有人說智能推薦是一個偉大創造，是信息時代必不可少的工具。但與此同時，有人急切的想要拒絕智能推薦，認為這種追蹤是對個人隱私的侵犯，也有人認為智能推薦會使我們獲取的信息越來越狹窄、越來越片面從而走進信息繭房。
事實真的是他們所擔心的那樣嗎？答案是并非如此。那些帶來此類問題的推薦系統，是無法真正稱之為“智能”的。而成熟的智能推薦系統是可以成功避免這些弊端的。
那么智能推薦究竟是如何實現的？它的運算過程中是否涉及了我們的姓名、電話、身份信息等個人隱私呢？
我們首先從它背后所需的數據看起
一、智能推薦所需數據有哪些
（1）物料類數據：內容的文本類數據，如內容的標題、正文、作者、內容來源、標簽或關鍵詞、分類（如時政、健康、娛樂等）、發布時間等，在電商場景的話還可能會有價格、商品屬性、商品復購周期等。
（2）用戶類數據：地理位置數據：經緯度坐標；特定場景下的靜態身份數據：崗位、專業、技能等業務場景下才會需要到的身份數據。
（3）用戶行為數據：包含了用戶對內容發生的行為如點擊、分享、點贊、收藏、加入購物車、瀏覽時長、播放完畢等根據業務場景制定的能反映出用戶興趣的數據，也包含了用戶發生行為的時間即用戶點擊這條內容是在什么時間，用戶瀏覽10s是在什么時間。
二、智能推薦是如何采集數據的
物料類數據、用戶類數據通過數據庫到數據庫的方式便可完成上報，而用戶行為數據則需要進行行為的埋點才可以實現收集和挖掘。埋點就像公路上的攝像頭，可以采集到車輛的屬性信息，如顏色、車牌號、車型、人臉等。如果攝像頭分布處于理想狀態，那么通過疊加不同位置的攝像頭所采集的信息，基本可以還原出某一輛車的路徑、目的地甚至推測出司機是否是老司機，司機的駕駛習慣是怎樣等。
從智能推薦所需要的數據以及采集數據的過程，我們不難發現我們的個人隱私并不是它涉及到的部分，它所需要的更多的是我們的行為數據。
其次，一個成熟的推薦系統應當具備哪些條件呢，它會使我們進入信息繭房嗎？
信息繭房概念是由哈佛大學法學院教授、奧巴馬總統的法律顧問凱斯·桑斯坦在其2006年出版的著作《信息烏托邦——眾人如何生產知識》中提出的。通過對互聯網的考察，桑斯坦指出，在信息傳播中，因公眾自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的通訊領域，久而久之，會將自身桎梏于像蠶繭一般的“繭房”中。
如今的推薦系統早已能夠避免這個問題。它們擁有更加成熟的算法策略，更加全面的行為數據采集，以及為用戶提供的更多選擇。
內容分發，往往被看作是用戶對內容的被動接受，但其實平臺給了用戶很大的主動選擇權，這些選擇權就體現在用戶對內容的搜索、瀏覽、停留、關注、收藏、評論和轉發等行為上，機器通過這些行為讀懂了你的選擇，所以才產生了內容的個性化推薦。
智能推薦算法經過不斷發展，已從單一的興趣推薦發展到拓展用戶的興趣認知的層面上了，也就是說在縱向深化我們興趣點的同時，也在通過內容和用戶的交叉算法來橫向引導拓寬我們的興趣面。
編輯朋友們給我舉過一些例子，用戶在某平臺上看了幾篇“美國對中國加征關稅”的新聞，看完后發現信息流中推薦了大量的加征關稅的新聞，而用戶其實想看的是國內經濟發展的狀況。以此來說明，智能推薦會推薦大量重復的新聞，并且限制了用戶的視野。
推薦在資訊軟件里有不同的應用場景，比如信息流推薦、文章詳情相關推薦、搜索的個性化詞云等等，如果大量相似的文章被分發到相關推薦中，那肯定是沒問題的，但如果僅僅是依靠文本語義的相似在信息流的主路徑中被反復推薦，那么這套推薦機制我們并不認為它屬于“智能推薦”。成熟的智能推薦底層算法中，一定有針對于內容多樣性的考慮與設計。但重要的是，無論今天智能推薦的應用多么廣泛，獲取信息的主動權是從未離開過我們的手掌的。智能推薦的任務是使我們更加便捷的獲取有效信息，而并非主宰我們獲取的所有信息。
作者：艾克斯智能
鏈接：https://www.zhihu.com/question/392720139/answer/1211097139
來源：知乎
頂部
客服
微信掃碼聯系客服
