内容亮点◆

抖音让我们堕落，但更可怕的是“今日头条”让我们变傻

• 淘宝、爱奇艺、今日头条等APP都会推荐类似我们搜索的信息

• 王小波的故事：花剌子模信使问题（花刺子模国的国王只喜欢听他喜欢听的消息）正如同今日头条的推荐- 只推荐我们喜欢看的信息给我们，导致我们思维可能受到重大的影响

• 三类用户对此信息搜寻现状的反应：- 不敏感- 察觉，但不担忧- 察觉并担忧

信息搜寻的现状

• 目前的痛点是信息过载

• 媒体平台策略：

  - 个性化定制信息：推荐系统根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户

  - 多元的，长尾的信息被埋没

个性化推荐系统的常用技术

• 基于个人属性的推荐

  - 暗含了对不同群体的刻板印象(stereotype)

  - 用户基本信息有时候很难收集到

• 基于过往点击和搜索行为的推荐

  - 暗含了用户兴趣始终不变的逻辑

  - 给物品贴特征标签费时费力

• 基于他人行为的推荐- 协同过滤推荐(Collaborative Filter)- 推荐系统中应用得最广泛和最成功的技术之一，例子：亚马逊、淘宝网、豆瓣、美团- 为一用户找到他真正感兴趣的内容的好方法是首先找到与此用户有相似兴趣的其他用户，然后将他们感兴趣的内容推荐给此用户- 协同过滤的机制：类似用户偏好一致，经过协同过滤，所有用户的选择趋同

个性化推荐系统

• 个性化到底好不好？

  - 快

  - 准

• 增加电商公司利润 (Lee and Hosanagar 2019)

  - Netflix上大家租看的电影2/3都来自它的推荐系统的推荐

  - 亚马逊推荐系统的推荐的商品销售占总利润的35%

现有个性化算法推荐的问题

• 对产品销售的影响

  - 降低销售的产品多样化(Lee and Hosanagar 2019)

• 用户隐私

  - 一直推荐和用户相关性较强的产品会引发用户的隐私担忧

  - 浏览过程/兴趣都被“监视”

• 过滤气泡：“Filter Bubble”：推荐系统从用户取得个人资料后，再进行个性化定制推荐回给用户，长期来说用户将重复接受同一类的信息

推荐系统的现存问题

• “戳泡运动”的开展

  - 增加“过滤气泡”以外的信息板块（例子：英国卫报、谷歌、脸书）

  - 帮助用户通过可视化工具向用户过滤气泡

  - 呼吁用户关掉cookie, 减少偏好的展露，并有意寻找不同信息

主动改善个性化推荐

“好的推荐系统不仅仅能够准确预测用户的行为，而且能够扩展用户的视野，帮助用户 发现那些他们可能会感兴趣，但却不那么容易发现的东西。同时，推荐系统还要能够帮助商家将那些被埋没在长尾中的好商品介绍给可能会对它们感兴趣的用户。”-----《 推荐系统实践 》

• 发掘潜在兴趣（Latent interests)。

个性化推荐2.0：Beyond Accuracy

• 惊喜度(Serendipity)

  - 推荐用户既没有想到的，又让用户感兴趣的信息

• 新颖性(Novelty)

  - 推荐用户之前没有接触过的信息。但用户不一定对“新”信息感兴趣 。

• 多样性(Diversity)

  - 推荐不同的多种品类的信息。用户不一定对所有的信息都感兴趣 。

搜索惊喜度

• “A happy accident”: 推荐的信息超出了用户的预期，但是又让用户对于推荐的信息很感兴趣。

• 信息意外度

  - “惊”：与用户的历史兴趣不那么相似，用户不是很熟悉

• 信息相关度

  - “喜”：用户对推荐的信息感兴趣，觉得信息有用

设计信息搜索中的惊喜度

• 增强主动搜索过程中的惊喜度

• 社交型产品搜索网站上的信息与社交消费

• 产品搜索双途径

  - 产品标签

  - 网络达人

  - 例子：豆瓣、美团

• 研究发现有产品标签及有社交达人的信息搜寻更有用户惊喜度（Yi et al, 2019)

• 搜索系统设计

  - 利用多样性的用户生成的产品信息数据

  - 利用弱连接的用户关系：微信朋友群

总结

• 个性化推荐形成过滤气泡

• 戳破气泡，从设计上提高搜索惊喜度

互动问答◆

• 我们回头看互联网的发展过程，经历过一个从无个性化推荐到个性化推荐的过程。现在教授是否在暗示我们应该回到无个性化的互联网时代？

  - 首先，教授认为我们必须承认从无个性化到有个性化是一个大的进步，也体现了技术收集和处理方面的能力提高。我们这里讲的现有个性化所带来的问题并不是个性化本身的问题，而是现在个性化算法的问题，包括我们所提到的通过人的人口统计属性对人偏好判断的刻板印象，还有机械地认为人过去的行为会预示他将来的偏好，以及假设人和人之间信息搜索或对产品会类似，都导致了目前过滤气泡的存在。教授的看法是个性化是重要的，但现在迫切的需求要系统的改善搜索或推荐设计，在保障个性信息服务带来的便利的同时，确实保障每个人的搜索视野不被局限在一个狭小的范围。

• 过滤气泡的问题出现多久了？而这个现象算是负效率吗？- 其实这个问题早在2011年美国的一个会议上有提出，只是当时并没有得到很多关注，最近几年才开始受到重视。教授并不认为这是负效率，而是对现有系统提出改善问题。

• 教授的讲座里提到了今日头条。这是一个比较火的公司，那么蒋教授觉得今日头条应该怎么做去改善过滤气泡的问题？- 今日头条是一个很好的公司。从公司潜在盈利性角度来说，他们的推荐做的很不错，至少对公司来说是这样，比如说顾客粘度。但是，从一个公益的角度来说，今日头条可能对用户的思维发展不利。特别是对缺乏辨别力的年轻人，如果整天看到的新闻信息都是同一类，可以想见将来的思维创造性和突破性会遇到大的问题。我认为今日头条有必要在推荐算法进行改进，让推荐的结果从趋同变向多元化，至少可以试着推荐弱连结的信息。

• 个性化推荐所引起的过滤气泡听起来似乎很悲观，未来有没有方法应对？

  - 用户可以注意平衡信息来源，通过可视化工具可以看出自己的信息是否过于集中在某几种。手机上或网络上都存在这样的可视化工具。

• 您对过滤气泡对隐私的影响有什么看法？商业和个人隐私的边界在哪里？

  - 隐私是应该属于用户的，用户该有权决定公司、APP可否获取他的信息，或是获取后如何使用他的信息。国内和国际上对此确实有点差距，国际上已经有不同的戳破气泡运动，但是国内还是有很大的空间可以提高。而关于算法改进，应该是由公司主导。

• 对于这个过滤气泡问题，教授个人对这方面的发展是持悲观还是乐观态度？

  - 教授认为这并不是个性化推荐的问题，而是算法问题，只要公司致力改进算法，还是抱持乐观态度的。

• 用户可能已经知道过滤气泡的问题，那么对于公司来说，该怎么应对或有什么策略呢？

  - 公司当然是不希望用户关掉个性化推荐，因为公司希望增加顾客粘度。公司需要权衡，不能过度使用用户信息，而导致用户产生反感，因此公司需要比较谨慎，而改善算法是必要的。

讲师介绍◆

蒋镇辉教授

香港大学经管学院教授

（创新及资讯管理学）

蒋教授现任香港大学经济及工商管理学院创新及资讯管理学教授，在加入香港大学前，曾在新加坡国立大学计算机学院信息系统和商务分析系任教授和商务研究中心任兼职教授。他曾经担任国际信息系统协会SIGHCI的主席。在任职新加坡国立大学期间，蒋教授曾任计算机学院助理院长和职称提升和长聘评审委员会委员。他本科和硕士研究生学位都从北京清华大学取得，并在2004 年于加拿大不列颠哥伦比亚大学获得管理信息系统专业的博士学位。

蒋教授专长于技术创新、信息系统，电子商务，人机交互，隐私计算及保护，社交媒体，以及行为数据分析。他的文章发表在顶级的信息系统杂志，包括MIS Quarterly, Information Systems Research, Journal of Management Information Systems，和Journal of AIS，以及顶级计算机科学会议，包括CHI。蒋教授已在多个国际著名商业科学期刊担任编委，包括Journal of AIS高级编辑，以及MIS Quarterly和Information Systems Research的副编辑。历年来，蒋教授作为主要负责人获得研究经费约150万美元。蒋博士有丰富的教学经验，包括在香港大学经管学院，新加坡国立大学计算机学院，商学院，李光耀公共政策学院，以及清华大学经济管理学院教授MBA，国际MBA，EMBA，和高级经理培训。蒋镇辉教授也曾是麻省理工学院斯隆商学院访问学者，并在北京大学光华管理学院任特聘教授。

明德大学堂

明德大学堂本着「格物致知」的精神，香港大学经济及工商管理学院隆重推出网上直播教学平台 - 「明德大学堂」。透过知识的传播和交流，助您全方位增值，与您共同抗疫、抗逆。「明德大学堂」为在线课程，由港大经管学院教授主讲，对当前经济、金融、企业的热点话题进行剖析，使观众能洞悉经济格局，提升商业思维，建立环球新视野，掌握致胜之道。

编辑：颜回