時(shí)間里往往保持相對不亂，因此推薦系統(tǒng)可以預(yù)先計(jì)算間隔，并更快的天生推薦結(jié)果。亞馬遜和 Netflix 都曾公然表示過他們使用的是物-物聯(lián)系關(guān)系算法的變種，但對細(xì)節(jié)都絕口不提。 用戶聯(lián)系關(guān)系算法和物-物聯(lián)系關(guān)系算法都有的一個(gè)題目，是用戶評分的不一致性。當(dāng)給他們機(jī)會再評一次分時(shí)，用戶往往會對統(tǒng)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(jì) 90 年代進(jìn)行的一項(xiàng)研究表明，在最初打分一年以后，用戶的評分會發(fā)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(gè)商品了打一個(gè)分，但這個(gè)評分與推薦算法所了解的關(guān)于這個(gè)人和這個(gè)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(gè)商品進(jìn)行評價(jià)。 降維算法：把事物特征一般化 不外，用戶聯(lián)系關(guān)系算法和物-物聯(lián)系關(guān)系算法還存在一個(gè)比一致性更大的題目：它們太死了。就是說，它們能發(fā)現(xiàn)都喜歡統(tǒng)一樣?xùn)|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(gè)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(dāng)中，完全可能每個(gè)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(gè)辦法，通過一個(gè)叫降維(Dimensionality Reduction)的過程，把事物更一般化的表現(xiàn)出來。這種方法在計(jì)算量上比用戶聯(lián)系關(guān)系和物-物聯(lián)系關(guān)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(jì)算機(jī)變更快更便宜，降維算法也逐步取得了一些進(jìn)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(gè)巨型矩陣表示出來，每一條豎線代表一樣食品，每個(gè)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(gè)矩陣的推薦算法并不關(guān)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(gè)信息應(yīng)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(diǎn)或者說維度，它的數(shù)目和符合你要求的食品的數(shù)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(xiàng)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(jìn)行比對。這種更為一般性的呈現(xiàn)使得推薦算法能正確的發(fā)現(xiàn)有著相似但不同喜好的用戶。而且，它大幅壓縮了矩陣的規(guī)模，使算法變得更加高效。 這是一個(gè)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(tǒng)會使用一種稱為奇特值分解的數(shù)學(xué)方法來計(jì)算維度。這種方法涉及到把最初的一個(gè)巨型矩陣分解為兩個(gè) “口味矩陣”——其中一個(gè)包含了所有的用戶和 100 項(xiàng)口味維度，另一個(gè)則包含了所有的食品和 100 項(xiàng)口味維度——再加上第三個(gè)矩陣，當(dāng)乘以前面兩個(gè)矩陣中的任意一個(gè)時(shí)，會得到最初的那個(gè)矩陣(※此處已更改)。 不像上面例子中說的那樣，計(jì)算用的維度既不是描述性的，也一點(diǎn)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(jié)果就行了。這種方法的主要缺點(diǎn)是，創(chuàng)建矩陣所需要的時(shí)間會跟著客戶和產(chǎn)品數(shù)目的增多而飛速增長——創(chuàng)建一個(gè)擁有 2.5 億名客戶和 1000 萬種產(chǎn)品的矩陣，需要花上創(chuàng)建一個(gè) 25 萬名客戶和 1 萬種產(chǎn)品的矩陣 10 億倍那么多的時(shí)間。而且這一過程還需要常常重復(fù)。一旦收到新的評分，矩陣就已經(jīng)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(yùn)的是，就算略微過期，矩陣仍舊能以一個(gè)挺不錯(cuò)的水平運(yùn)作。研究職員們也已經(jīng)在設(shè)計(jì)新的算法，為奇特值分解提供可用的近似值并明顯縮短計(jì)算時(shí)間。 Joseph A. Konstan 和 John Riedl 都是美國明尼蘇達(dá)大學(xué)的計(jì)算機(jī)科學(xué)教授。身為 IEEE 高級會員的 Konstan 和 IEEE 會士的 Riedl 介入創(chuàng)建了 MovieLens 推薦系統(tǒng)。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(fā)布之初，倒數(shù)第二天然段有關(guān)奇特值分解的內(nèi)容表述有誤，現(xiàn)已更改，特此說明。 |
|
