海信120空調(diào)故障碼e4(海信空調(diào)顯示e4是什么故障)

海信120空調(diào)故障碼e4(海信空調(diào)顯示e4是什么故障)

前沿拓展：

---

作者丨gongyouliu

來(lái)源 | 大數(shù)據(jù)與人工智能（ID: aibigdata）

隨著科學(xué)技術(shù)的進(jìn)步，移動(dòng)互聯(lián)網(wǎng)快速發(fā)展，手機(jī)越來(lái)越便宜，擁有智能手機(jī)不再是一件遙不可及的事情，互聯(lián)網(wǎng)用戶規(guī)模已接近增長(zhǎng)的頂點(diǎn)。攝像頭和信息處理軟件(各種濾鏡、剪輯等工具)技術(shù)的進(jìn)步讓每一個(gè)人都可以輕松地生產(chǎn)高質(zhì)量的內(nèi)容，信息的產(chǎn)生以指數(shù)級(jí)增長(zhǎng)，我們的生活中充斥著海量的信息。

在上述背景下，怎么高效快速地獲取對(duì)自己有價(jià)值的信息對(duì)每個(gè)互聯(lián)網(wǎng)公民來(lái)說(shuō)是愈發(fā)重要的事情，推薦系統(tǒng)的出現(xiàn)可以輕松地應(yīng)對(duì)這一棘手的難題。推薦系統(tǒng)作為一種高效的信息過(guò)濾工具，可以很好地部分解決用戶精準(zhǔn)高效獲取信息的問(wèn)題(搜索、導(dǎo)航等也是解決用戶獲取信息的手段)，并且也是非常重要甚至是不可或缺的一種手段(在人們需求不明確時(shí)，借助推薦系統(tǒng)獲取信息是非常必要的，而每一個(gè)人都有不明確的需求)。

推薦系統(tǒng)作為一項(xiàng)技術(shù)在國(guó)內(nèi)的發(fā)展時(shí)間不長(zhǎng)，從2012年成立之初將推薦系統(tǒng)作為核心產(chǎn)品功能到現(xiàn)在差不多有8年時(shí)間，在這8年中推薦系統(tǒng)的商業(yè)價(jià)值在國(guó)內(nèi)逐步得到認(rèn)可和肯定，大家都認(rèn)可推薦系統(tǒng)在內(nèi)容分發(fā)、用戶體驗(yàn)、商業(yè)變現(xiàn)等方面的重大價(jià)值。推薦系統(tǒng)目前已經(jīng)成為toC互聯(lián)網(wǎng)產(chǎn)品的標(biāo)配技術(shù)，任何一個(gè)toC產(chǎn)品要想很好地為用戶提供一種被動(dòng)高效獲取信息的工具，推薦系統(tǒng)是繞不過(guò)去的。在特定情況下人類需求的不確定性、信息的爆炸式增長(zhǎng)這兩個(gè)條件讓推薦系統(tǒng)成為一項(xiàng)長(zhǎng)久而實(shí)用的技術(shù)，推薦系統(tǒng)不會(huì)曇花一現(xiàn)，它會(huì)伴隨著人類的發(fā)展而不斷發(fā)展進(jìn)化。

在此前一系列文章中，我們對(duì)推薦系統(tǒng)的算法、工程、評(píng)估、展示、交互、業(yè)務(wù)等方方面面都進(jìn)行了深入的介紹。雖然推薦系統(tǒng)在國(guó)內(nèi)的出現(xiàn)只有短短8年，但是在各個(gè)方面都取得了極大的進(jìn)步，發(fā)展越來(lái)越快，各種新的方法、應(yīng)用場(chǎng)景、產(chǎn)品形態(tài)層出不窮。未來(lái)推薦技術(shù)會(huì)朝哪些方向發(fā)展？推薦行業(yè)又有哪些變化？推薦系統(tǒng)的應(yīng)用場(chǎng)景和價(jià)值體現(xiàn)又有什么新的特點(diǎn)呢？這些問(wèn)題都值得我們深入思考。

針對(duì)上述問(wèn)題，作者結(jié)合自己對(duì)推薦系統(tǒng)的理解和行業(yè)判斷，在這篇文章中講講推薦系統(tǒng)的未來(lái)發(fā)展與變化。具體我會(huì)從政策及技術(shù)發(fā)展對(duì)推薦系統(tǒng)的影響、推薦系統(tǒng)的就業(yè)變化、推薦系統(tǒng)的應(yīng)用場(chǎng)景及交互方式、推薦算法與工程架構(gòu)、人與推薦系統(tǒng)的有效協(xié)同、推薦系統(tǒng)多維度價(jià)值體現(xiàn)等6個(gè)方面來(lái)講解推薦系統(tǒng)的未來(lái)發(fā)展和變化。

本文為讀者提供多角度來(lái)觀察推薦系統(tǒng)的未來(lái)發(fā)展與變化，期望讀者讀完可以更好地把握推薦系統(tǒng)未來(lái)發(fā)展的脈絡(luò)，對(duì)推薦系統(tǒng)的未來(lái)變化有更深入的了解。

政策及技術(shù)發(fā)展對(duì)推薦系統(tǒng)的影響

推薦系統(tǒng)的發(fā)展是與整個(gè)大環(huán)境和技術(shù)發(fā)展趨勢(shì)密不可分的，一定會(huì)受到國(guó)家政策層面和技術(shù)發(fā)展的影響。不過(guò)對(duì)推薦系統(tǒng)來(lái)說(shuō)，我認(rèn)為政策和技術(shù)的影響是都正向的。下面我們就從政策和技術(shù)兩個(gè)維度來(lái)分析。

1. 政策層面

隨著智能化、數(shù)據(jù)化等概念的興起，大數(shù)據(jù)與人工智能在科技發(fā)展中起著越來(lái)越重要的作用，大數(shù)據(jù)與人工智能得到了國(guó)家層面的重視。要想發(fā)展好大數(shù)據(jù)與人工智能，首先必須有相關(guān)人才。國(guó)內(nèi)從2016年開始逐漸有一些高校開始開設(shè)大數(shù)據(jù)和人工智能專業(yè)甚至創(chuàng)辦大數(shù)據(jù)、人工智能學(xué)院，這類高校呈上漲趨勢(shì)，目前全國(guó)開設(shè)了大數(shù)據(jù)相關(guān)專業(yè)的高校超過(guò)282個(gè)(見參考文獻(xiàn)1)。在2019年全國(guó)已經(jīng)有35所高校獲得人工智能建設(shè)資格(見參考文獻(xiàn)2)。除了國(guó)家政策層面的支持，這也間接說(shuō)明這類專業(yè)受到市場(chǎng)的青睞，就業(yè)前景較好，高校才愿意不遺余力地推進(jìn)大數(shù)據(jù)與人工智能專業(yè)的建設(shè)。教育層面對(duì)大數(shù)據(jù)與人工智能的支持，為依賴這些技術(shù)的業(yè)務(wù)和產(chǎn)品提供了源源不斷的人才儲(chǔ)備。

推薦系統(tǒng)本身就是人工智能中非常重要并且有極大業(yè)務(wù)價(jià)值的子領(lǐng)域，同時(shí)構(gòu)建推薦算法模型也依賴于對(duì)大規(guī)模用戶行為數(shù)據(jù)的處理，大數(shù)據(jù)技術(shù)也是推薦系統(tǒng)必備的技術(shù)。因此，推薦系統(tǒng)直接受益于國(guó)家在教育層面對(duì)大數(shù)據(jù)與人工智能的支持，未來(lái)有充足的人才來(lái)源。

上面提到的只是國(guó)家在教育層面的布局，其實(shí)國(guó)家將大數(shù)據(jù)與人工智能提到了戰(zhàn)略的高度，希望通過(guò)大數(shù)據(jù)與人工智能來(lái)革新各個(gè)產(chǎn)業(yè)。政策層面的大力支持，媒體的大勢(shì)宣導(dǎo)，今日的樣板示范作用，讓個(gè)性化推薦相關(guān)產(chǎn)品和業(yè)務(wù)得到更多投資人、公司管理層的重視，這也有利于推薦系統(tǒng)在更多產(chǎn)品和業(yè)務(wù)中落地。

2. 科技層面

云計(jì)算技術(shù)是最近幾年非常火的技術(shù)，云計(jì)算行業(yè)已經(jīng)發(fā)展得越來(lái)越成熟，大公司早已布局，并已成為盈利源泉，是業(yè)務(wù)的第三增長(zhǎng)極，國(guó)外的有亞馬遜的AWS、微軟的Azure，國(guó)內(nèi)有阿里云和騰訊云。

經(jīng)過(guò)近十年的發(fā)展，云計(jì)算基礎(chǔ)設(shè)施已經(jīng)相對(duì)健全，未來(lái)會(huì)在SAAS服務(wù)和toB行業(yè)應(yīng)用中大力發(fā)展，這其中就包括推薦SAAS服務(wù)。創(chuàng)業(yè)公司只需要利用云平臺(tái)提供的各種SAAS服務(wù)就可以輕松搭建推薦系統(tǒng)各個(gè)模塊，大大降低了推薦系統(tǒng)的準(zhǔn)入門檻。除了云計(jì)算公司提供這類服務(wù)，toB的創(chuàng)業(yè)公司也在這方面有所布局，也提供PAAS或者SAAS的推薦服務(wù)。

構(gòu)建一套完善、穩(wěn)定、高效、低成本、靈活的推薦系統(tǒng)是一件非常困難的事情，涉及到數(shù)據(jù)、算法、工程、產(chǎn)品交互、業(yè)務(wù)指標(biāo)等方方面面，只有對(duì)這些知識(shí)點(diǎn)有深入全面的了解，再結(jié)合公司的業(yè)務(wù)才能構(gòu)建出具備商業(yè)價(jià)值的推薦系統(tǒng)。在這一背景下，創(chuàng)業(yè)公司一般可以選擇利用云服務(wù)來(lái)構(gòu)建推薦業(yè)務(wù)，這種方式投入低，無(wú)固定成本，是非常好的選擇。只有中、大規(guī)模公司或者將推薦作為核心競(jìng)爭(zhēng)力的公司才會(huì)自建一套推薦算法業(yè)務(wù)體系。

2020年突如其來(lái)的新冠病毒疫情，給每個(gè)人的生活帶來(lái)了極大的影響，限制了每個(gè)人的線下活動(dòng)，用戶將更多時(shí)間用在了線上。有很多研究認(rèn)為這些變化是持久的，不會(huì)隨著疫情的消失而消失。這也間接提升了推薦系統(tǒng)等互聯(lián)網(wǎng)服務(wù)面對(duì)的用戶規(guī)模，為推薦系統(tǒng)的發(fā)展創(chuàng)造了新的機(jī)遇與挑戰(zhàn)。

上面這些變化，對(duì)推薦行業(yè)產(chǎn)生了深遠(yuǎn)的影響，對(duì)推薦系統(tǒng)各方面都會(huì)帶來(lái)極大的改變。最直接受到影響的是推薦系統(tǒng)就業(yè)的變化，這就是我們下一節(jié)主要講述的內(nèi)容。

推薦系統(tǒng)的就業(yè)

我們?cè)凇锻扑]算法工程師的成長(zhǎng)之道》這篇文章中講到推薦系統(tǒng)是一個(gè)非常好的職業(yè)選擇，主要表現(xiàn)在就業(yè)范圍廣(推薦、搜索、廣告技術(shù)一脈相承，技術(shù)體系極為類似)、薪資高、有業(yè)務(wù)價(jià)值(讀者可以參考這篇文章第一節(jié)“為什么說(shuō)推薦算法是好的職業(yè)選擇”)。本節(jié)我們就來(lái)講解在大環(huán)境和科技層面不斷發(fā)展變化的情況下推薦系統(tǒng)就業(yè)的變化。

我們?cè)诘谝还?jié)講到各類高校開設(shè)大數(shù)據(jù)與人工智能課程、成立相關(guān)院系，未來(lái)推薦相關(guān)的人才供給會(huì)更加充裕。大數(shù)據(jù)和人工智能是當(dāng)下的熱點(diǎn)，而推薦系統(tǒng)是人工智能中非常重要并且有極大應(yīng)用前景和商業(yè)價(jià)值的方向，人的從眾本性會(huì)導(dǎo)致對(duì)熱點(diǎn)盲目追隨崇拜，趨之若鶩，因此一定會(huì)有很多從其他方向轉(zhuǎn)崗到推薦算法領(lǐng)域的人才。雖然將來(lái)會(huì)有更多的企業(yè)提供推薦產(chǎn)品和服務(wù)，但我個(gè)人判斷推薦方向的人才肯定會(huì)供過(guò)于求，相關(guān)職位競(jìng)爭(zhēng)壓力極大。

構(gòu)建一套完善的推薦系統(tǒng)是一個(gè)非常復(fù)雜的系統(tǒng)工程，因此才有這么多云計(jì)算公式和toB創(chuàng)業(yè)公司將推薦系統(tǒng)打造為高效易用的SAAS或者PAAS服務(wù)了，在不久的將來(lái)，很多公司不會(huì)自己去從零開始搭建推薦算法團(tuán)隊(duì)了，而是直接購(gòu)買云平臺(tái)或者toB公司的推薦服務(wù)。因此，推薦方向的工作形式和工作重點(diǎn)可能會(huì)有如下幾類變化。

1.推薦算法商業(yè)策略師是新的職業(yè)方向

隨著推薦系統(tǒng)相關(guān)的云產(chǎn)品越來(lái)越成熟，創(chuàng)業(yè)公司會(huì)更傾向于直接購(gòu)買推薦云服務(wù)，快速搭建自己的推薦算法產(chǎn)品，而不是從零開始自己摸索。利用云產(chǎn)品的好處是輕量、快速，讓公司將更多的精力放到核心業(yè)務(wù)上，輕裝上陣，快速發(fā)展業(yè)務(wù)。關(guān)于這一塊的介紹，讀者可以參考《從零開始構(gòu)建企業(yè)級(jí)推薦系統(tǒng)》這篇文章第二節(jié)3中的介紹。

為了更好地將云推薦產(chǎn)品落地到企業(yè)中，對(duì)需要的人才技能及要求會(huì)有變化，這時(shí)不需要特別懂具體的算法實(shí)施和工程，更多的是希望了解各類算法的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景，能將推薦算法跟本公司的業(yè)務(wù)結(jié)合起來(lái)，讓推薦算法更貼合本公司的業(yè)務(wù)情況，最終讓推薦算法產(chǎn)生業(yè)務(wù)價(jià)值。

這類人員需要了解推薦系統(tǒng)全流程，知道構(gòu)建推薦系統(tǒng)可能遇到的困難，有全局把控能力，善于溝通，有對(duì)商業(yè)的敏銳嗅覺。這樣的人才我稱為推薦算法商業(yè)策略師，他們的主要工作是怎么基于推薦云服務(wù)將推薦落地到本公司的業(yè)務(wù)中。

2. 在特定領(lǐng)域和場(chǎng)景下出現(xiàn)新的推薦形態(tài)

隨著科技的發(fā)展，特別是智能硬件、5G通信技術(shù)、語(yǔ)音等新交互方式的發(fā)展，推薦系統(tǒng)的應(yīng)用場(chǎng)景及交互方式會(huì)拓展到更多場(chǎng)景和領(lǐng)域。

在新的業(yè)務(wù)場(chǎng)景及新交互方式下，怎么構(gòu)建推薦業(yè)務(wù)及推薦算法是非常值得思考的一個(gè)問(wèn)題，也是未來(lái)新的機(jī)會(huì)。讀者可以參見下一節(jié)關(guān)于推薦場(chǎng)景及交互方式變化的介紹。

由于是新的行業(yè)和場(chǎng)景，短期云計(jì)算公司提供的推薦服務(wù)還很難覆蓋到這些行業(yè)和場(chǎng)景，因此，在這些新興的行業(yè)和場(chǎng)景中，是需要企業(yè)自己來(lái)實(shí)現(xiàn)相關(guān)的推薦服務(wù)的(當(dāng)然云計(jì)算公司的產(chǎn)品可以提供一定的補(bǔ)充作用)，這對(duì)于推薦算法從業(yè)人員來(lái)說(shuō)也是新的機(jī)遇。

隨著新領(lǐng)域的逐步成熟，云計(jì)算與toB服務(wù)公司也會(huì)涌入新賽道。提供推薦SAAS或者PAAS服務(wù)的云計(jì)算公司或者toB創(chuàng)業(yè)公司也需要大量精通推薦算法和工程的專業(yè)人才，在這些新領(lǐng)域提供推薦解決方案。

3. 推薦從業(yè)者需要更加關(guān)注業(yè)務(wù)價(jià)值產(chǎn)出

推薦系統(tǒng)本身就是一個(gè)比較偏業(yè)務(wù)和工程的方向，企業(yè)構(gòu)建推薦系統(tǒng)的目的就是希望借助推薦系統(tǒng)來(lái)獲得更多的商業(yè)價(jià)值(讀者可以參考《推薦系統(tǒng)的商業(yè)價(jià)值》這篇文章對(duì)推薦系統(tǒng)的商業(yè)價(jià)值有更多了解)。

在當(dāng)前互聯(lián)網(wǎng)紅利見頂?shù)那闆r下，原來(lái)那種通過(guò)融資燒錢發(fā)展用戶的粗放經(jīng)營(yíng)模式不再有市場(chǎng)。在當(dāng)前競(jìng)爭(zhēng)日益激烈的商業(yè)環(huán)境下，企業(yè)從創(chuàng)立第一天就應(yīng)該考慮商業(yè)變現(xiàn)的事情，需要在創(chuàng)業(yè)早期階段就嘗試商業(yè)化，學(xué)習(xí)這方面的技能，積累相關(guān)經(jīng)驗(yàn)，這樣才更有可能生存下來(lái)。

推薦系統(tǒng)作為一個(gè)非常有價(jià)值的變現(xiàn)工具，需要肩負(fù)起商業(yè)變現(xiàn)的責(zé)任，因此推薦從業(yè)人員需要更加關(guān)注推薦系統(tǒng)的業(yè)務(wù)價(jià)值產(chǎn)出，并盡量量化推薦系統(tǒng)的價(jià)值，建立價(jià)值產(chǎn)出的閉環(huán)體系。只有讓老板看到推薦的價(jià)值，推薦業(yè)務(wù)才有更好的發(fā)展空間。

4. 推薦系統(tǒng)相關(guān)技術(shù)培訓(xùn)市場(chǎng)更加火爆

前面提到很多新興toC互聯(lián)網(wǎng)行業(yè)都將推薦系統(tǒng)作為核心功能，加上云計(jì)算和toB創(chuàng)業(yè)公司對(duì)推薦工程師的大量需求，市面上對(duì)推薦算法人才的需求是比較旺盛的。

推薦算法工程師的工資水漲船高，吸引很多其他方向的工程師轉(zhuǎn)行從事推薦算法相關(guān)工作，他們沒(méi)有推薦相關(guān)技能儲(chǔ)備及項(xiàng)目經(jīng)驗(yàn)，因此需要進(jìn)行學(xué)習(xí)和培訓(xùn)。另外雖然很多高校開設(shè)了人工智能方面的專業(yè)，但是大學(xué)所學(xué)課程跟企業(yè)對(duì)技能的要求還是有比較大的差距的，嚴(yán)重脫節(jié)，這些學(xué)生要想在激烈的競(jìng)爭(zhēng)環(huán)境中找到推薦相關(guān)工作，也需要找推薦相關(guān)實(shí)習(xí)或者參加相關(guān)職業(yè)技能培訓(xùn)。這兩個(gè)情況促使市面上出現(xiàn)很多從事推薦系統(tǒng)相關(guān)技能培訓(xùn)的副業(yè)及相關(guān)技術(shù)培訓(xùn)創(chuàng)業(yè)公司。這些公司進(jìn)行在線或者線下技能培訓(xùn)，這也間接提供了錄制推薦課程或者培訓(xùn)推薦技能的工作機(jī)會(huì)。

推薦系統(tǒng)的應(yīng)用場(chǎng)景及交互方式的多元化

目前的推薦系統(tǒng)主要應(yīng)用于PC端和移動(dòng)端，特別是在移動(dòng)端，占推薦系統(tǒng)產(chǎn)品的絕大多數(shù)。未來(lái)隨著智能化的發(fā)展，智能設(shè)備會(huì)出現(xiàn)在更多的場(chǎng)景中，這些場(chǎng)景中的應(yīng)用當(dāng)然也可能需要借助推薦技術(shù)來(lái)進(jìn)行信息的分發(fā)。同時(shí)這些場(chǎng)景不同于移動(dòng)端，在交互方式上會(huì)有變化，可以借助語(yǔ)音、手勢(shì)等更多新的交互方式來(lái)與用戶互動(dòng)。下面我們就對(duì)3個(gè)可行的推薦系統(tǒng)應(yīng)用場(chǎng)景進(jìn)行說(shuō)明。

1. 家庭場(chǎng)景

國(guó)內(nèi)最早在2015年5月份樂(lè)視智能電視發(fā)布，隨后小米、微鯨、暴風(fēng)、華為、傳統(tǒng)5大電視廠商(長(zhǎng)虹、創(chuàng)維、TCL、海信、康佳)紛紛入局智能電視行業(yè)，國(guó)外電視廠商也強(qiáng)勢(shì)殺入智能電視市場(chǎng)。各類智能盒子(小米盒子、天貓魔盒等)種類繁多，五花八門，家庭互聯(lián)網(wǎng)進(jìn)入智能時(shí)代。

目前智能電視上唯一的殺手級(jí)應(yīng)用就是看視頻。在智能電視上的操作主要是以遙控器為主(雖然很多智能電視具備語(yǔ)音交互能力，但是目前還存在居多問(wèn)題，導(dǎo)致交互能力有限)，操作相對(duì)手機(jī)來(lái)說(shuō)更為不便，因此個(gè)性化推薦的作用就凸顯出來(lái)，智能電視上是更適合做智能推薦的。

作者所在公司開發(fā)的家庭智能軟件產(chǎn)品電視貓，作為聚焦家庭智能終端(電視機(jī)、智能盒子)上的視頻應(yīng)用，從2012年就開始構(gòu)建個(gè)性化推薦系統(tǒng)，目前已有超過(guò)15種智能推薦產(chǎn)品形態(tài)。推薦系統(tǒng)在提升用戶體驗(yàn)、創(chuàng)造商業(yè)價(jià)值等方面產(chǎn)生了巨大的價(jià)值。愛奇藝、騰訊視頻、優(yōu)酷等互聯(lián)網(wǎng)視頻巨頭都已經(jīng)布局智能電視端，并且它們都提供了各種各樣的智能推薦能力。

在智能電視或者智能盒子上構(gòu)建推薦系統(tǒng)，由于交互方式及展示方式的特點(diǎn)，以及面對(duì)的是非移動(dòng)多人場(chǎng)景，跟移動(dòng)端有很大的差別，且更有難度，這里面是有很多點(diǎn)是值得探索和挖掘的，比如怎么更好地跟用戶交互、怎么識(shí)別多人場(chǎng)景并提供精準(zhǔn)推薦能力。

家庭場(chǎng)景中另外一個(gè)不得不說(shuō)的智能硬件是智能音箱。前幾年亞馬遜的Echo在美國(guó)大熱，引爆了智能音箱市場(chǎng)，國(guó)內(nèi)快速跟進(jìn)，BAT、小米、科大訊飛等一眾企業(yè)紛紛布局，上演了智能音箱大戰(zhàn)。國(guó)內(nèi)目前每年有千萬(wàn)級(jí)的銷售量，逐步成為家庭中僅次于智能電視的現(xiàn)象級(jí)硬件產(chǎn)品。

智能音箱以語(yǔ)音交互為主(帶屏智能音箱也可以采用觸控的方式交互)，智能音箱上的應(yīng)用目前種類非常多，以音樂(lè)、故事知識(shí)、生活幫助(查天氣股票等)為主，除了音樂(lè)這類音頻的產(chǎn)品可以非常自然地整合個(gè)性化推薦能力(是手機(jī)上的個(gè)性化電臺(tái)在智能音箱上可以自然延伸)，目前還沒(méi)有看到將智能推薦應(yīng)用到智能音箱中的其他場(chǎng)景(比如購(gòu)物等)。由于交互方式、展現(xiàn)方式的限制，在除音樂(lè)等音頻之外的應(yīng)用上，怎么整合智能推薦的精準(zhǔn)推薦和信息分發(fā)作用，是一個(gè)比較難的事情，也是一個(gè)非常值得探索的方向。

2. 車載場(chǎng)景

車載場(chǎng)景是一個(gè)非常重要的場(chǎng)景，用戶規(guī)模巨大，同時(shí)也是一個(gè)比較特殊的場(chǎng)景。在車載場(chǎng)景下司機(jī)的主要注意力在開車，車載智能設(shè)備的交互方式一定以語(yǔ)音交互為主，應(yīng)用也會(huì)有所局限，音樂(lè)、新聞等是主要的應(yīng)用場(chǎng)景。推薦系統(tǒng)也會(huì)聚焦在音樂(lè)、新聞等信息流推薦上，其他的智能推薦應(yīng)用場(chǎng)景很難挖掘。這跟智能音箱類似，這里不再贅述。

3. VR(虛擬現(xiàn)實(shí))/AR(增強(qiáng)現(xiàn)實(shí))/MR(混合現(xiàn)實(shí))場(chǎng)景

虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)/混合現(xiàn)實(shí)等技術(shù)的發(fā)展，給人類提供了了解世界、獲取信息的一扇窗，目前這些智能設(shè)備還不夠成熟，基于設(shè)備之上的應(yīng)用也相對(duì)少(主要是游戲類、視頻類)。這類設(shè)備的交互方式以語(yǔ)音、手勢(shì)、觸控等為主。這類設(shè)備上生態(tài)還極不成熟，內(nèi)容也相對(duì)少，目前還不滿足做智能推薦的條件，但是是一個(gè)比較值得期待的方向。特別是當(dāng)混合現(xiàn)實(shí)發(fā)展成熟時(shí)，就像谷歌眼鏡那樣，人可以在行動(dòng)中獲取信息，并可以整合當(dāng)下的環(huán)境信息，推薦系統(tǒng)一定有很多新奇的玩法。

除了上面提到的三類應(yīng)用場(chǎng)景，其他場(chǎng)景如智能冰箱上做智能推薦也是可行的。智能冰箱可以記錄家居生活中食物的消費(fèi)情況，了解家庭的飲食習(xí)慣。基于對(duì)家庭消費(fèi)習(xí)慣的挖掘，進(jìn)行精準(zhǔn)的個(gè)性化食物推薦是非常可行的一種策略，這就跟電商直接聯(lián)系起來(lái)了，非常有商業(yè)價(jià)值，值得期待和探索。

應(yīng)用場(chǎng)景的變化一定伴隨著交互方式的變化，在上述幾類場(chǎng)景中主流的交互方式都跟手機(jī)上的觸屏交互不一樣，因此應(yīng)用場(chǎng)景對(duì)基于這些場(chǎng)景下的智能推薦的交互及展示方式是有極大影響的。對(duì)于推薦系統(tǒng)UI交互和視覺展示的未來(lái)發(fā)展，讀者可以參考《推薦系統(tǒng)的UI交互與視覺展示》這篇文章第五節(jié)“推薦系統(tǒng)UI交互和視覺展示的展望”進(jìn)行深入了解。

推薦算法與工程架構(gòu)的發(fā)展

推薦系統(tǒng)中最重要、最核心、最有技術(shù)含量的一個(gè)模塊非推薦算法莫屬了。目前主流的、在工業(yè)界大量使用的推薦算法有基于內(nèi)容的推薦、各類協(xié)同過(guò)濾算法等。這些傳統(tǒng)的推薦算法時(shí)至今日還在推薦系統(tǒng)中發(fā)揮著巨大的價(jià)值。隨著機(jī)器學(xué)習(xí)技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算及軟硬件的發(fā)展，會(huì)有更多新的學(xué)習(xí)范式應(yīng)用于推薦系統(tǒng)中。除了算法層面的變化外，通信技術(shù)的發(fā)展讓實(shí)時(shí)推薦成為可能，推薦系統(tǒng)在數(shù)據(jù)處理、工程架構(gòu)等方面也會(huì)迎來(lái)新的發(fā)展與機(jī)會(huì)。下面我們就從算法和工程兩個(gè)角度來(lái)梳理推薦推薦系統(tǒng)的未來(lái)發(fā)展。

1. 推薦算法新的機(jī)會(huì)

最近幾年隨著深度學(xué)習(xí)技術(shù)的發(fā)展，深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用也越來(lái)越廣泛。深度學(xué)習(xí)由于可以獲得比傳統(tǒng)算法更好的精準(zhǔn)度、不需要做復(fù)雜的人工特征工程而受到推薦算法工程師的追捧，深度學(xué)習(xí)技術(shù)逐漸成了推薦系統(tǒng)中的主流技術(shù)。

作者在《深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用》這篇文章中對(duì)深度學(xué)習(xí)在推薦中的應(yīng)用進(jìn)行了比較全面的介紹，其中第七節(jié)“深度學(xué)習(xí)推薦系統(tǒng)的未來(lái)發(fā)展”中對(duì)深度學(xué)習(xí)在算法模型維度、工程維度、應(yīng)用場(chǎng)景維度、數(shù)據(jù)維度、產(chǎn)品呈現(xiàn)與交互維度等進(jìn)行了探討，讀者可以參考和學(xué)習(xí)。

推薦系統(tǒng)本質(zhì)上是一個(gè)交互式學(xué)習(xí)引擎，它會(huì)根據(jù)用戶對(duì)推薦物品的反饋(是否瀏覽、點(diǎn)擊、購(gòu)買等)來(lái)調(diào)整后續(xù)給該用戶的推薦結(jié)果，這個(gè)過(guò)程是一個(gè)互動(dòng)的過(guò)程，用戶與推薦系統(tǒng)互動(dòng)得越多越頻繁，推薦系統(tǒng)就越懂你，給你的推薦也會(huì)越精準(zhǔn)。在機(jī)器學(xué)習(xí)領(lǐng)域有一種學(xué)習(xí)范式就是互動(dòng)式學(xué)習(xí)的典范，這就是強(qiáng)化學(xué)習(xí)(參見下面圖1)。強(qiáng)化學(xué)習(xí)中智能體通過(guò)與環(huán)境互動(dòng)(action)獲得環(huán)境的反饋(feedback)，基于反饋調(diào)整自己與環(huán)境的交互，形成新的交互方式與策略，最終通過(guò)多輪互動(dòng)，智能體可以更好地從環(huán)境中學(xué)習(xí)，獲得更大的綜合回報(bào)。

如果我們?cè)趶?qiáng)化學(xué)習(xí)范式下考慮推薦系統(tǒng)，推薦算法就是智能體，而使用推薦系統(tǒng)的人就是環(huán)境，推薦系統(tǒng)通過(guò)與人互動(dòng)(推薦系統(tǒng)給人推薦標(biāo)的物，而人對(duì)推薦的標(biāo)的物進(jìn)行行為操作)更深入地了解人的行為特點(diǎn)、興趣偏好。推薦系統(tǒng)從與人互動(dòng)中不斷迭代，獲得更好的推薦效果。強(qiáng)化學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用，工業(yè)界已經(jīng)有一些成果，感興趣的讀者可以查看參考文獻(xiàn)3、4、5、6，分別是今日、京東、YouTube將強(qiáng)化學(xué)習(xí)應(yīng)用于推薦中的案例。

對(duì)強(qiáng)化學(xué)習(xí)感興趣的讀者可以學(xué)習(xí)參考文獻(xiàn)7，這是強(qiáng)化學(xué)習(xí)之父Sutton寫的一本非常有影響力的書。隨著推薦系統(tǒng)越來(lái)越趨向于實(shí)時(shí)化，我相信強(qiáng)化學(xué)習(xí)在推薦中的應(yīng)用一定是未來(lái)非常值得探索的方向，也一定會(huì)產(chǎn)生極大的商業(yè)價(jià)值。

圖1：強(qiáng)化學(xué)習(xí)范式

機(jī)器學(xué)習(xí)中另外一個(gè)非常重要的學(xué)習(xí)范式是遷移學(xué)習(xí)，所謂遷移學(xué)習(xí)簡(jiǎn)單來(lái)說(shuō)是將從一個(gè)領(lǐng)域獲得的知識(shí)通過(guò)某種方式應(yīng)用于另外一個(gè)領(lǐng)域(需要尋找到這兩個(gè)領(lǐng)域之間的某種關(guān)聯(lián)關(guān)系)。這種學(xué)習(xí)范式對(duì)人類來(lái)說(shuō)是再平常不過(guò)的事情了，我們平時(shí)所說(shuō)的舉一反三、觸類旁通等就是人類大腦的遷移學(xué)習(xí)能力。

遷移學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用目前有少量嘗試，讀者可以查看參考文獻(xiàn)8、9、10、11、12，這些都是遷移學(xué)習(xí)在推薦系統(tǒng)上的探索。我們?cè)凇肚度敕椒ㄔ谕扑]系統(tǒng)中的應(yīng)用》第五節(jié)3中講到盒馬利用遷移學(xué)習(xí)將淘寶用戶特征遷移到盒馬中可以很好地解決用戶冷啟動(dòng)問(wèn)題，這算是遷移學(xué)習(xí)在工業(yè)級(jí)推薦系統(tǒng)中一個(gè)比較好的應(yīng)用案例。

目前很多平臺(tái)型的大公司都孵化出了很多產(chǎn)品，構(gòu)建出了超大規(guī)模的產(chǎn)品矩陣，比如阿里系下的產(chǎn)品、系下的產(chǎn)品等，在這些產(chǎn)品之間進(jìn)行遷移學(xué)習(xí)是非常自然的事情。另外云計(jì)算公司服務(wù)于非常多的同類型公司，這里面就有非常多遷移學(xué)習(xí)可以落地的場(chǎng)景，云計(jì)算公司從一個(gè)公司構(gòu)建推薦算法服務(wù)的經(jīng)驗(yàn)和獲得的算法成果都可以遷移到另外一家同類型的公司中(當(dāng)然需要考慮到信息安全和隱私，這在下面提到的聯(lián)邦學(xué)習(xí)框架下是可行的)。

監(jiān)督學(xué)習(xí)目前還是機(jī)器學(xué)習(xí)中最重要應(yīng)用最廣的學(xué)習(xí)范式，但是獲得大量標(biāo)準(zhǔn)樣本是非常費(fèi)時(shí)費(fèi)力費(fèi)錢的，怎么在沒(méi)有大量標(biāo)注樣本的情況下學(xué)習(xí)是一個(gè)非常重要的問(wèn)題(在醫(yī)學(xué)等領(lǐng)域標(biāo)記樣本不足是很自然的事情)。遷移學(xué)習(xí)提供了一種可行的方案，另外一個(gè)可行的方式就是半監(jiān)督學(xué)習(xí)(參見參考文獻(xiàn)13)，半監(jiān)督學(xué)習(xí)利用標(biāo)記樣本和無(wú)標(biāo)記樣本來(lái)進(jìn)行學(xué)習(xí)，可以很好解決標(biāo)記樣本不足的問(wèn)題。目前我們所獲得的數(shù)據(jù)中無(wú)標(biāo)記數(shù)據(jù)量是非常巨大的，比如視頻、音頻、評(píng)論信息、標(biāo)的物介紹文本等，這些信息在半監(jiān)督學(xué)習(xí)范式下都可以使用。參考文獻(xiàn)14就是半監(jiān)督學(xué)習(xí)在推薦系統(tǒng)上的嘗試。這方面的技術(shù)目前還很少看到在企業(yè)級(jí)推薦系統(tǒng)上的應(yīng)用，但是一定是未來(lái)非常值得深入挖掘的一個(gè)方向。 目前國(guó)內(nèi)的產(chǎn)品一般都是通過(guò)霸王協(xié)議來(lái)獲取用戶數(shù)據(jù)，多多少少都是不太符合人性和道義的，隨著用戶隱私意識(shí)的增強(qiáng)和法律層面對(duì)隱私保護(hù)的重視，未來(lái)推薦系統(tǒng)可能更難獲得更多的用戶數(shù)據(jù)，這就要求推薦算法從更加保護(hù)用戶隱私的方向努力，在這個(gè)方向上聯(lián)邦機(jī)器學(xué)習(xí)(見參考文獻(xiàn)15)就是一種非常好的學(xué)習(xí)范式。

聯(lián)邦機(jī)器學(xué)習(xí)是一個(gè)機(jī)器學(xué)習(xí)框架，能有效幫助多個(gè)機(jī)構(gòu)在滿足用戶隱私保護(hù)、數(shù)據(jù)安全和政府法規(guī)的要求下，進(jìn)行數(shù)據(jù)使用和機(jī)器學(xué)習(xí)建模。聯(lián)邦機(jī)器學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用已經(jīng)在業(yè)界有比較好的嘗試了，未來(lái)肯定會(huì)是推薦系統(tǒng)發(fā)力的一個(gè)方向。關(guān)于用戶隱私和聯(lián)邦機(jī)器學(xué)習(xí)相關(guān)的知識(shí)點(diǎn)讀者可以參考《推薦系統(tǒng)的價(jià)值觀》第三節(jié)3中的介紹。

上面講到了在推薦算法上未來(lái)推薦系統(tǒng)可能的方向和變化，在數(shù)據(jù)處理及工程方面，推薦系統(tǒng)也會(huì)面對(duì)很多的調(diào)整、變化與發(fā)展，下面我們就來(lái)簡(jiǎn)單梳理一下。

2. 推薦系統(tǒng)工程層面的發(fā)展變化

現(xiàn)在主流的基于內(nèi)容的推薦和協(xié)同過(guò)濾推薦算法都只利用了部分用戶數(shù)據(jù)進(jìn)行模型訓(xùn)練，還遠(yuǎn)遠(yuǎn)沒(méi)有將所有可用的信息綜合起來(lái)進(jìn)行推薦。這一方面是數(shù)據(jù)量太大，二是數(shù)據(jù)處理復(fù)雜(特別是富媒體數(shù)據(jù)處理起來(lái)成本高技術(shù)復(fù)雜)，三是更多的數(shù)據(jù)對(duì)推薦算法性能及可拓展性的要求更高。在不久的將來(lái)隨著特征工程技術(shù)的進(jìn)步、數(shù)據(jù)處理能力的增強(qiáng)、計(jì)算成本的降低以及算法自身的發(fā)展，獲取更多的數(shù)據(jù)進(jìn)行更加復(fù)雜模型的訓(xùn)練成為可能，更多的數(shù)據(jù)和更復(fù)雜的模型也會(huì)讓最終的推薦效果更好。這種復(fù)雜的模型可以是更深層的深度學(xué)習(xí)模型還可以是各種模型的混合推薦(讀者可以參考《混合推薦系統(tǒng)介紹》這篇文章)。

隨著通信技術(shù)的發(fā)展，特別是5G技術(shù)的普及，信息傳輸?shù)乃俣雀臁鬏斮M(fèi)用更便宜，我們可以在極短的時(shí)間內(nèi)獲得大量的信息，計(jì)算能力的增強(qiáng)和算法模型的發(fā)展讓處理信息更加快速及時(shí)，同時(shí)用戶也趨向于獲得及時(shí)快速的互動(dòng)，在這些因素的影響下，推薦系統(tǒng)正變得越來(lái)越實(shí)時(shí)。目前大火的信息流推薦就是很好的體現(xiàn)。實(shí)時(shí)推薦不光用戶體驗(yàn)好，并且還具備更好的商業(yè)價(jià)值(實(shí)時(shí)推薦增加了信息分發(fā)的效率，讓單個(gè)推薦位的產(chǎn)出大大提高)，實(shí)時(shí)推薦是推薦系統(tǒng)未來(lái)最為重要的發(fā)展方向之一。

要想做好實(shí)時(shí)推薦，除了算法外，對(duì)工程架構(gòu)、交互方式等都需要進(jìn)行相應(yīng)調(diào)整。在工程上需要采用流式處理技術(shù)(如Flink、Spark Streaming等)來(lái)進(jìn)行特征處理與模型訓(xùn)練，這樣才可以更好地響應(yīng)用戶的實(shí)時(shí)操作。交互方式上也需要給用戶提供更加自然流暢的交互，目前在移動(dòng)端的下拉刷新就是一種比較好的交互方式，當(dāng)推薦場(chǎng)景拓展到家庭智能設(shè)備、車載設(shè)備、甚至虛擬設(shè)備上時(shí)，交互方式都需要進(jìn)行重大革新。作者在《實(shí)時(shí)個(gè)性化推薦介紹》這篇文章第八節(jié)“實(shí)時(shí)推薦系統(tǒng)的未來(lái)發(fā)展”中對(duì)實(shí)時(shí)推薦系統(tǒng)未來(lái)的發(fā)展方向進(jìn)行了比較全面的介紹，讀者可以參考學(xué)習(xí)。

還有一個(gè)不得不提的點(diǎn)是特征工程，這是任何機(jī)器學(xué)習(xí)算法必須要面對(duì)的問(wèn)題，隨著富媒體信息在所有信息中所占比重越來(lái)越大以及實(shí)時(shí)推薦對(duì)特征處理時(shí)效性的要求，這個(gè)問(wèn)題變得日益嚴(yán)峻。幸好深度學(xué)習(xí)等技術(shù)可以減少人工特征工程的難度，另外自動(dòng)化特征工程在某種程度上也可以緩解這個(gè)問(wèn)題。關(guān)于特征工程未來(lái)發(fā)展及變化，讀者可以參考《推薦系統(tǒng)之?dāng)?shù)據(jù)與特征工程》第五節(jié)“推薦系統(tǒng)數(shù)據(jù)與特征工程未來(lái)趨勢(shì)”中的相關(guān)介紹。

目前的推薦算法都是部署在云端的，所有人共用一套推薦算法體系。隨著邊緣計(jì)算技術(shù)的發(fā)展，未來(lái)是極有可能在終端上部署比較復(fù)雜的模型的，到那時(shí)就可以為每個(gè)用戶構(gòu)建一個(gè)個(gè)性化的推薦算法模型，直接在終端給用戶生成推薦結(jié)果。這種部署方式有幾大優(yōu)點(diǎn)：一是推薦會(huì)更加及時(shí)，可以給用戶更好的體驗(yàn)；二是每個(gè)人擁有自己量身定制的算法，算法精準(zhǔn)度也會(huì)更高；三是信息直接在終端進(jìn)行處理，也更加安全可靠。《實(shí)時(shí)個(gè)性化推薦介紹》第八節(jié)“實(shí)時(shí)推薦系統(tǒng)的未來(lái)發(fā)展”2中對(duì)這個(gè)情況進(jìn)行了比較細(xì)致的描述，讀者可以參考。

總之，隨著機(jī)器學(xué)習(xí)算法自身的發(fā)展，隨著硬件、信息處理技術(shù)、信息傳輸技術(shù)的發(fā)展，未來(lái)的推薦系統(tǒng)在算法實(shí)現(xiàn)方案、工程架構(gòu)等方面都會(huì)產(chǎn)生極大的變化，會(huì)出現(xiàn)更多的可能性。這些都是值得我們?nèi)テ诖⑷ニ伎肌⑷ヌ剿鞯姆较颉?/p>

在與推薦系統(tǒng)協(xié)作上凸顯人的價(jià)值

雖然以深度學(xué)習(xí)為代表的第三次人工智能浪潮給學(xué)術(shù)界和產(chǎn)業(yè)界帶來(lái)了極大的變化，機(jī)器學(xué)習(xí)在很多方面的能力達(dá)到甚至超越了人類。但在涉及到創(chuàng)造和情感方面，在可預(yù)見的未來(lái)機(jī)器是無(wú)法取代人的。而為用戶提供有價(jià)值的信息和情感聯(lián)系是好的、具備人文關(guān)懷的推薦系統(tǒng)必須要具備的能力，這就要求人和機(jī)器有效協(xié)同，這也是未來(lái)很長(zhǎng)一段時(shí)間推薦系統(tǒng)的常態(tài)。

從數(shù)據(jù)過(guò)濾、特征選擇、模型調(diào)整、結(jié)果干預(yù)、展示優(yōu)化、效果調(diào)控等推薦系統(tǒng)的各個(gè)維度人工都可以發(fā)揮極大的價(jià)值。《推薦系統(tǒng)的人工調(diào)控》這篇文章對(duì)人工怎么調(diào)控推薦系統(tǒng)，人工在推薦系統(tǒng)中的定位和作用等進(jìn)行了比較深入的介紹，讀者可以學(xué)習(xí)了解。加入了人工因素的推薦系統(tǒng)更有情感也更加可控。

目前人工在推薦系統(tǒng)中所起的調(diào)控作用還比較粗暴，更多可能是對(duì)結(jié)果層面的干預(yù)，未來(lái)人工怎么跟推薦系統(tǒng)更好地協(xié)同，怎樣在推薦系統(tǒng)中發(fā)揮人的創(chuàng)造力和情感力量是非常值得思考和探索的。

關(guān)注推薦系統(tǒng)多維價(jià)值體現(xiàn)

推薦系統(tǒng)作為一種獲取商業(yè)價(jià)值的工具，已經(jīng)被過(guò)度商業(yè)化了。在用戶體驗(yàn)上雖有所考慮、有所收斂，但是做得還不夠。作者在《推薦系統(tǒng)的價(jià)值觀》這篇文章中對(duì)推薦系統(tǒng)應(yīng)該從哪些維度來(lái)體現(xiàn)價(jià)值進(jìn)行了比較深入的介紹，特別是人文關(guān)懷、生態(tài)健康發(fā)展和弘揚(yáng)社會(huì)正向價(jià)值觀這3個(gè)方向上，給出了自己的思考，這也是當(dāng)前推薦系統(tǒng)價(jià)值體現(xiàn)中非常缺失的部分。

隨著科技的發(fā)展，特別是云計(jì)算將很多技術(shù)能力變成像水電煤一樣可以方便獲取的資源，大家在技術(shù)能力上的差異會(huì)越來(lái)越小，這時(shí)能夠讓你脫穎而出的可能是你的產(chǎn)品能不能打動(dòng)用戶、能不能跟用戶產(chǎn)生共情。推薦系統(tǒng)作為一個(gè)跟用戶強(qiáng)交互的產(chǎn)品，也是滿足這種趨勢(shì)變化的。因此，未來(lái)能夠做好推薦系統(tǒng)的企業(yè)一定是能做定義好推薦系統(tǒng)價(jià)值的企業(yè)，不光要考慮商業(yè)價(jià)值，更應(yīng)該考慮用戶體驗(yàn)和人文關(guān)懷。

總結(jié)

這篇文章基于作者在推薦領(lǐng)域多年的實(shí)踐經(jīng)驗(yàn)和深入思考，從多個(gè)維度對(duì)推薦系統(tǒng)的未來(lái)發(fā)展進(jìn)行了總結(jié)和介紹。

國(guó)家層面對(duì)大數(shù)據(jù)與人工智能技術(shù)的大力支持，有利于推薦系統(tǒng)行業(yè)獲得更多的專業(yè)人才，同時(shí)競(jìng)爭(zhēng)也顯著加劇。云計(jì)算等技術(shù)的發(fā)展讓構(gòu)建推薦系統(tǒng)就像購(gòu)買商品一樣方便，創(chuàng)業(yè)公司可以更輕量、更便捷、低成本地在產(chǎn)品中整合推薦能力。

政策層面的支持、技術(shù)的發(fā)展，對(duì)推薦行業(yè)就業(yè)也會(huì)產(chǎn)生深遠(yuǎn)影響。企業(yè)更需要推薦算法的商業(yè)策略師更好地落地推薦算法，而推薦從業(yè)人員需要關(guān)注推薦系統(tǒng)的業(yè)務(wù)價(jià)值產(chǎn)出。

物聯(lián)網(wǎng)、通信技術(shù)、硬件技術(shù)的發(fā)展，拓展了推薦系統(tǒng)的應(yīng)用場(chǎng)景，推薦系統(tǒng)會(huì)應(yīng)用到更多的領(lǐng)域，包括家庭場(chǎng)景、車載場(chǎng)景、虛擬現(xiàn)實(shí)場(chǎng)景等。在這些新場(chǎng)景中推薦與人的交互方式會(huì)發(fā)生極大的變化，語(yǔ)音交互、手勢(shì)交互成為可能。

在推薦算法上，最近幾年深度學(xué)習(xí)已經(jīng)在推薦上取得了非常好的效果，未來(lái)新的推薦范式，如強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、聯(lián)邦機(jī)器學(xué)習(xí)等都會(huì)在推薦系統(tǒng)中獲得規(guī)模化使用。技術(shù)的進(jìn)步讓推薦系統(tǒng)利用更多的富媒體數(shù)據(jù)訓(xùn)練模型成為可能，推薦系統(tǒng)也會(huì)更加實(shí)時(shí)化、個(gè)性化，甚至可能每個(gè)人都會(huì)擁有一套量身定制的個(gè)性化推薦引擎。

推薦系統(tǒng)不光要獲得商業(yè)價(jià)值，在用戶體驗(yàn)、人文關(guān)懷、生態(tài)繁榮、弘揚(yáng)正向價(jià)值觀等維度也需要有所突破，這些多維度的價(jià)值會(huì)越來(lái)越重要，會(huì)成為推薦系統(tǒng)的核心競(jìng)爭(zhēng)力。在這些價(jià)值發(fā)揮中人的作用就凸顯出來(lái)，未來(lái)很長(zhǎng)一段時(shí)間，人與機(jī)器是協(xié)同發(fā)展的，推薦系統(tǒng)只有更多地注入人的情感和靈魂，才會(huì)有更好的發(fā)展。

參考文獻(xiàn)

[開設(shè)大數(shù)據(jù)專業(yè)的高校] https://jingyan.baidu.com/article/3d69c55125fd54f0cf02d718.html

[開設(shè)人工智能專業(yè)的高校] https://www.sohu.com/a/321455764_383037

[2019 今日] Deep Reinforcement Learning for Online Advertising in Recommender Systems

[2018 京東] Deep Reinforcement Learning for Listwise Recommendations

[2018 京東] Recommendations with Negative Feedback via Pairwise Deep Reinforcement Learning

[2018 YouTube] TopK OffPolicy Correction for a REINFORCE Recommender System

[圖書：強(qiáng)化學(xué)習(xí) 第二版] http://product.dangdang.com/27926613.html

Socialbehavior Transfer Learning for Recommendation Systems

[2012] Transfer Learning in Collaborative Filtering with Uncertain Ratings

[2012] Selective Transfer Learning for Cross Domain Recommendation

[2016] Transferring User Interests Across Websites with Unstructured Text for ColdStart Recommendation

[2015] A MultiView Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems

[半監(jiān)督學(xué)習(xí)] https://baike.baidu.com/item/%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/9075473?fr=aladdin

Bridging Collaborative Filtering and SemiSupervised Learning: A Neural Approach for POI Recommendation

[聯(lián)邦機(jī)器學(xué)習(xí)] https://baike.baidu.com/item/%E8%81%94%E9%82%A6%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/23618046?fr=aladdin

360金融首席科學(xué)家張家興：別指望AI Lab做成中臺(tái)用 Python 實(shí)現(xiàn)手機(jī)自動(dòng)答題，這下百萬(wàn)答題游戲誰(shuí)也玩不過(guò)我！

黑客用上機(jī)器學(xué)習(xí)你慌不慌？這 7 種竊取數(shù)據(jù)的新手段快來(lái)認(rèn)識(shí)一下

關(guān)于 Docker ，你必須了解的核心都在這里了！

5分鐘！就能學(xué)會(huì)以太坊 JSON API 基礎(chǔ)知識(shí)

拓展知識(shí)：