态势感知——推荐系统的高级形态

——读《追问人工智能》有感

1.推荐系统历史与现状

随着信息技术与互联网技术飞速进步，电子商务、社交媒体、影音娱乐等领域蓬勃发展。特别是随着移动互联网的兴起与社交网络的繁荣，互联网用户正在从以前的信息接收者变为信息生产者与参与者。据中国互联网络信息中心（CNNIC）发布的《第45次中国互联网络发展状况统计报告》，截至2020年3月，中国网民规模已达9.04亿，网络购物用户规模达7.01亿，网络视频（含短视频）、网络音乐和网络游戏的用户规模分别为8.50亿、6.35亿和 5.32亿，使用率分别为94.1%、70.3%和58.9%。互联网产生的数据是海量的，根据统计，YouTube全球用户超过10亿，每分钟上传超过500小时新内容；微信公众号每天发布超过70万篇新文章；QQ音乐有1500万首歌，全部听完需要142年。面对如此大规模的数据信息，使得我们不再受制于信息匮乏给我们日常生活带来的便，但随之而来的是从这些巨量信息中查找到自己所需要的有用信息变得越来越困难，这就是“信息过载”。

面对“信息过载”问题，目前主要有三类解决方案：分类目录，搜索引擎和推荐系统。分类目录即通过在互联网中对网络资源进行分类整理，从而降低查找难度，类似的比较著名的分类目录网站如Hao123等。搜索引擎通过关键词过滤掉大量的无关信息，直接为用户呈现与关键词相关的结果信息。推荐系统则是根据用户的兴趣特点和购买行为，向用户直接推荐用户感兴趣的信息和商品。

推荐系统的研究起源被认为是20世纪90年代的Tapestry系统，其为用户提供文档过滤、检索服务，该系统的一个重要贡献就是首次提出了使用