xlvector – Recommender System

在传统的推荐算法中，有两个基本算法，也就是所谓的user-based和item-based。其实，前一种算法的观点是认为用户的行为比较受舆论的影响，而后一种认为用户的行为受自己喜好的影响。当然这两者算法都是偏于极端的，现实社会中用户的行为往往受两种的共同影响，而两种影响的大小主要取决于用户和舆论谁更强势。 就比如拿最近的孔子来说，其实本人自从来了北京之后，每个月都会看一部电影，不管好还是烂，反正我个人看电影的习惯就是放松，不管多烂的电影，只要能放松就行了。而且我个人还是比较有主见的，不大受社会太多的影响（当然这也是相比较而言）。但是，有的时候舆论的影响却是潜移默化的，鉴于我的社会圈子里的舆论都认为孔子不怎么样，首先这就降低了我的期望，也就是说我去看孔子也不抱大希望了，但因为我的习惯，我还是觉得去看孔子，也就是说，在我到电影院之前，我的行为还是受我的习惯影响，舆论虽然有影响，但还没有大到改变我决定的地步。 不过当我到了电影院，发现孔子打折票还买50，这时我犹豫了，身在价格和舆论的双重context下，再强的人也不得不改变习惯了，于是经过激烈的思想斗争，我放弃了看孔子，用8元钱去买了个面包（现烤的，味道很不错）吃了一下，算是本周末奢侈了一把。 由此可见，舆论和个性的博弈在我看孔子这件事情上体现的非常的明显，当一个个人还在如此犹豫的时候，去追求推荐的精度还有什么意义了？也许我明天又后悔了，而这个事情推荐系统拿到了我没看孔子的数据，还在沾沾自喜着准备利用这个信息来调整精度。