网络也会“读心术”

揣测别人的心思，然后投其所好，确实是一件“有利可图”的事情。眼下，一些电子商务网站就纷纷搞起了这个“营生”，而被摸准了心思的人们也是乐此不疲。

网站明白你的心

在淘宝网，如果你之前多瞄了几眼结婚用品，那么在“猜你喜欢”的栏条里，就会出现婚纱、喜糖、气球之类的相关用品。而在当当网，如果你买过几本作家六六的作品，那么《双面胶》、《仙蒂瑞拉的主妇生活》等书也会慷慨地出现在你的视野中。除此之外，豆瓣网推荐音乐的功夫，也确实令人折服。听过《小情歌》等旋律优美的舒缓情歌后，更多类似的婉约歌曲就会出现在你的播放列表中。

就像豆瓣音乐打出的广告说的那样“与喜欢的音乐不期而遇”。也许在听众的脑海中，这些正中下怀的推荐内容，确实有点不期而遇的味道。而事实上，这种浪漫的感觉，正是通过“推荐算法”才得以实现的。

而这项技术的出现，要从一个叫做杰弗・哈梅巴赫的数学天才说起，2006年，他从哈佛毕业后，进入了Facebook公司。在这里，他研究出了奠定Facebook业务的基石――“推荐算法”，运用这项技术，Facebook可以将广告精准地投放到目标人群中。自此之后，“推荐算法”迅速风靡，现在已经全面运用到诸多的网站中，从视频推荐、音乐推荐、购物推荐直到好友推荐等。

“推荐算法”很严谨

“推荐算法”就像一个会读心的魔法师，它的贴心使它的拥趸者与日俱增。“我听歌时常常只按下播放键，然后音乐台就会随机播放我喜欢的曲目。在网购时，我也习惯买几个随商品推荐的小玩意儿。”孙小姐是一位银行职员，她甚至在使用微博时，从“可能感兴趣的人”中，发现了自己小学的好友。在孙小姐的脑海中，她甚至不知道“推荐算法”这个名词，但是她却很享受这种便利的服务。

事实上，“推荐算法”并不像它的表象那么浪漫，它有着严谨的工作流程。中国电子商务研究中心高级分析师张周平告诉记者，推荐算法其实可以分成很多大类。最普通的推荐算法，是基于内容分析来进行的。用户在浏览网络时，会留下很多的“痕迹”，比如他们的浏览记录、购买记录等等，通过对这些信息的整理和汇总，系统会根据结果，为他们推荐相类似的产品，比如你浏览过很多次高压锅后，下次登录时，你的推荐栏中可能就会出现品牌不同、样式各异的高压锅。

智能是“推荐算法”的最大特点

“推荐算法”还有一种方式，让推测的范围更有想象力。张周平告诉记者，这种方法以属性或兴趣相近的用户经验，作为提供推荐基础的推算方式。它记录拥有相似喜好的用户经验，并将意见提供给同一群体内的其他用户。简单说来，就是在你购买帐篷、防潮垫等用品后，系统可能会向你推荐折叠餐桌、速干衣等其他的户外产品。

而在音乐领域，还有一种更为复杂的运算方法。人声分布区域、全曲平均每字时长、单句每字时长，这三个数据是用来推荐相似曲风歌曲的基础。

人声分布区域是一个时间段的概念，它结合整首歌的时长来获得人声演唱的相对时间段。因为通常来说，曲风、旋律都相近的歌曲，在人声分布区域上也是相近的。而全曲平均每字时长和单句每字时长，这与歌曲的节奏是一致的，不同的字长和时长把歌曲分为慢、偏慢、偏快、快四个类型或是更多类型。最后，通过综合这几个数据的结果，曲风、节奏、旋律相似的歌曲就会被推荐到你的歌曲列表中。

有趣的是，“推荐算法”还有一些新的功能。通过观察人们正在听什么音乐，搜索什么内容，甚至可以做出一些预测。谷歌根据“推荐算法”推出一种新的产品，用来尝试通过搜索的内容，预测奥斯卡金像奖的得主。据了解，过去几年的奥斯卡最佳影片，比如《拆弹部队》、《贫民窟的百万富翁》、《老无所依》等，都曾于获奖前在搜索引擎中表现出了至少四个星期的上升趋势。不过，这种预测的准确率也还值得商榷，最典型的例子就是搜索排行名列前茅的《社交网络》最终还是在颁奖礼上败给了《国王的演讲》。

“读心术”也有局限性

尽管“推荐算法”的“粉丝”无数，但它也不是总能令人满意。就像孙小姐说的，“系统提供的音乐尽管合我口味，但永远相似的风格，有时也让我厌烦”。而图书、服装等商品的推荐也面临这样的尴尬。比如当你在网购时买过一本书后，系统会将这位作者的其他图书也推荐给你，如果你听信了系统的推荐，那么几次之后，你的书柜就有可能变成这位作者的全集收藏库。而厌倦了推荐的人们，可能又重回到他们最原始的搜索方式了。

“推荐算法”能体察人心，但是它永远不会带给人们突破和惊喜。有网友在论坛上直言不讳地表示“推荐算法会局限我们感兴趣的领域，阻止我们发现新的精彩”。看来，“推荐算法”的读心术技巧，要想真正“摸清”人类复杂的内心，还需要很长的时间。