首页 ›存档› 技术 › 查看内容

推荐算法的使命是模拟社交

2018-3-30 13:00 |来自: 互联网 303 0

摘要: 信息获取可以分为4个时代：门户→搜索→社交→推荐。搜索是其中的过渡阶段，是基础服务，在基于时间流的社交网络出现后，互联网也从空间模式转向时间模式，基于空间结构产生的搜索愈发边缘化，因为使用场景和消耗时 ...

信息获取可以分为4个时代：门户→搜索→社交→推荐。
搜索是其中的过渡阶段，是基础服务，在基于时间流的社交网络出现后，互联网也从空间模式转向时间模式，基于空间结构产生的搜索愈发边缘化，因为使用场景和消耗时长远不敌可定制自己时间线的社交网络。
纯粹的时间序信息流也有自己的问题，比如冷启动和信息噪音，但我觉得最大挑战还是来自用户的好奇心，大部分用户并不知道自己应该去关注什么。
微信和微博在建好关系链及跑顺UGC内容消费流程后，都试图从基于社交关系的信息流扩充到基于兴趣的信息流。微博是直接引入了一套新的关系流机制，微信则做了朋友圈热文和微信搜索两个产品。
头条在把基于个性化推荐的内容消费做到极致后，也开始不断努力希望能够将基于关系的信息流融入到主产品里。比如直接照抄微博的微头条，作为建立关系链重要尝试的头条问答，还有最早的关注体系。
千人千面这个概念是在时间流面世后才有的，07-12年的创业产品都是围绕社交关系来搭的，那会把这股潮流叫做web2.0，这种局面直到基于用户画像的个性化推荐流行才从系统宏观调控层面破局。
算法调控是计划经济的最高级形态，在没有社交关系情况下也能通过推荐引擎做好内容分发。
下篇预告：快手不是短视频。

声明：文章版权归原作者所有部分文章转自互联网如有侵权请联系 [邮箱地址] 删除

上一篇：完爆[生活大爆炸]，这群技术宅凭撸管算法走向人生巅峰下一篇：linux里一些非常有趣的命令

相关分类