Cloud Wisdom in Resys 推荐系统中的群体智慧

I think, the most important thing in design resys is not to find a single algorithm which produce the most accurate predictions and recommendations. There is no such algorithms. Users preference is very different and different types of users have different patterns. Therefore, there is no single model which can meet everyone's habit.

我认为，推荐系统中最重要的问题不是找到一个能够产生极高精度的模型，因为这样的模型是不存在的。不同的用户有不同的兴趣模式，在这个世界上，我们不可能用一个模型来规范所以人的行为。如果这种模型存在，那么政府就很好管理人民了。所以，推荐系统的主要任务是设计不同的推荐算法，然后将这些推荐算法通过一定的方式组合起来。对用户进行分类，然后对某一类用户找到比较好的算法组合，只有这种方式才能设计出高精度的推荐系统。

Netflix Prize和GitHub Contest解决的是不同的问题，前面解决的是预测问题，后面解决的是推荐问题。基本上来说，Netflix中的算法几乎是不能用到Github Contest中的（除了KNN），但是模型组合的思想是放诸四海而皆准的。在Netflix中，我们用回归来组合模型，而在Github中，我们可以通过Bagging加上一些随机优化算法来组合模型（SA，GA都是著名的随机优化算法）。