物尽其用-让推荐系统成为你学习的助手

很多事物本身是有好有坏的，我们只要挑出里面好的，然后充分为我所用即可。“物尽其用”大体就是这个意思。

具体的一个实例是，这些天在琢磨着Tensorflow的学习，通过sougo来对微信公众号里的内容进行检索，获得了不少有益的文章。但微信公众号成为内容的主阵地也是有好处的，资源集中，也便于搜索引擎的挖掘。不过这种获取信息的方式其实是有一定问题的，也就是他是一种被动的关键字检索。而且短期内前几页的排名不会有变化，如果有新的合适的内容产生，我很难获取到。这个时候我想到了推荐，而推荐我则想到了今日头条。

今日头条之前安装过，但是终究觉得“品味”太Low,而且有一定的成瘾性，所以我就果断的删除了。没想到这次可以利用上它。使用今日头条，主要基于如下考虑：

1. 比如我要学习tensorflow，那么其实我还要了解Python，传统的机器学习，以及深度学习理论。推荐系统一般都是基于内容而非关键字，并且新产生的相关内容很快会推荐给我，甚至还有可能有惊喜。
2. 我也不知道我具体需要什么，我只是一个大致的方向，比如tf相关的，纯粹的深度学习理论也行
3. 系统需要不断的试探我，我只要简单给出是或者否(点击或者不点击)，然后越来越合我的口味就好

于是我开始了实际的操作。首先我需要想办法告诉今日头条，我想看tensorflow相关的内容，或者深度学习，图像相关也行，所以我需要播撒种子。具体的办法是，我在输入框检索了tensorflow关键字，然后只是通过查看标题，点击了一些我喜欢的内容。

接着我进入推荐页（也就是今日头条的首页），发现效果并不是非常好，不断的刷新，偶尔才会出现一两篇机器学习相关的文章。于是我在想，可能需要在推荐流里点击内容才会形成反馈，所以我不断刷新，看到机器学习或者python之类的，我就点击，加上之前搜索的，一共点击了48篇文章。

WechatIMG2.jpeg

之后查看推荐的信息流，得到了反馈，机器学习，大数据以及编程的内容开始显著增多。

WechatIMG5.jpeg

我又多刷了几次，再看两张图：

WechatIMG6.jpeg

WechatIMG7.jpeg

这个效果已经比之前好很多了。为了防止出现内容过于单一，推荐系统其实一般都有相应的机制去抵消这种作用，并且时间过短，很可能无法对推荐系统的长期用户画像产生影响，所以我们可能需要花较多的时间，进一步的调教今日头条。

其实这里我们可以看到，未来人们进入并且学习一个新的领域的知识，推荐会变成一个很好的助手。事实上，对于解决特定的问题，推荐也是非常合适的。搜索缺乏一个Session（会话），缺乏一个反馈，当我们解决一个问题的时候，推荐会不断的去尝试理解你（给你推出它认为你需要的内容），然后根据你的反馈，点击或者不点击，来调整自己，从而给出新的尝试，直到解决你的问题。而且推荐系统底层一般都坐拥海量的内容，它知道的很多。