推荐系统比我更懂我自己？

本书比较系统地讨论了把推荐技术应用到真实应用场景时最常遇到的问题、所需要的基本方法和技术思路，机器学习背景的人能了解到如何将某个算法实现到一个真实的工业系统中去。看完这本书，我不由感叹：

原来，推荐系统比我自己更懂我自己。

信息过载（information overload）时代，分类目录网站只能覆盖少量的热门网站，越来越不能满足用户的需求。以谷歌为代表的搜索引擎可以让用户通过搜索，但是擎需要用户主动提供准确的关键词来寻找信息。和搜索引擎不同的是，推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。

推荐系统，真的比我自己更懂我自己？

然而，就算读完这本书，就算很赞叹这种技术，我对推荐系统仍稍是有偏见的。在《硅谷钢铁侠》这本书里作者引用了Facebook早期工程师Jeff Hammerbacher说过的话：“我们这代人中最聪明的大脑都在思考如何让人们点击广告”。同样的，很多推荐内容也只是在花销用户的注意力，浪费用户的时间。这种场景一定经常发生：你的手指不停地滑动屏幕，瞳孔因为某个标题而放大，你点开那条推荐，你一目十行得读完系统推荐给你的内容，然而一旦你左上角退出，一旦关掉手机屏幕，上个十分钟你看过的大部分内容会在下一秒全部忘掉，不再和你有任何瓜葛。所以，推荐系统推荐给你的到底是什么呢？表面需求。推荐系统本身并不产生内容，它所推荐的内容也并非“雪中送炭”，甚至不是“锦上添花”。

当然，也不能一棍子打死，某些时候，还是要感谢推荐算法的，比如这本《推荐系统实践》就是豆瓣“喜欢这本书的人也喜欢”推荐给我的......