遗传算法,通过指阅,透视基于推荐算法的普遍难题

推荐算法的理论依据容易理解，它就是把大量的信息进行检索和过滤，大致相当于Google的PageRank投票权重机制，根据用户已经发生过的经验行为来定义算法公式，然后拿着计算结果和实际的用户行为进行验证，如若判断有误，那再进行不断的修改这个算法公式……如此反来复去，来达到用户最终想要的结果为止。
朱坤同学去年就说：“未来，我看好2个类型的产品：养成型的、推荐型的。养成型产品的精髓在于要有‘鸦片’，推荐型产品的精髓在于要有‘春药’”。
基于语义分析的推荐型产品，确实像春药一样，在杂乱无序的碎片化阅读之余，确能击中我们的感觉器官。但问题是，没有谁去天天用春药。
也就是说，人所知道的世界总是有限的，你不可能对一个你所未知的世界而发生兴趣，而你所未知的世界中，并不代表着它不存在。比如零零发同学，他经常能在三联生活周刊上发现一些自己未曾知晓的新鲜事情，可是这些兴趣他无法通过具体某个行为告诉给推荐算法啊，那么，推荐算法怎么能获得他这一方面的需求呢？
虽说协同过滤算法（跟你喜好相似的人喜欢的东西你也很有可能喜欢）可以补救这个矛盾，但是，那还是一个离你最相似或近似的“邻居”，正如世界上没有完全相同的叶子一样，不可能有两个想法完全一样的人。
因此，推荐算法只具有比对相关能力，而不具有推理思考能力。它只能靠机械性的系数进行调整运算，却不能钻到每个人的肚子里去一探究竟。
人上一百，形形色色。你不能拿着他已经发生过的既定事实来预测他未来一定所感兴趣的想象事实，虽然这样的可能性很大。所以丁钧说，人只能不断的接近真理，而不能达到真理。这是指阅发现的难题，想必也是所有基于推荐算法产品的难题。

延伸阅读