前言

推薦系統(tǒng)對(duì)于處于信息爆炸時(shí)代的我們來(lái)說(shuō)并不陌生。在日常生活中，我們使用到推薦系統(tǒng)提供的各種服務(wù)，在社交工具上認(rèn)識(shí)志同道合的朋友，到音樂(lè)網(wǎng)站中欣賞自己感興趣的音樂(lè)作品，從一大堆企業(yè)崗位信息中挑選出一份稱(chēng)心如意的工作等等。

一個(gè)優(yōu)秀的推薦系統(tǒng)能像朋友一樣理解用戶(hù)的需求，提供給用戶(hù)有價(jià)值的信息，并且?guī)椭脩?hù)做出正確合理的決策。而推薦系統(tǒng)要向人性化的方向發(fā)展，除了要深入分析用戶(hù)喜好制定合理的推薦策略，能夠?qū)ν扑]的結(jié)果提供合理的解釋也相當(dāng)重要。推薦理由在推薦系統(tǒng)中隨處可見(jiàn)，舉一些典型例子譬如，“你可能認(rèn)識(shí)小李，你們有16個(gè)共同好友”，“你收藏的《哈利波特》主演丹尼爾·雷德克里夫最新力作”等。作為推薦系統(tǒng)與用戶(hù)的直接交流方式，推薦理由在推薦系統(tǒng)中發(fā)揮著重要的作用。本文將結(jié)合達(dá)觀(guān)數(shù)據(jù)在推薦理由應(yīng)用于推薦系統(tǒng)中的心得體會(huì)，與大家進(jìn)行分享。

圖1：推薦系統(tǒng)與推薦理由

一、推薦理由的設(shè)計(jì)目標(biāo)

有人覺(jué)得推薦理由的設(shè)計(jì)是一件很簡(jiǎn)單的事情，拼湊一些描述推薦物品優(yōu)點(diǎn)的句子，通過(guò)這樣的方式就可以產(chǎn)生物品的推薦理由。但是如此機(jī)械生硬的做法很容易讓用戶(hù)產(chǎn)生消極厭倦的情緒，難以獲得用戶(hù)對(duì)推薦系統(tǒng)的信賴(lài)。怎樣的推薦理由才是“好”的推薦理由，才能提供良好的用戶(hù)體驗(yàn)?zāi)?？在設(shè)計(jì)推薦理由時(shí)需要考慮到的七個(gè)設(shè)計(jì)目標(biāo)我們一一列舉：

透明性

使推薦系統(tǒng)更加透明，是推薦理由的主要作用之一，也是評(píng)價(jià)推薦理由是否有效的重要標(biāo)準(zhǔn)。推薦理由能讓用戶(hù)理解生成推薦結(jié)果的計(jì)算過(guò)程，同時(shí)也可以解釋一個(gè)物品比另一個(gè)物品更受歡迎的原因。

用戶(hù)信任度

用戶(hù)對(duì)推薦系統(tǒng)的信任程度通常是與透明性聯(lián)系在一起的。用戶(hù)通過(guò)推薦理由了解到當(dāng)前推薦結(jié)果的產(chǎn)生原理，可以增強(qiáng)用戶(hù)對(duì)系統(tǒng)推薦結(jié)果的信心，并且在推薦失誤的情況下對(duì)錯(cuò)誤結(jié)果更加寬容。建立起用戶(hù)對(duì)推薦系統(tǒng)的信心后，用戶(hù)會(huì)更傾向于繼續(xù)使用這個(gè)系統(tǒng)；相反，在透明性不好的系統(tǒng)，用戶(hù)的信任程度偏低，使用次數(shù)也會(huì)隨之下降。

可理解性

可理解性是緊密關(guān)聯(lián)透明性的另一指標(biāo)。用戶(hù)總是希望自己有最后的決定權(quán)，如果系統(tǒng)推薦的商品不滿(mǎn)意，得有辦法讓用戶(hù)改進(jìn)它。對(duì)于這類(lèi)需求，需要簡(jiǎn)潔地告訴用戶(hù)系統(tǒng)的推薦邏輯，比如“因?yàn)槟阆矚gA所以給你推薦了B”，用戶(hù)可以依此來(lái)修改興趣列表，調(diào)整推薦結(jié)果。

正確性

基于推薦理由，用戶(hù)可以比較自己的需求和實(shí)際提供的物品特性，從而確認(rèn)推薦物品的質(zhì)量，驗(yàn)證推薦結(jié)果的準(zhǔn)確性。一個(gè)表達(dá)準(zhǔn)確的推薦理由能夠幫助用戶(hù)使用戶(hù)做出更明智更準(zhǔn)確的決策。

高效性

高效性是指讓用戶(hù)快速地判斷推薦結(jié)果是不是真的符合自己的興趣。在實(shí)際應(yīng)用中，我們通過(guò)計(jì)算用戶(hù)與推薦系統(tǒng)的交互次數(shù)，或者用戶(hù)使用推薦理由找到心儀物品的耗費(fèi)時(shí)長(zhǎng)，作為衡量推薦理由高效性的量化標(biāo)準(zhǔn)。

說(shuō)服力

給出推薦物品的正面信息以打動(dòng)用戶(hù)，改變和強(qiáng)化用戶(hù)對(duì)此物品的正面觀(guān)點(diǎn)，使其接受推薦結(jié)果并進(jìn)行點(diǎn)擊、收藏或者購(gòu)買(mǎi)等行為。說(shuō)服力通常是從推薦系統(tǒng)或者銷(xiāo)售方的角度出發(fā)，目的是獲取更多利益。不過(guò)說(shuō)服力和用戶(hù)信任度是推薦系統(tǒng)需要權(quán)衡的兩方面因素，過(guò)分追求說(shuō)服力有可能會(huì)削弱用戶(hù)的信任程度。

滿(mǎn)意度

滿(mǎn)意度是推薦理由設(shè)計(jì)的一個(gè)綜合性指標(biāo)，是針對(duì)整個(gè)推薦流程而言的。推薦理由使推薦結(jié)果看上去更加友好，提供更多的參考信息，極大的改善了用戶(hù)體驗(yàn)。

二、推薦理由的設(shè)計(jì)維度

圖2：推薦理由的設(shè)計(jì)維度

幾乎所有推薦系統(tǒng)的推薦理由模塊在設(shè)計(jì)時(shí)，都要涉及到這三個(gè)基本的維度：產(chǎn)生方式，采用信息和推薦算法。其中，產(chǎn)生方式包括黑盒和白盒模式，區(qū)別在于是否公開(kāi)推薦過(guò)程使用的算法；采用信息，表示生成推薦理由使用了哪些輸入信息；推薦算法，顧名思義，即是推薦過(guò)程中使用的計(jì)算方法。

產(chǎn)生方式

1. 白盒模式：透明性是推薦理由設(shè)計(jì)的重要指標(biāo)。在白盒模式中，推薦理由能夠直接反映推薦系統(tǒng)生成推薦結(jié)果所使用的具體方法，具有良好的用戶(hù)體驗(yàn)。
2. 黑盒模式：黑盒模式隱藏了推薦過(guò)程的實(shí)現(xiàn)原理，會(huì)使用戶(hù)體驗(yàn)有一定影響。采用黑盒模式的原因，主要包括基于保密原因不愿公開(kāi)實(shí)現(xiàn)細(xì)節(jié)，或者是計(jì)算方式過(guò)于繁瑣復(fù)雜，缺乏簡(jiǎn)潔直觀(guān)的推薦理由使用戶(hù)能夠一目了然。

采用信息

1. 用戶(hù)畫(huà)像：生成推薦理由時(shí)考慮到用戶(hù)的個(gè)體特性，譬如說(shuō)基于用戶(hù)的人口學(xué)特征、用戶(hù)偏好以及用戶(hù)的行為特征。
2. 物品信息：推薦理由的生成依賴(lài)于物品的特定信息。
3. 替代商品：推薦理由中包含了對(duì)替代商品的評(píng)價(jià)意見(jiàn)。

推薦算法

推薦系統(tǒng)的主流算法包括基于內(nèi)容的推薦，協(xié)同過(guò)濾，和基于知識(shí)的推薦，對(duì)于不同的算法推薦理由有相對(duì)應(yīng)的展現(xiàn)形式。下面介紹了推薦理由在各種推薦算法中的一些基本模板。

基于內(nèi)容：

圖3：電商平臺(tái)基于內(nèi)容的推薦理由示例

最樸素簡(jiǎn)單的推薦理由生成方法，直接將匹配用戶(hù)請(qǐng)求的物品的特征（分類(lèi)、標(biāo)簽等）作為推薦理由。進(jìn)一步說(shuō)，基于內(nèi)容還可以基于用戶(hù)生成內(nèi)容直接生成推薦理由，譬如說(shuō)，專(zhuān)家知識(shí)類(lèi)型的推薦理由一般都由人工生成然后錄入系統(tǒng)，挑選物品相關(guān)的高質(zhì)量用戶(hù)評(píng)論作為推薦理由。

熱門(mén)推薦：

圖4：熱門(mén)推薦的推薦理由示例

通常的生成方式是基于全體用戶(hù)的歷史行為，結(jié)合物品信息（如分類(lèi)、標(biāo)簽等）和時(shí)間維度（月、日、小時(shí)等）進(jìn)行統(tǒng)計(jì)分析，離線(xiàn)定期生成榜單結(jié)果。

協(xié)同過(guò)濾

圖5：協(xié)同過(guò)濾的推薦理由示例

基于知識(shí)

基本模板是“由于你【用戶(hù)的需求或偏好】，所以你可能選擇【某物品】”?；谥R(shí)的推薦的原理是對(duì)知識(shí)庫(kù)進(jìn)行分析處理，形成用戶(hù)需求和物品之間的強(qiáng)規(guī)則，進(jìn)而形成推薦體系。

三、推薦理由模塊的效果

上文提到了推薦理由的設(shè)計(jì)優(yōu)化的七個(gè)指標(biāo)，這七個(gè)指標(biāo)是單純?cè)谠u(píng)估推薦理由時(shí)使用的。在實(shí)際應(yīng)用考察推薦理由模塊的效果時(shí)，我們更傾向于把推薦理由模塊所在的系統(tǒng)作為一個(gè)整體來(lái)進(jìn)行評(píng)估。在這種情況下，我們會(huì)使用如下一些標(biāo)準(zhǔn)：

1. 用戶(hù)滿(mǎn)意度：描述用戶(hù)對(duì)推薦結(jié)果的滿(mǎn)意程度，這是推薦系統(tǒng)最重要的指標(biāo)。測(cè)量用戶(hù)滿(mǎn)意度，可以通過(guò)調(diào)查問(wèn)卷方式了解用戶(hù)對(duì)推薦理由的體驗(yàn)感受，或者可以監(jiān)測(cè)用戶(hù)線(xiàn)上行為數(shù)據(jù)，進(jìn)行AB測(cè)試來(lái)對(duì)比不同推薦理由策略的優(yōu)劣。
2. 預(yù)測(cè)準(zhǔn)確度：描述推薦系統(tǒng)預(yù)測(cè)用戶(hù)行為的能力。一般通過(guò)離線(xiàn)數(shù)據(jù)集上算法給出的推薦列表和用戶(hù)行為的重合率來(lái)計(jì)算。重合率越大則準(zhǔn)確率越高。
3. 覆蓋率：描述推薦系統(tǒng)對(duì)物品長(zhǎng)尾的發(fā)掘能力。一般通過(guò)所有推薦物品占總物品的比例和所有物品被推薦的概率分布來(lái)計(jì)算。比例越大，概率分布越均勻則覆蓋率越大。
4. 多樣性：描述推薦系統(tǒng)中推薦結(jié)果能否覆蓋用戶(hù)不同的興趣領(lǐng)域。一般通過(guò)推薦列表中物品兩兩之間不相似性來(lái)計(jì)算，物品之間越不相似則多樣性越好。
5. 學(xué)習(xí)速度：描述推薦系統(tǒng)是否能夠快速地獲取用戶(hù)的偏好信息，以及能否快速感知對(duì)用戶(hù)偏好的變化。推薦理由能夠通過(guò)暗示用戶(hù)的偏好發(fā)生變化，從而提升了用戶(hù)的滿(mǎn)意度。要獲取學(xué)習(xí)速度方面的效果，系統(tǒng)須允許用戶(hù)去修改自己的偏好信息，然后使用用戶(hù)線(xiàn)上行為數(shù)據(jù)進(jìn)行AB測(cè)試來(lái)進(jìn)行分析比較。

四、達(dá)觀(guān)數(shù)據(jù)靜態(tài)和動(dòng)態(tài)推薦理由

達(dá)觀(guān)數(shù)據(jù)智能推薦引擎將靜態(tài)和動(dòng)態(tài)推薦理由自動(dòng)結(jié)合。在推薦系統(tǒng)運(yùn)行過(guò)程中，靜態(tài)推薦理由挖掘模塊可以通過(guò)分析數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)內(nèi)容，將每個(gè)待推薦對(duì)象各種統(tǒng)計(jì)數(shù)據(jù)生成用戶(hù)可直觀(guān)理解的推薦理由，這些統(tǒng)計(jì)數(shù)據(jù)包括，物品不同指標(biāo)下的榜單信息構(gòu)成理由，物品的用戶(hù)行為信息構(gòu)成理由，和物品的用戶(hù)行為趨勢(shì)信息構(gòu)成理由。

而動(dòng)態(tài)推薦理由挖掘模塊，對(duì)每個(gè)待推薦內(nèi)容根據(jù)傳入的推薦上下文自動(dòng)進(jìn)行運(yùn)算，并給出相應(yīng)的動(dòng)態(tài)推薦理由。根據(jù)每次輸入的參數(shù)不同，給出的推薦理由也各不相同。在針對(duì)某次具體應(yīng)用場(chǎng)景的實(shí)施應(yīng)用中，動(dòng)態(tài)推薦理由包括，按地域或時(shí)間生成的推薦理由，按傳入的用戶(hù)歷史的瀏覽行為生成的推薦理由，和按物品的關(guān)鍵詞、屬性、類(lèi)別等生成推薦理由。

目前達(dá)觀(guān)智能推薦系統(tǒng)已經(jīng)成功服務(wù)了招商銀行、浦發(fā)銀行、中國(guó)移動(dòng)、中國(guó)聯(lián)通、人民網(wǎng)、四川日?qǐng)?bào)、虎撲、澎湃等多個(gè)行業(yè)龍頭企業(yè)。