手機APP像知己一樣懂你?其實這和推薦系統算法有關

隨著互聯網的飛速發展，越來越多的手機APP正在豐富著人們的生活。很多人留意到了一個神奇的現象，即購物APP總能推薦自己想要的商品，新聞APP也能精准地把握自己所關注的新聞內容，許多手機APP儼然已經成為了知己般的存在。那麼，這到底是怎麼實現的呢？

其實，精准把握用戶的喜好並推薦用戶感興趣的信息和商品，是推薦系統的功勞。推薦系統屬於一種過濾資訊的應用，主要是使用用戶的歷史行為數據（即用戶的過去偏好或相似用戶的過去偏好）來預測該用戶未來的喜好。其中，常用的推薦系統算法有基於內容的推薦算法和協同過濾推薦算法等。

基於內容的推薦算法是直接根據產品的內容信息作出相關推薦，為用戶推薦與歷史感興趣商品相似的新商品，不需要用戶對物品進行評價打分。但是這種算法下推薦的商品的信息有限，方式較片面，難以為用戶推薦新的喜好。

協同過濾推薦算法的主要方法是，如果要為用戶推薦感興趣的商品，首先需要找到與該用戶有相似興趣的其他用戶，再將其他用戶感興趣的內容推薦給該目標用戶。具體來說，協同過濾分為基於用戶的協同過濾和基於項目的協同過濾，協同過濾算法會建立用戶-項目矩陣，需要收集用戶對項目的評價打分，來預測目標用戶對一個新項目是否感興趣。例如，我們經常看到淘寶等電商平台收集評價打分（滿分為5分）。對於目標用戶A，與他有相似興趣的用戶B對商品1的評價打分是4分，對商品2的評價打分也是4分。而目標用戶A對商品1的打分是5分，那麼我們就可以為目標用戶A推薦商品2。

除了APP，現實生活中也不乏通過推薦系統算法優化銷售的例子。在美國的沃爾瑪超市，有研究人員通過對購物數據進行分析，意外發現跟尿布一起購買的最多的商品是啤酒。背后原因是，美國的家庭中，母親在家裡照顧嬰兒，父親去超市購買尿布，而父親會順便為自己購買啤酒。因此，沃爾瑪將尿布和啤酒放在一起出售，極大提升了銷售收入。

本文由東北大學計算機科學與工程學院副教授信俊昌進行科學性把關。