有人说内容的智能推荐算法会造成“信息茧房” 。这是对算法最大的误解 。“信息茧房”概念，来自于哈佛大学法学院教授凯斯·桑斯坦 。他在《信息乌托邦——众人如何生产知识》一书中指出，在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中 。
内容的智能推荐，真的会让用户陷入“信息茧房”无法自拔吗？
有人说内容的智能推荐算法会造成“信息茧房” 。这是对算法最大的误解 。“信息茧房”概念，来自于哈佛大学法学院教授凯斯·桑斯坦 。他在《信息乌托邦——众人如何生产知识》一书中指出，在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中 。
为什么我说智能推荐算法不会制造“信息茧房”？首先，算法在推荐时，除了用户现有的个人兴趣，还会基于使用环境、内容热度、其他用户的兴趣，来给用户推荐信息 。这些因素能够让推荐内容更加丰富，避免了内容越来越窄 。其次，算法本身还包括兴趣探索 。一般人对算法的认识：喜欢什么，就推什么 。可人生是漫长的，人的兴趣不但是各种各样的，也不断变化的 。
比如，我是英超球队阿森纳的铁杆球迷，可最近几年阿森纳每况愈下，实在心生疲惫；在体育内容上，最近一年我就更关心乒乓球，尤其是“日本选手张本智和和伊藤美诚多大程度上可以挑战中国乒乓球运动员”，就比“阿森纳能不能排名英超前四”更让我关注了 。算法如何做这样的兴趣探索呢？我了解到，算法最有效的能力，是识别出你最感兴趣的内容和最不感兴趣的内容 。
在二者之间，还存在一大块“你可能感兴趣的内容”，这些内容绝对不会被工程师和产品经理们放弃 。事实上，每个人的成长也是不断地将“可能感兴趣的事情”，固化为“确定感兴趣的事情”和“确定不感兴趣的事情”的过程 。对于算法如何识别人们“最不感兴趣的内容”，算法推荐里专门有个名词叫“协同过滤”，英文术语叫collaborative filtering 。
“过滤”是“推荐”的反义词，也是“同一个事情的两个方面” 。算法有很强的能力，过滤掉那些你明显不感兴趣，跟你一点关系都没有的东西 。比如我根本不关注美妆、口红方面的内容，算法没必要推荐这些内容给我 。那么，算法如何去探索那些人们“可能感兴趣的内容”呢？用户兴趣泛化和窄化，其实是推荐系统中的经典问题，学界和业界一直很重视 。
这个问题叫EE（Exploitation Exploration）：Exploitation是利用，通过已知的比较确定的用户兴趣，推荐相关的内容 。Exploratio是探索，除了推荐给用户已知的感兴趣的内容，还需要不断探索用户的其他兴趣，避免推荐结果一成不变 。算法追求的是，尽可能地满足用户获取有价值信息的需求，并且让用户获取信息的价值最大化 。
就像开宝箱一样，算法需要通过探索来发现用户的兴趣兴趣探索在短期内会减损用户使用时长，因为用户会在信息流里刷到不那么感兴趣的内容，觉得信息流很乱 。但是如果不做兴趣探索，短期内可以提升点击率，但这个提升效果会迅速衰减，因此从长期看收益是负向的 。所以，兴趣探索并非算法的“锦上添花”，而是“必不可少” 。这下你可以理解，“算法就是喜欢什么就推什么”是一个多么“天真”的误解了吧 。
推荐阅读
- 华为mate10pro多少钱一部,8 256版华为Mate
- QQ输入法中更改为手写模式的方法介绍。
- 抖音为什么不能合拍 抖音如何合拍
- 王文军，周秀云之死王文军为什么不是故意杀人罪
- 2021高考全国一卷理综，2020理科全国一卷21题为什么不能用洛必达
- mate30pro,华为Mate30
- 荣耀手机,V/荣耀60/荣
- 笔记本电脑怎么选购指南,华为笔记本电脑选购指南
- 华为p50参数,荣耀50和华为p50哪个好性价比高
- 手机壁纸图片高清,华为手机壁纸图片大全高清