互联网科技/NEWS CENTER

智能推荐绑架阅读?症结或在于算法还不够智能

发布时间:2017-12-30

  智能推荐绑架阅读?症结或算法不够聪明

  随着深度学习等技术的发展,人工智能应该更加深入地运用算法推荐,技术将更加明智和人性化,进一步克服当前的不足,才能产生真正的高质量内容。随着人工智能的发展,算法推荐越来越成为科学界甚至媒体界所推崇的技术手段。从长远来看,算法推荐是随着技术和时代的发展而发展到一定程度的必然现象。算法推荐已经成为世界上不可阻挡的趋势,随着时代的发展,算法推荐必将成为未来主流的内容领域之一。当然,在算法推荐开发过程中也不可避免地出现了一些问题。在人民日报的文章中,指出了算法推荐中存在的一些缺陷,如简单粗鲁,质量低下,这些问题确实存在,不应该被回避,虽然目前的算法推荐是非常热的,还需要更加合理和人性化,如果能够提高技术水平,树立正确的态度,相信这些问题在将来可以克服,首先推荐了许多不同类型的算法,更为广泛的应用推荐算法是使用一些用户的行为,通过数学算法,推测用户可能喜欢的东西。推荐算法大致可以分为基于内容的推荐算法,协同过滤推荐算法和基于知识的推荐算法。基于用户偏好和感兴趣的项目推荐基于内容的推荐算法。例如,如果您阅读“死亡来了”的第一部分,那么基于内容的推荐算法会发现电影的最后四部分与您以前见过的内容有很大关系,并推荐它。有效避免了Item冷启动问题,即所谓的冷启动,就是说,如果Item没有被关注,那么其他推荐的算法很少被推荐,但是基于内容的推荐算法并非如此,它可以分析项目之间的关系,以达到推荐的行为,但是这种方法也有弊端,那就是项目有很大程度的重复可能,比如你读了一个关于马来西亚航空的新闻,那么很多的建议可能是你见过的,甚至是一致的新闻内容,另外,基于内容的推荐算法很难提取音乐,电影等多媒体内容的特征,很难提出建议。解决办法是手动标注这些物品,成本更高,成本效益不高。协同过滤算法的原理是向内容相似的用户推荐用户。比如你的朋友喜欢“死亡来了”,那么就会向你推荐,这是最简单的基于用户的协同过滤算法。另一种是基于项目的协同过滤算法。这两种方法都是把用户的全部数据读入内存中进行计算,这种训练方法虽然训练时间较长,但是训练完成,推荐过程快,基于知识的推荐算法通过构建领域本体或者建立一定的规则推荐,这种方法也被归类为基于内容的推荐;另一种方法是将推荐的算法进行混合,即对以上方法进行加权或串行,并行等融合。基于各种算法推荐,围绕世界正在开始用这种方式向用户推送新闻,这方面最早应该是Facebook,2012年Facebook开始在广告舞台上应用定制的受众特征,观众发现这个概念被大量应用一年前,Facebook发布了一个新的动态消息传递算法,该计划来自对数千用户的调查,根据算法的结果进行改进。 Facebook的发言人表示,阅读时间比赞美好。通过这次调查,Facebook发现,基于喜好,评论和分享的算法不足以代表对用户更有意义的文章,比如不喜欢赞扬或评论重要新闻的人或朋友的不幸消息。因此,文章浏览时间进入文本排序机制来推测用户感兴趣的文章的类型。目前,国内很多信息化网站也都运用了算法推荐,推断用户感兴趣的内容推送给他们。算法推荐不仅可以应用于新闻信息,也可以应用于其他方面。例如,亚马逊使用的主流推荐算法是基于项目相似度和用户浏览的协同过滤推荐,如购买和其他数据,即用户的纬度和产品的纬度。由于它们是独立于产品,独立于用户的,因此不存在冷启动问题。而且还因为不依赖用户,所以死板,缺乏个性化的建议。这个算法是众所周知的,但算法越简单,获得好的结果就越困难,特别是在这个非常低的转换率算法中。在中国,这个算法的应用有很多电子商务平台。比如猜你喜欢,类似的建议等功能,是这种算法的具体体现。随着互联网的不断发展,我们正处于信息爆炸的时代。与过去缺乏信息相比,面对现阶段的海量数据,信息的筛选和过滤已成为制度质量的重要指标。具有良好用户体验的系统必然首先过滤和过滤大量的信息,去除非生产性和低效率的部分,并向用户呈现对用户来说不可避免的高效或感兴趣的部分。这不仅显着提高了系统生产力,还节省了用户过滤信息的时间。此前,搜索引擎的问世在一定程度上解决了信息过滤级别的问题,但这还不够,因为搜索引擎还需要主动提供关键词进行筛选工作。一旦用户无法准确地描述自己的需求,搜索引擎的过滤效果将大打折扣。事实上,由于很多因素,用户很难准确地标注他们的需求。这导致了推荐系统的出现,解决了上述问题,成为用户与信息之间的桥梁。一方面,用户可以更快地找到有关自己的有价值的信息。另一方面,信息可以显示在对其感兴趣的观众面前,以实现企业与用户之间的双赢。然而,算法推荐的兴起实际上已经出现了很多问题。二,算法推荐简单粗暴,未来需要更加人性化和智能化人工智能已经成为科技界流行术语,很多技术和人工智能方面,算法推荐也不例外。但实际情况是,目前许多平台所使用的算法很可能从根本上说不是智能的智能,而只是一种简单粗糙的线性技术,让我来谈谈当前许多信息平台的推荐方式,一旦用户点开一些内容,后续会继续推荐相关内容,这样会导致用户界面较窄,另外用户根本无法排版确认关键和非关键内容,让人感觉有点难以忍受。事实上,目前常用的算法并不是真正的智能,而是一种类似于金融资本的方法,就像金融投资者不需要了解公司本身一样,只要关心增值是否可以。算法,即不关心实质是什么,是否可以数字化,是否可以分类,是否可以优化反馈,这就是现在的本质。处理大量信息的方法。像资本一样,它不仅提高效率,而且与个人冲突。从本质上讲,目前算法推荐的新闻信息平台只是实际上作为用户行为数据采集器和分析器的表面现象。每一条信息都可以视为用户的测试问题,用户的每次点击和评论都是一个答案,由系统记录下来,与阅读时间,标签一起构成一个多维数据矩阵,关键字等,来描述这个读者的特点。当然,信息方面提出的测试问题是相当粗糙的。但是,很多用户都在不知不觉中完成了测试,答案更为现实。这其实就是这样的平台技术和商业模式的核心。实质上,信息算法的推荐只不过是向用户推荐内容。这主要影响两类人群:生产者(媒体)和消费者(用户)。对生产商和媒体人士来说,这是一个好消息,因为不必担心渠道问题,可以更有效,更广泛和有针对性地交付产品。因为只要内容好,这样的平台还是很乐意给用户流量和推荐。当然,这也可以培养媒体人对用户需求的敏感度,更深入地思考用户眼中的好内容,对用户来说,算法推荐大大降低了搜索成本,提高了阅读效率,有助于以获得更全面的信息和知识,另外由于这种信息平台的反向驱动力,媒体人更能关心用户的需求,这有利于形成一定程度的权威解构,使得用户更加适合自己的内容,但问题是目前的算法推荐确实存在单一内容,窄格式等问题,真正的问题在于算法推荐还没有实现真正的智能。内容应该是原创的,有角度的碰撞,更多的是话语的创新。不幸的是,目前的算法还没有得到这些由于技术和原因约束条件。如果信息和新闻缺乏精神和骨干,那么就不能称之为真实的质量。对于信息平台而言,外观与算法机之间的矛盾依然存在。一般来说,信息化平台不仅要压制一切商业模式,还要兼顾理想和精神内涵。随着深度学习等技术的发展,人工智能应与算法推荐更深入融合,技术更加合理和人性化,进一步克服当前的不足,才能产生真正的高质量内容。

狗万赢钱提款好快

2017-12-30

更多内容,敬请关注:

狗万赢钱提款好快官网:/

狗万赢钱提款好快新浪官方微博:@狗万赢钱提款好快

狗万赢钱提款好快发布微信号: