APP：我們有很強大的推薦系統(tǒng)，我給你推薦的這個電影你肯定喜歡！
用戶：我為什么喜歡這個電影？理由呢？你蒙的吧你？
APP：我當(dāng)然知道了，我是個性化推薦系統(tǒng)，我有很復(fù)雜的算法在運作的。
用戶：算法？你還是沒有給我理由。我不信任你，我不喜歡用你這個APP。
APP：……
個性化推薦系統(tǒng)是盡可能從海量的數(shù)據(jù)中挖掘出用戶喜歡的內(nèi)容，滿足用戶的需求。這樣可以節(jié)省用戶的時間，幫助用戶進行過濾，捕捉自己感興趣的內(nèi)容。一個好的個性化推薦系統(tǒng)可以吸引更多的用戶并為公司創(chuàng)造持久的商業(yè)價值。當(dāng)然前提是用戶信任你的推薦系統(tǒng)，將復(fù)雜的推薦算法通過簡單易懂的文字展示給用戶，用戶會更加信任給出的推薦。
一、推薦理由是什么
圖1推薦系統(tǒng)簡單架構(gòu)
推薦理由，也稱作推薦解釋，簡而言之就是在推薦物品的同時給出理由。如圖1所示，在整個推薦系統(tǒng)中，推薦理由一般處于最后一個階段。針對某個用戶，經(jīng)過召回，過濾，排序階段，在最終給出推薦結(jié)果之前就可以給出各個被推薦出來物品的理由。
隨著移動互聯(lián)網(wǎng)的迅速普及，人們對推薦的要求越來越高，更多的人對于推薦系統(tǒng)推出的物品還希望知道為什么。如圖2所示，分別是知乎、淘寶、拼多多、愛奇藝的推薦結(jié)果和理由的頁面。
在知乎推薦中，“程序猿、佛系青年”是關(guān)于作者的一些特征，“超過15W的用戶關(guān)注了TA”告訴用戶該作者發(fā)布的內(nèi)容質(zhì)量不錯；在淘寶推薦中，“相關(guān)內(nèi)容推薦”給出該篇功能文章的相關(guān)的一些內(nèi)容文章，“相關(guān)推薦”則是推薦出一些跟該物品相似的物品供用戶選擇；在拼多多推薦中，“寶寶洗浴護膚品暢銷前十”是告知用戶該物品是熱門物品，大家都在買你也可能想買；在愛奇藝推薦中，“看了《隱藏人物》可能還想看”，“喜歡《斷箭（韓國）的人都和它有緣》”，這些推薦理由都是根據(jù)用戶之前的行為給出的。
從這些典型的案例中我們可以簡單感受到，一個好的推薦理由確實可以給到用戶正反饋，拉進推薦系統(tǒng)和用戶的距離，將黑盒般的推薦算法透明化，達到事半功倍的效果。
二、 為什么需要推薦理由？
在現(xiàn)實生活中，選飯店時候經(jīng)常有朋友會問哪家好吃，我們在推薦的時候一般都會說：XX餐廳好吃，他家環(huán)境好，價格合適，服務(wù)員還非常熱情。這其實就是生活中的一種給出推薦理由的方式。有了推薦理由的推薦比簡單給出一個推薦結(jié)果更讓用戶信服，更愿意去選擇它。
如果在互聯(lián)網(wǎng)的虛擬物品里，我們能夠做到跟現(xiàn)實中的推薦一樣在推薦物品的時候給出一個合適的推薦理由，就可以提高推薦系統(tǒng)的透明度，提升用戶的對推薦系統(tǒng)的信服度，進而提升用戶體驗。對于APP而言，可以更好的留住用戶，進一步擴大產(chǎn)品的盈利。
推薦理由存在的意義，就是為了更好的獲取用戶對推薦系統(tǒng)的信賴。為了設(shè)計一個合理的推薦理由，我們需要考慮如下表1所示的幾個設(shè)計目標：
目前大多數(shù)推薦系統(tǒng)還停留在只關(guān)注點擊指標，只要給出推薦物品就可以的階段，但是對于一些專業(yè)性比較強的垂直領(lǐng)域行業(yè)，比如金融、醫(yī)藥、風(fēng)控等，給出推薦理由將會成為一種必要，給出專業(yè)性的解釋，對用戶更友好，更方便引導(dǎo)用戶。不是所有人都是推薦系統(tǒng)方面的專家，對于用戶來說，他不光需要得到推薦結(jié)果，還需要知道為什么給他推薦該物品，通過這種方式才能使用戶更加認可和信賴該推薦系統(tǒng)。
推薦系統(tǒng)是一個復(fù)雜的工程，包含很多功能模塊，首先是用戶行為獲取解析，然后經(jīng)過從海量物品里召回部分符合個性化需求的物品作為推薦候選集，最后再進行過濾排序，給出最終推薦結(jié)果。每一個功能模塊都會包含很復(fù)雜的算法，在推薦系統(tǒng)中還需要插入一個推薦理由的模塊，可想而知要做好不是一件簡單的事情。
推薦理由不同于嚴謹?shù)耐扑]算法，它可以是有很強的因果關(guān)系，也可以是簡單的一個理由。比如，因為你曾經(jīng)看過A電影，看過A電影的大多數(shù)都喜歡B電影，所以我給你推薦B電影，這就是一種嚴謹?shù)囊蚬P(guān)系推薦解釋；再比如，今天是國慶節(jié)，我給你推薦五星紅旗，這就是一個比較簡單的沒有很強因果關(guān)系的推薦理由。構(gòu)建可解釋的推薦系統(tǒng)一般有以下幾種方式：
?
1.基于用戶的推薦理由，基于用戶相似的推薦，建立兩個用戶的關(guān)系，結(jié)合用戶畫像做推薦解釋。比如：你的好朋友A也看了這個電影；
2.基于物品的推薦理由，基于物品相似的推薦，建立兩個物品的關(guān)系，結(jié)合物品畫像做推薦解釋。比如：這個電影是你看過的電影A的同一個導(dǎo)演的作品；
3.基于召回方式的推薦理由，比如熱門召回：這個電飯鍋是熱門前十；
4.基于排序模型的推薦理由，比如LR模型：給出推薦的物品，可以選擇權(quán)重非0特征中從高到低的幾個特征作為推薦理由；
5.其他推薦理由，比如環(huán)境相關(guān)：你現(xiàn)在在成都，給你推薦XX麻辣小火鍋
四 達觀推薦系統(tǒng)
一個好的推薦理由會給整個推薦系統(tǒng)畫龍點睛，相反一個差的推薦理由反而會拉低整個推薦系統(tǒng)的效果。比如給某個從來沒看過電影B的用戶推薦電影A，給出的推薦理由：看過電影B的人都喜歡電影A，所以給你推薦電影A。這只會適得其反，降低用戶的信任度，久而久之用戶就會喪失對該推薦系統(tǒng)的信心。
圖3后羿系統(tǒng)物品畫像、用戶畫像、召回排序模型配置部分頁面
達觀智能推薦系統(tǒng)采用獨創(chuàng)的ME（Multi-Ensemble）多層疊加算法，通過算法融合實現(xiàn)更精準的推薦效果。對于推薦理由的需求，達觀數(shù)據(jù)也積累了豐富的服務(wù)經(jīng)驗。在集數(shù)據(jù)管理和統(tǒng)計、推薦配置、系統(tǒng)監(jiān)控于一體的達觀智能推薦系統(tǒng)中，可以快速添加推薦理由，如圖3是后羿系統(tǒng)物品畫像、用戶畫像、召回排序模型配置的部分頁面：
1.精準的用戶畫像，是給出用戶相似推薦理由的基礎(chǔ)；
2.豐富的物品畫像，是給出物品相似推薦理由的基礎(chǔ)；
3.可配置的召回方式，是給出召回方式推薦理由的基礎(chǔ)；
4.可配置的排序模型，是給出模型推薦理由的基礎(chǔ)；
5.可修改的推薦理由模塊，可供運營人員進行人為干預(yù)調(diào)整，給出一些特殊的跟環(huán)境相關(guān)的推薦理由。
圖4在后羿系統(tǒng)的個性化推薦模擬頁面展示了測試用戶test的推薦結(jié)果，在最后一列給出了詳細的推薦理由。
圖4后羿系統(tǒng)模擬個性化推薦結(jié)果和理由
五 推薦理由的機遇與挑戰(zhàn)
推薦理由作為推薦領(lǐng)域探索比較少的一個方向，目前工業(yè)級推薦里的推薦解釋還比較簡單單一，還有很多方面值得探索和研究。參考推薦理由相關(guān)的文章，一共歸納出三種可供研究的方向：
1.利用知識圖譜增強算法解釋能力。知識圖譜是推薦系統(tǒng)外部的一種可解釋非常高的載體。我們可以利用知識圖譜來打通物品、用戶和特征這三類媒介之間的關(guān)系，根據(jù)具體情況靈活選取最合適的媒介進行推薦解釋。
2.通用的可解釋框架。現(xiàn)階段的所有可解釋性的推薦系統(tǒng)都是強耦合的，都只能適應(yīng)當(dāng)前的推薦系統(tǒng)。對于新興的模型或者場景，并沒有一個完全通用的推薦理由方案。如果能研發(fā)出衣蛾通用的可解釋框架，將會促進推薦可解釋性的快速發(fā)展。
3.結(jié)合機器學(xué)習(xí)模型自動生成推薦理由。目前的推薦理由還停留在需要人為預(yù)先設(shè)定的階段，如果有一個模型可以自動學(xué)習(xí)出帶有人類感情色彩的推薦理由，推薦理由的發(fā)展將會步入一個新的臺階。
