知识卡片
伪个性化:标签代表不了兴趣
现在的个性化,实质是把用户兴趣折衷成若干标签加得分:同一个标签的人就被当作有相同兴趣。但兴趣往往连自然语言都难以描述,短期兴趣更是转瞬即变,用几个标签表示必然失真;而深度学习给出的用户向量虽然表达力更强,却不可读,难以直接用于召回和解释,多数只用于排序。再叠加一层限制:各家产品数据彼此孤立,每个平台只掌握用户的一部分行为,画像天然不完整。所以当前推荐更像一个“不用用户自己选的关键词订阅器”。要做到真正贴合个人,需要接近全天候的观测,而这与隐私直接冲突——个性化程度与隐私保护是一对此消彼长的矛盾。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 如何让机器猜得更准 · 查看原书依据
现在的推荐系统都是伪个性化的,例如用户画像构建都是给用户打各种标签来表示用户的兴趣(算是一种折衷的兴趣“表示”方案),具有同一个标签的人难道就有相同的兴趣吗?
参考来源
- 位置:《文本上的算法——深入浅出自然语言处理》第7章 如何让机器猜得更准(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00014.html)
- 结论依据:原文这一段直接给出本卡的核心判断:「现在的推荐系统都是伪个性化的,例如用户画像构建都是给用户打各种标签来表示用户的兴……」
- 原始内容:现在的推荐系统都是伪个性化的,例如用户画像构建都是给用户打各种标签来表示用户的兴趣(算是一种折衷的兴趣“表示”方案),具有同一个标签的人难道就有相同的兴趣吗?