很多事物本身是有好有壞的碉碉，我們只要挑出里面好的柴钻，然后充分為我所用即可」噶福“物盡其用”大體就是這個意思贴届。
具體的一個實例是，這些天在琢磨著Tensorflow的學(xué)習(xí)蜡吧，通過sougo來對微信公眾號里的內(nèi)容進行檢索毫蚓，獲得了不少有益的文章。但微信公眾號成為內(nèi)容的主陣地也是有好處的昔善，資源集中元潘，也便于搜索引擎的挖掘。不過這種獲取信息的方式其實是有一定問題的君仆，也就是他是一種被動的關(guān)鍵字檢索翩概。而且短期內(nèi)前幾頁的排名不會有變化牲距，如果有新的合適的內(nèi)容產(chǎn)生，我很難獲取到钥庇。這個時候我想到了推薦牍鞠，而推薦我則想到了今日頭條。
今日頭條之前安裝過评姨，但是終究覺得“品味”太Low,而且有一定的成癮性难述，所以我就果斷的刪除了。沒想到這次可以利用上它吐句。使用今日頭條胁后，主要基于如下考慮：
- 比如我要學(xué)習(xí)tensorflow，那么其實我還要了解Python蕴侧，傳統(tǒng)的機器學(xué)習(xí)择同，以及深度學(xué)習(xí)理論。推薦系統(tǒng)一般都是基于內(nèi)容而非關(guān)鍵字净宵，并且新產(chǎn)生的相關(guān)內(nèi)容很快會推薦給我敲才，甚至還有可能有驚喜。
- 我也不知道我具體需要什么择葡，我只是一個大致的方向紧武，比如tf相關(guān)的，純粹的深度學(xué)習(xí)理論也行
- 系統(tǒng)需要不斷的試探我敏储，我只要簡單給出是或者否(點擊或者不點擊)阻星，然后越來越合我的口味就好
于是我開始了實際的操作。首先我需要想辦法告訴今日頭條已添，我想看tensorflow相關(guān)的內(nèi)容妥箕，或者深度學(xué)習(xí)，圖像相關(guān)也行更舞，所以我需要播撒種子畦幢。具體的辦法是，我在輸入框檢索了tensorflow關(guān)鍵字缆蝉，然后只是通過查看標(biāo)題宇葱，點擊了一些我喜歡的內(nèi)容。
接著我進入推薦頁（也就是今日頭條的首頁）刊头，發(fā)現(xiàn)效果并不是非常好黍瞧，不斷的刷新，偶爾才會出現(xiàn)一兩篇機器學(xué)習(xí)相關(guān)的文章原杂。于是我在想印颤，可能需要在推薦流里點擊內(nèi)容才會形成反饋，所以我不斷刷新污尉，看到機器學(xué)習(xí)或者python之類的膀哲，我就點擊往产，加上之前搜索的，一共點擊了48篇文章某宪。
之后查看推薦的信息流仿村，得到了反饋，機器學(xué)習(xí)兴喂，大數(shù)據(jù)以及編程的內(nèi)容開始顯著增多蔼囊。
我又多刷了幾次，再看兩張圖：
這個效果已經(jīng)比之前好很多了衣迷。為了防止出現(xiàn)內(nèi)容過于單一畏鼓，推薦系統(tǒng)其實一般都有相應(yīng)的機制去抵消這種作用，并且時間過短壶谒，很可能無法對推薦系統(tǒng)的長期用戶畫像產(chǎn)生影響云矫，所以我們可能需要花較多的時間，進一步的調(diào)教今日頭條汗菜。
其實這里我們可以看到让禀，未來人們進入并且學(xué)習(xí)一個新的領(lǐng)域的知識，推薦會變成一個很好的助手陨界。事實上巡揍，對于解決特定的問題，推薦也是非常合適的菌瘪。搜索缺乏一個Session（會話）腮敌，缺乏一個反饋，當(dāng)我們解決一個問題的時候俏扩，推薦會不斷的去嘗試理解你（給你推出它認為你需要的內(nèi)容）糜工，然后根據(jù)你的反饋，點擊或者不點擊录淡，來調(diào)整自己啤斗，從而給出新的嘗試，直到解決你的問題赁咙。而且推薦系統(tǒng)底層一般都坐擁海量的內(nèi)容，它知道的很多免钻。
