补一下我的改进版的推荐系统的特色和例子，以及其作为一套思维模型的价值

前言

之前写的长文有反馈说看不下去，看不出来特色之类的。这篇文章的作用主要是给读者打打鸡血，让读者更愿意看下去一点。

大言不惭的特色

对于推荐系统，老子就算没到瓦特的程度，也可能到纽可门的程度了

你可以回想你一下你通过目前的推荐系统获得过什么有用的东西，除了杀时间是不是基本就没什么大用了？我自认为我改进的推荐系统能够真正缓解人们的工作、生活和学习问题，而不是基本用来娱乐。

大吹牛逼结束，后面不会这么狂了，但是还是会有点狂。人家纽可门至少造出来实物了，我没造出来实物。但是我做过一些性能测试，类似瓦特在造大型蒸汽机之前做过小型的模型。当然瓦特在造大型蒸汽机的时候遇到了非常多的问题，我的性能测试也不能保证没有问题。

“传统”推荐系统的效率太低，我认为其主要是因为过于依赖 AI 和机器了，还有就是太惯着用户了

我基本相信“垃圾进，垃圾出”，虽然我认为可能存在一些例外。我认为传统推荐系统就是在收集垃圾并通过垃圾进行输出。而我改进的推荐系统可以收集到大量有用的信息。比如可以直接给一个对象关联上一个现象来精确描述自己的态度。还有就是通过有序的列表在某个维度上对一系列对象进行排序。具体我就不说了，有兴趣请直接看这个帖子结尾给的详细介绍我的改进版的推荐系统的帖子的链接。

当然这些都需要用户复杂的操作，而不是简单的点赞、被动的停留时长以及屏蔽等。但是我相信这些复杂的操作带来的优质信息是会带来丰厚的回报的。传统的推荐系统可能因为没有合适的算法来处理这些信息。或者过于依赖于自动化的算法了。而我改进的推荐系统选择依赖人的理性和直觉，它将传统推荐系统中的大量自动操作都开放给用户了，或者至少开放给一小部分用户。

传统推荐系统一般都比较消耗服务器资源和人力，所以可能只有大公司才养得起。我预测我的改进版推荐系统可能不需要多少钱就能获得比较好的效果。

“传统”推荐系统对新需求的敏感程度可能不高

据我所知传统推荐系统可能只有通过搜索感知新需求比较靠谱。而在我的改进版的推荐系统中，用户可以直接发布需求，然后如果有很多人都有相同需求或者少量用户愿意花大价钱的话，可以直接吸引内容生产者生产相关的内容或产品。

缓解 E&E 难题

所谓 E&E 难题指推荐系统需要在给用户推荐的时候权衡这二者：根据已知的用户兴趣推荐，探索用户未知的兴趣。其中前者会让用户爽，后者一般会让用户厌恶。但是一直让用户爽用户很可能会因为千篇一律而厌恶。我的解法是双爽。在探索过程中让用户知道自己找到的好东西会让其他跟自己兴趣类似的人喜欢，用户也可以与其他跟自己兴趣类似的人交流。还有就是为探索行为提供一些积分。积分用于比较消耗服务器资源的操作。我相信这会让用户在探索的时候能更爽一些。

利用某些内容需要一些前期投入。这这些需要前提投入才能享受的内容可能才是真正有用的。从长期来看需要大量前期投入的事也许能获得远超那些低门槛娱乐的快感。我的改进版的推荐系统至少有引导用户获得这种高级快感的潜力。

其他特色

我很久之前写过一个猛吹我的改进版的推荐系统的帖子。当时实在是想不到什么别的宣传方法了，现在我自己看着都尬。那帖比这帖开头的部分吹得还猛。有勇气推荐看看。链接： t/965320 。

例子

我之前写的一个相关的帖子里包含大量的例子。不过写得不怎么样。链接： t/1012289 。

作为思维模型

所谓作为思维模型，就是不管你有没有使用这个东西的实物，你都有可能通过看那篇文章获得好处。

第一，可以破除单因模型。单因模型就是一件事只有一个原因。

第二，可以破除千篇一律模型。千篇一律模型就是对我有用就对你有用这种。

第三，可以破除确定性思维。确定性思维就是我做到 A 就肯定能得到 B 。

第四，可以促进灵活思维。达到相同目标不一定只有一个方法。

第五，可以促进小目标思维。一个小目标没法直接达成就拆分成更容易的更小的目标。

另外文章中还有一些不系统的有用的东西。

原贴

链接： t/1196707 。