投其所好——用户行为理解与推荐（一）

作者：DMIR实验室陈俊彬温雯

引言：

你有没有感觉手机上的APP（手机软件）都特别了解你？

例如，当你打开抖音的时候，推送给你的短视频是你喜欢的美食内容；当你打开淘宝的时候，推送给你的是款式各样的连衣裙，而你正好想要买一件连衣裙；当你刚在携程上定了一张去海南的机票，海南的特色酒店，特色美食，旅游攻略就接踵而至。你不用耗费大量的精力在海量的信息中寻找你想要的，而是让你想要的信息自己来找你，这使得生活变得更加便利。你可能对这些都习以为常，但是你知道为什么它们会这么了解你吗？

之所以这些APP这么了解你，是因为其背后的一个重要技术：基于海量数据的推荐系统。在当下流行的APP中，比如今日头条、抖音、淘宝等等，不同的用户群体会看到不同的內容，根据用户需求进行个性化定制已经成为一种必然趋势。

所谓推荐系统就是根据用户的历史信息和行为，向用户推荐他们感兴趣的内容。推荐系统能够保证在这个信息过载的环境下，用户仍然能够收到自己感兴趣的内容。推荐系统运转核心其实是一套由代码搭建而成的算法，整个过程大概可以概括为感知、理解和推荐三个阶段。以抖音为例，让我来告诉你这三个阶段分别做了什么事：

如图所示，当你第一次使用抖音时，抖音后台会收集你的个人信息、好友以及内容喜好，除此之外，当你通过下滑切换短视频时，它也会记录你的观看历史，利用这些信息,推荐系统将投你所好，在你下次的下滑操作时，播放出你感兴趣的短视频。

1、感知

首先，想要推荐系统投你所好，就需要先让推荐系统了解你，知道你喜欢什么、不喜欢什么，那它是怎么了解你的呢？它会通过你注册账号时提供的基本信息，比如性别、年龄、职业等等初步了解你，接着，它会根据你以前浏览的东西，来了解你的爱好，我们将推荐系统对你的了解称为用户特征（user feature）。其次，除了了解你，推荐系统还必须了解APP中的每一个内容，比如这个视频叫什么、主要讲的是什么内容等等，这样，推荐系统在推荐时才可以根据对你的了解将适合你的视频推送给你。我们将推荐系统中每个内容的信息称为内容特征（item feature）。除此之外，推荐系统还需要知道你当前所处的环境信息，比如当前的时间、你所在的地点等等。因为它可以根据你当前所处的环境，来推测你现在可能需要什么，我们将推荐系统对你所处的环境信息的了解称为上下文特征（context feature）。推荐系统了解你、获取每一个内容的信息以及你的环境信息的这个过程，被称为感知，通过感知后，推荐系统会得到对应的用户特征、内容特征、上下文特征等，以便后续进行推荐任务。

2、理解与学习

通过感知后，推荐系统可以获取大量关于你以及内容的信息，接着，推荐系统中的推荐算法可以对这些数据进行理解、学习进而归纳和分析出你的潜在意图或兴趣，并判断出你对某一个视频是否感兴趣。比如如果你是个初中小男孩，那它就知道你可能不喜欢看偶像剧，而是喜欢看一些关于王者荣耀的游戏视频。如果是午饭时间，它就会根据你的口味喜好，给你推荐一些美食的视频，激发你的食欲，让你胃口大开。如果你以前经常看关于足球的视频，那它就知道你喜欢足球，就会推荐一些有关足球的内容给你看。

事实上，推荐系统会用到各式各样的用户行为理解和学习算法，这些算法会对上一步感知到的数据进行学习，发现蕴含在这些数据背后的某些规律，并将这些规律用于后续的推荐任务中，我将在下一次的文章里给大家介绍一个经典的推荐算法，让大家对推荐算法有更进一步的了解。

3、判断与推荐

这一步做的事情就是根据前两步得到的用户、内容、上下文特征以及推荐算法，在庞大的数据库中寻找出你感兴趣的内容进行推荐。由于一个推荐系统中可能会用到很多种推荐算法，这些推荐算法对应的推荐策略可能是不一样的，常见的比如基于兴趣的推荐，即知道你喜欢足球，就给你推荐足球相关的内容；基于相似用户的推荐，比如我和你都看过几个相同的视频，那我刚刚点赞过的一个你没看过的视频你也有可能会感兴趣；基于热点的推荐，就好像你可能之前没看过关于新冠疫情的新闻，但是由于这是最近的一个热点话题，你也有可能会想去关注最近社会上的一些热点新闻。多种推荐策略会返回不同的推荐结果，推荐系统还需要根据个人的偏好和习惯在这些结果中选择合适的内容推荐给用户，去到达更好的效果。

4、小结

推荐系统如今已经成为一个优质APP的必备功能，其既能满足用户对内容的个性化需求，又能给企业带来巨大的利润，可谓是两全其美。本文介绍了什么是推荐系统，以及推荐过程中三个阶段各自负责什么事情，在下一次的文章中，我将给大家介绍一个经典的推荐算法以及更多有关推荐系统的细节，让大家对推荐系统有更进一步的了解。

致谢：广东省科技计划科技创新普及领域项目（2019A141401006）资助

如需转载，请包含包括作者及致谢在内的完整信息。