在信息爆炸的时代，我们面对的选择越来越多。内容提供商们，比如音乐电台、视频流媒体、应用商店等，常常把内容分成不同的类型，以供用户们选择。不过，类型常常是一种宽泛的分类，并不能完全满足用户个性需求，而且类型区分过细的话，常常使人无所适从。 在这种情况下，智能推荐开始出现了。得益于计算机技术的进步，内容提供商能够对用户的爱好做出更为细致的分析，从而做出更加个性化的推荐。通过 对Netflix影片分类的深入分析，以及采访Netflix产品副总裁，Atlantic网站的Alexis C. Madrigal揭示了Netflix影视推荐背后的真相。
Netflix推荐影片的时候，会给出一个非常细致的类型，或者说是一种“微类型”。Alexis 想要整理出一份完整的微类型列表。由于Netflix的微类型多得离谱，他不得不借助于自动处理软件。在计算机连续运作一天之后，他看到了Netflix 微类型的数量：76897个。这些微类型是由一些基本要素构成的，基本语法是这样： 地区+形容词+类型（名词） +基于……+……为背景+来自……+关于……+从 X 岁到 Y 岁 （Region + Adjectives + Noun Genre + Based On… + Set In… + From the… + About… + For Age X to Y） 当然，有些微类型是不符合上述语法的，比如“有强势女主角”和“适合无可救药的浪漫主义者。” 在同事Ian Bogost 的建议下，Alexis还编写了一个类型生成器，试图理解Netflix的算法究竟是什么样子的。不过，他还是感觉没有看到全貌。于是，他联系了 Netflix，并见到了公司的产品副总裁Todd Yellin，那个创建了 Netflix 推荐系统的人。 在接受采访的时候，Todd Yellin说，他早就等着人们来问这个问题了。为所有的电影加上标签，正是他的主意，而他还自己写了一张24页的文档，讲述加标签的方法。他为早期的一些电影加过标签，而且主导了整个系统的创建过程。 ”我的第一个任务是：把内容撕裂开来！”他说。 |
