为什么Netflix奖如此具有挑战性？

Question

刚刚阅读了Wired最近的文章,我很好奇:Netflix奖是如此具有挑战性的是什么？我的意思是尽可能最真诚,我只是对比赛所带来的困难感到好奇.大多数推荐引擎一般难以改善吗？如果是这样,为什么呢？或者,Netflix是否异常难以改进,如果是这样的话,那么Netflix的特殊之处在于它比亚马逊更具挑战性？

Answer 1

推荐系统存在难以解决的问题:

• 冷启动 - 在新系统或新用户中,没有足够的数据来为建议创建准确的统计模型.
• 评级偏差 - 如果您根据用户评分提出建议,那么评分的用户通常会根据自己的喜好调整结果.如果你是那种不喜欢额外评级步骤的人,那么具有相似品味的人可能不喜欢评级,因此他们的意见被排除在推荐之外.
• 未评级的项目不太可能被评级 - 如果您根据评级选择项目并因此评级项目,那么未评级的项目将不太明显,并且很难获得影响建议所需的评级.在另一个方向上,受欢迎的项目具有更高的可见性,更频繁地评级,因此在推荐中发挥更大的作用.
• 时间偏见 - 用户评分随时间变化.通过长期更改,您可以通过在建议中添加时间元素来进行补偿.短期变化难以解决.在查克诺里斯马拉松赛之后,你可能更有可能给动作片留下高分.第二天,在向Steel Magnolias哭泣之后,你可能会暂时不喜欢动作电影.
• 不同的动机 - 在基于项目的推荐系统中,您为阿姨的生日购买的针织书会扭曲您的建议(如果您没有花时间告诉系统不要使用它).你可能会给孩子们的电影评分很高,因为你的孩子喜欢它.

总之,这使得推荐系统难以改善过去.精度为80%的系统看起来很棒,但在5次中有错误.这使得他们比一些用户的价值更麻烦.

Answer 2

因为NetFlix已经拥有了非常好的推荐引擎.如果他们知道如何轻松改进它,那么他们现在就已经这样做了.他们的整个商业模式是向消费者交叉销售产品(电影).推荐算法确实是他们业务的核心.它的效果越好,它们的价值就越高.