基于 ai 开发推荐系统的可行性？

[hahaha121]

假设有 10W 的用户数据，每天浏览新闻，是否是可以通过把用户的 id 和用户看过的新闻记录给过去，然 ai 自动分析用户对那些种类的新闻更感兴趣？

[woscaizi]

今日头条是一款信息类互联网产品，它会基于数据挖掘的推荐引擎向用户推荐文章。它由中国互联网创业者张一鸣于 2012 年 3 月创建，于 2012 年 8 月发布第一个版本。

[hahaha121]

@woscaizi 这种需要搭建数据分析后台技术栈有点多哦，我指的是直接用现有的通义之类的 ai 模型，然后之后得到推荐结果

[qiniu2025]

当然可以,但是很不可控,要控制 AI 按需要的方式推荐,还需要做很多工作,比如建立标签库,抖音给每个人都有 3000 个标签,训练专用的模型才能降低成本,用这些公开几十亿,几百亿参数的模型亏死

[hahaha121]

@qiniu2025 亏死是指 token 太多吗？ 每个人 3000 个标签，是啥玩意好奇

[ns09005264]

如果标签系统好的话，推荐系统用不上昂贵的模型就能有好的效果。
所以可以在源头上使用昂贵的模型对文章或视频进行标签分析，建立完善的标签系统，剩下的就可以用廉价的模型进行推荐。

[gaobh]

可以是可以，花的 token 估计不是一般的多

[hahaha121]

@ns09005264 好主意，成本巨降；

[hahaha121]

@gaobh 数据格式提前做压缩，压缩成特地的协议好的简化格式可以省一点，但可能扩展性不高； 5L 的方案感觉非常完美

[R4rvZ6agNVWr56V0]

@woscaizi 最早最算法推荐的不是张一鸣的今日头条，而是郑钧的玩聚 sr ，那会儿大概是 2008 年左右。

[huluhulu]

别把现在的 AI 神话，不过是 LLM 、AIGC 而已。
做这种事情，用数据挖掘/ML 之类的推荐系统足够了，效果比 LLM 好多了，成本还省很多。
要了解 LLM 的边界。

[musi]

v2 现在的标签也是由大模型驱动了，你可以去搜一下 livid 发的帖子

[Yadomin]

这不就是最新最热的 Generative Recommendation 吗

[w568w]

这个想法早在 LLM 刚流行那年就被研究烂了，结论是系统更重要。LLM 在系统中的地位固然重要，但系统设计本身和 LLM 其实没有太大关系，反而要为了 LLM 做出许多妥协（例如输入不能太长，输出要经过校验，优化硬件满足实时性要求等等）。

[woscaizi]

@GeekGao 郑昀-玩聚 SR 貌似和个性化推荐不一样

[murmur]

推荐系统核心算法 ：selelect title,content,author from articles order by paid_money desc

[murmur]

你这个东西有点悖论，就是新闻是没法推荐的，因为新闻的发生不以用户的主管爱好为转移，除非是编造的假新闻和洗稿新闻

比如我喜欢看美国着火，美国枪击，这事即便是美国也不够我看的啊

[R4rvZ6agNVWr56V0]

@woscaizi 非要说算法那肯定不一样（具体你可以看看他博客的历史存档），但是效果是差不多的。只是那会儿没有移动端。相比头条收集信息的维度少（例如性别、LBS 数据），底线更高，只推荐全网大 v 的内容，而非头条系杂七杂八的自媒体小黄文

[RealMan]

LLM 和推荐系统的结合一直都很火，我自己也是研究相关方向的。现在比较认可的方向是生成式推荐和对话式推荐，和用户的多轮对话，不断捕获用户兴趣，生成跟用户兴趣相关的推荐产品。和传统推荐系统是互相促进的关系，不是取代。

[neptuno]

术业有专攻，你可以按照大模型技术栈训练一个推荐系统，而不是调用 api