本期嘉宾：万梦婷（UCSD 博士学生）

推荐系统已经是互联网产品的标准组件。精准的广告推荐是 Google 和 Facebook 的营收支柱。Amazon 首页最显著的位置的商品全部由推荐系统选择。今天这期节目，我们和万梦婷一起讨论了流行的推荐系统实现：从基本的基于记忆的协同过滤，说到了越来越复杂的基于模型的推荐系统。

推荐系统也是一个跨越多学科的研究方向。我们聊到相关研究的进展在帮助人们设计更加精准的推荐系统的同时，也在帮助研究者更深入的理解人们的交互行为。例如，推荐系统会给商品的不同属性赋予不同的权重，间接的揭示了消费者购物时的决策过程。另一方面，社会学科（尤其是心理学）的进展也可以帮助我们提升推荐系统的性能。例如，我们聊到了人们在评价一件商品时，会显著的受到其他评论者的意见。当人们想给一件商品打2星到3星时，如果发现商品的评论是全5星，会更倾向于打出2星而不是3星。RecSys 2017年的最佳论文就发现，如果推荐系统在设计模型时考虑到这一类消费者偏见，可以有效的提升系统的性能。