五对混合推荐系统的思考( 八 ) _推荐系统

目前的数据源按照数据承载的载体不同有文本、图像、视频、音频等数据，从数据的来源，有用户相关数据、标的物相关数据、用户行为数据、上下文数据等，利用深度学习、异构信息网络等复杂算法来整合多源数据提供更优质的推荐服务是很有前途的一个方向。
3
多源的标的物混合
现在很多APP都是朝着提供综合性服务的方向发展，比如美团(吃、住、行、生活等)等APP提供多种不同性质和类别的服务，未来推荐算法可能会提供综合性的推荐服务，在同一个推荐列表中存在多种不同类别差异性极大的标的物。
另外，互联网产品做广告变现是非常重要的一种商业化手段，随着新闻短视频等信息流产品的流行，信息流广告越来越受到互联网公司的重视(参加下面图7)，信息流广告中将广告和标的物混合在一起推荐，这时广告也可以看成是一种标的物，因而也是一种标的物混合推荐的形态，只不过在信息流广告中，我们除了关注标的物的“消费”外，还会重点关注广告曝光、点击、购买等收益性指标。

文章插图
图7：微信朋友圈中的信息流广告
怎么将不同类别的标的物进行混合推荐给用户，保证不同类别标的物之间的一致性、协调性(对于信息流广告来说，就是所谓的原生广告的概念)，满足用户多样性的要求，这也是一个非常有价值的研究与实践方向。
4
家庭场景中多人兴趣的混合推荐
伴随着智能电视业务从萌芽到成熟，互联网服务走进了家庭电视这块大屏。互联网公司如小米、华为等已经布局智能电视业务，传统电视机厂商也进入智能电视行业，家庭互联网成为一个新的重要的流量入口。随着中国城镇化发展与消费升级，越来越多的人开始购买互联网智能电视。智能电视作为家庭中的一块大屏，为家庭成员提供视听相关服务，视频是智能电视上最重要的杀手级服务。智能电视区别于手机的一大特点是家庭中多个成员共享一台设备，这一点不同导致智能电视上的推荐服务需要兼顾多个家庭成员的兴趣。智能电视上的推荐是多个家庭成员兴趣的混合，怎么在一个推荐列表中为多个家庭成员提供推荐，满足家庭成员多样性的兴趣需求是智能电视上的个性化推荐非常棘手的一个问题，也是必须要解决好的一个问题。
5
用户在多APP场景下行为的混合
目前很多提供互联网服务的公司通过打造APP矩阵来提供多种类的服务，试图占领用户日常生活的方方面面，通过多款APP发展更多的用户，增加更多的变现可能。另一方面，在更多领域做尝试和探索，提供多款APP也能抵御存在的风险。这种策略也是未来的公司生存发展的重要趋势和策略之一。
用户在同一家公司的多个APP上的行为，帮助公司从多个渠道来获得用户的兴趣偏好，进而对用户有更全面的了解。怎么融合用户多样的行为，从而为用户在某个APP上提供更加精准的推荐服务，是一个非常值得探索的方向，作者在《嵌入方法在推荐系统中的应用》(点击蓝色字体阅读文章)这篇文章第五节2中讲到盒马APP利用用户在淘宝上的行为来为盒马的新用户做冷启动的案例，有兴趣的读者可以查看相关章节了解。
6
用户多状态（场景）的融合推荐
很多时候用户的行为之间是有一定的依赖关系的，用户在当前状态的行为可能依赖于前一状态的操作和决策，在数学上有专门的一个学科“随机过程”来研究变量之间随着时间变化的状态转移关系。对于互联网产品来说，用户也有兴趣状态的转移过程，下面我举几个大家耳熟能详的案例：