推荐系统中的人类表现如何？答案

【问题标题】：What would be the human performance in recommender systems?推荐系统中的人类表现如何？
【发布时间】：2015-04-08 16:21:03
【问题描述】：

Recommender systems 是当今大量使用的自动化算法，用于预测用户将购买哪些商品、某人会喜欢哪些电影/音乐等。已经被大名鼎鼎的Netflix prize推广了。

但是如果推荐算法被人类取代，典型的成功率是多少？根据我的个人资料信息，包括年龄、爱好和喜欢的电影列表，机器在识别电影方面是否比我想要的要好得多？是否有任何关于人类推荐其他人的能力的研究，也许是在不同的任务上？

【问题讨论】：

标签： machine-learning artificial-intelligence recommendation-engine mahout-recommender netflix

【解决方案1】：

这是一个棘手的问题。通常这种机器是根据以前数据的数据挖掘结果进行预测的。这些数据可能非常庞大，以至于人类无法在这些数据上找到任何模式。在这种情况下，机器远比人类更糟糕，因为它们将实施其算法并进行智能预测。但是，如果你问机器是否知道人类的选择是什么，因为人类本身是不可预测的 :) 是的，有很多研究人员致力于数据挖掘、自主代理或人类代理团队合作。我们可以通过搜索这些主题来看到一些胖谷歌学子。祝你好运

【讨论】：

我同意这对人类来说可能很难。但是，仍然有人可以相对较好地进行推荐。我想到了书店员工，他们只根据几个个人问题推荐要阅读的书籍。记得小时候，影音出租店老板很擅长推荐非主流但个性化的电影。我认为这些工作即将消失（如果还没有......），所以也许是时候问问自己我们是否真的应该进入完全自动化的世界，那里的建议只是基于机器的。
实际上，人类会根据自己的感受和经历来预测一些事情。但是机器这样做只是形成了他的经验（数据历史）。视频店老板除了经验之外，对于一个可以与其他人匹配的特定视频有一种感觉。但是当机器选择某物时，它会看到评级/销售率等。因此，计算机遵循静态，但人类不仅会这样做。此外，人类无法像机器一样快速地跟踪静态数据。当我们需要一些真正具有计算能力的东西时，计算机就会在那里发挥作用。例如哪部电影会成为今年的热门电影？