392
物盡其用-讓推薦係統成為你學習的助手
很多事物本身是有好有壞的，我們隻要挑出裏麵好的，然後充分為我所用即可。“物盡其用”大體就是這個意思。具體的一個實例是，這些天在琢磨著Tensorflow的學習，通過sougo來對微信公眾號裏的內容進行檢索，獲得了不少有益的文章。但微信公眾號成為內容的主陣地也是有好處的，資源集中，也便於搜索引擎的挖掘。不過這種獲取信息的方式其實是有一定問題的，也就是他是一種被動的關鍵字檢索。而且短期內前幾頁的排名不會有變化，如果有新的合適的內容產生，我很難獲取到。這個時候我想到了推薦，而推薦我則想到了今日頭條。
今日頭條之前安裝過，但是終究覺得“品味”太Low,而且有一定的成癮性，所以我就果斷的刪除了。沒想到這次可以利用上它。使用今日頭條，主要基於如下考慮：
- 比如我要學習tensorflow，那麼其實我還要了解Python，傳統的機器學習，以及深度學習理論。推薦係統一般都是基於內容而非關鍵字，並且新產生的相關內容很快會推薦給我，甚至還有可能有驚喜。
- 我也不知道我具體需要什麼，我隻是一個大致的方向，比如tf相關的，純粹的深度學習理論也行
- 係統需要不斷的試探我，我隻要簡單給出是或者否(點擊或者不點擊)，然後越來越合我的口味就好
接著我進入推薦頁（也就是今日頭條的首頁），發現效果並不是非常好，不斷的刷新，偶爾才會出現一兩篇機器學習相關的文章。於是我在想，可能需要在推薦流裏點擊內容才會形成反饋，所以我不斷刷新，看到機器學習或者python之類的，我就點擊，加上之前搜索的，一共點擊了48篇文章。
之後查看推薦的信息流，得到了反饋，機器學習，大數據以及編程的內容開始顯著增多。
我又多刷了幾次，再看兩張圖：
其實這裏我們可以看到，未來人們進入並且學習一個新的領域的知識，推薦會變成一個很好的助手。事實上，對於解決特定的問題，推薦也是非常合適的。搜索缺乏一個Session（會話），缺乏一個反饋，當我們解決一個問題的時候，推薦會不斷的去嚐試理解你（給你推出它認為你需要的內容），然後根據你的反饋，點擊或者不點擊，來調整自己，從而給出新的嚐試，直到解決你的問題。而且推薦係統底層一般都坐擁海量的內容，它知道的很多。
最後更新：2017-04-01 17:13:51