作爲一個推薦系統的門外漢,或者說是用戶,我覺得推薦系統有以下幾個特性。
- 推薦系統的真實目的並不是做到讓用戶滿意,而是提高銷售能力,業務水平和收益。
- 一個好的推薦系統並不是推薦用戶最喜愛/想要的東西,量化評判一個推薦系統的好壞依然是工業界,學術界難點。
- 相同的推薦算法應用於不同的系統,結果必然不同。
- 簡單易懂的推薦算法往往能獲得意想不到的效果。
論文推薦系統與普通的推薦乍一看很相似,實則有很大的差異。
-
一來學術論文的專業性很強,不可能把一篇關於電磁干擾技術的論文推薦給一名醫學研究者;
-
另一方面,學科交叉是學術研究的趨勢,也是學術創新的一個關鍵點,一個推薦系統有理由將材料學、化學、生物或是計算機的科研工作推薦給上述的醫學研究者,但是這並不能當做推薦的主流;
-
同時,我們可以假設這名學醫的在閒暇時間對天文學有着極大的興趣,那爲什麼不推薦幾篇太空探索的論文給這名學醫者“摸魚”呢?
除上述幾點之外,還有很多意想不到的複雜情況,這些要求一個學術推薦系統有較強的應變能力。
待更新—
更多內容訪問 omegaxyz.com
網站所有代碼採用Apache 2.0授權
網站文章採用知識共享許可協議BY-NC-SA4.0授權
© 2020-2025 • OmegaXYZ-版權所有 轉載請註明出處