还有什么比找到一件像手套一样合身的衣服或改变你生活的小工具更好的吗？或者找到一本新书、电影或电视节目来狂欢观看，而不必梳理评论并在多个平台上进行比较？推荐有助于我们找到令人兴奋的新内容和产品。但是，如果建议可以做得更好呢？如果我们可以利用人工智能辅助的建议来帮助我们根据用户行为找到专门为我们量身定制的产品，那会怎么样？如果我们能花更少的时间浏览不相关的内容，而花更多的时间享受我们喜欢的东西呢？
在播客系列“好奇心理论”的第一集中，听众可以进入 新加坡管理大学最聪明的研究人员的好奇心，计算机科学副教授Hady Lauw与计算机科学博士毕业生Truong Quoc Tuan聊天，讨论技术如何定制在线体验。
 

利用人工智能和机器学习
Hady副教授认为，关键在于利用人工智能和机器学习从数据中发现用户偏好。作为研究的一部分，Tuan开发了算法和智能系统，可以提取有关用户对各种产品的情绪或偏好的信息。
“如果你看看你在网络上所做的活动，你大部分时间都需要推荐，”Tuan解释道。
“推荐系统在看电影、网上购物、听音乐和在社交网络上互动等活动中发挥着关键作用。不同的用户有自己的偏好，从某种意义上说，它们是独一无二的，我们需要推荐适合他们口味的商品或产品。
今天，过多的选择包围着消费者。仅在在线杂货商RedMart上，Netflix上就有超过15,000种标题，仅在在线杂货商RedMart上就有700个“巧克力牛奶”列表，难怪数字一代会遭受分析瘫痪。
 

如果你看看你在网络上所做的活动，你大多数时候都需要推荐，然而，提出产品推荐不仅仅是营销人员推销其品牌的最新产品。计算机科学家已经开发了复杂的程序来分析大量数据，以帮助用户在在线平台上做出决定，并确保选择满足他们的需求，Tuan说，他的研究兴趣包括用户分析和个性化。
此类推荐系统利用各种形式的数据来定制推荐。例如，用户与产品的交互，例如点击列表、阅读商品或过去购买商品，在机器辅助建议中起着至关重要的作用。其他类型的数据，例如用户评论或产品的描述性内容，也有助于匹配。
正如Tuan补充说的那样：“使用用户和项目之间的交互数据，我们试图提取相似性或模式，并推荐类似用户可能喜欢的项目，即使用户以前没有接触过这些项目。
 

一种算法适合所有人
技术支持的推荐系统的美妙之处在于，该算法可以应用于不同的产品、行业、平台和市场。与其从头开始建立一个系统来推荐电影和另一个用于快速销售的时尚，企业可能会在他们的系统中采用通用的配方。
“我的论文的很大一部分集中在设计有效的算法上，这些算法依赖于用户和项目之间的主要交互，这些算法是有限的，因为我们有大量的项目，而且大多数时候，这些项目不会暴露给用户，”Tuan阐述道，他的论文是关于从多模态数据建模情绪和偏好。
 

根据用户过去的互动，推荐系统可以建议客户喜欢的项目类型。
“我们还需要研究其他形式的互动，或者我们称之为这些数据中出现的'模式'的其他形式，比如物品的文本或图像，或者用户的社交关系。附加信息有助于引导主要交互，为用户提供更准确的建议。
例如，图像在购买时尚商品方面发挥着重要作用。根据用户过去的互动，推荐系统可以建议客户喜欢的项目类型。另一方面，书籍推荐可以基于项目的文本内容，例如其标题和摘要。有趣的是，这些系统不仅引入了已经流行的选择。他们让用户接触到原本不会出现在他们雷达上的新项目。
 

数据隐私
尽管推荐系统使数字公民的生活变得更加轻松，但在数据收集中经常会出现隐私问题。
“就个人而言，在某些情况下，我不介意展示其中一些数据，”副教授Hady说。
“如果它与我正在阅读的新闻或书籍有关，那完全没问题，因为它将帮助系统推荐更好的新闻，更好的书籍等等。但可能还有其他一些领域，例如医疗服务，我可能会更加小心地共享此类数据，即使这意味着我可能会被推荐一位更好的医生。
 

我相信计算机科学博士学位在毕业后会打开许多大门。
最终，Hady副教授认为，教育对于帮助用户了解他们的偏好正在被跟踪至关重要，并且他们有一些方法来控制他们的数据共享级别。此外，他指出，研究产生的技术突破有助于重新定义现有行业以及我们在全球的工作方式。
“大多数人认为博士培训是一扇关门，你完成了博士学位，然后你必须成为一名教授，”段说。
“但我相信计算机科学博士学位在毕业后会打开许多大门。我们获得的技能有助于我们推进现有知识，更系统地处理新问题，并使想法成为现实。