网站或其它推荐系统利用历史信息为用户提供个性化阅读材料，在经过很长的时间以后，个性化就会收敛到一个“向量”上。是否意味着在长期的使用以后，个性化阅读会逐渐缩窄用户的视野和知识面
仔细考虑了一下，在某些情况下我觉得这种情况是有可能的。这个过程中可能以下的一些东西会是关键的：每个人所关注的话题总数：例如为了加速收敛，限制每个人只能关注5个话题，又或者如社交网络上，一个人的“好友”数目有限时，那么在添加“你可能认识的人”（与自己共同好友数目多的人，或者其它修改的PageRank算法得到的推荐）的同时就不得不删除那些跟自己不那么亲密（或者共同好友数目少的朋友），这样的限制会加速收敛现象的发生；跨学科的文章的数目和每个文章的分类标签数目：跨学科的文章的数目的重要性如社交网络中的“弱连接”，如果没有这些弱连接，整个“小世界”的网络也无法被建立起来，因此为了使得网络具有小世界的特性，需要有足够多的跨学科的文章在系统中，这样可以不断学习并根据用户的阅读习惯推荐其它的文章。为了实现这一效果，每个文章的分类标签也不能太少；除此之外，还有很多地方的小改进可能会使这种收敛的速率稍稍降低，例如“其他读者关注的热点”“按时间排序而非推荐系统根据个人对相关话题的喜好排序”等等就很可能是降低收敛性的方法。此外，对阅读过程中的一些意外怎样识别并利用Bayesian概率平滑地处理（例如一个关注朝鲜新闻的人最近看到NBA球星访问朝鲜的新闻，是否考虑下次向他推荐体育新闻？），迭代过程中的一些不同的松弛的取法，文章与文章之间“距离”公式的细微差别等等也会对这个过程起到很重要的调节作用。在我看来，未来的一个好的推荐系统，应该根据读者自己的习惯，调节出“发散模式”和“收敛模式”两种^_^。
■网友
【网站或其它推荐系统利用历史信息为用户提供个性化阅读材料，在经过很长的时间以后，个性化就会收敛到一个“向量”上。是否意味着在长期的使用以后，个性化阅读会逐渐缩窄用户的视野和知识面】 最近很讨厌这种个性化推荐，包括今日头条、淘宝、搜索引擎等这些应用上的个性化推荐，真的很烦，因为很多推荐的内容是当时有需求才去搜索和浏览的，现在我已经不再有这个需求了，可绑定在这些应用中的个性化推荐还是会根据我的浏览记录等行为来给我推荐我已经不需要的资讯、商品等内容，很让我反感，不知道大家有没有这种感觉。如果将这个问题放大到学术或者算法上的问题的话，专业人员有没有考虑过我这种消费者的需求呢？不知道专业人员怎么看待这个问题呢？
推荐阅读
- 有啥方法，网站，项目可以自己练习计算广告学
- 设计专业学生上传自己的作品，用哪个网站比较好
- 汽车知识|月薪5000元，推荐4款车型，可全款可分期，既有质量又有面子
- 环球车讯网|【帮你选车】简单粗暴 前后双电机+四驱 三款纯电SUV推荐
- 学图像处理有哪些不错的书推荐
- 环球车讯网|8万元最佳性价比大众车推荐丨桑塔纳和宝来
- 人民车市|第12批新能源汽车推荐目录发布 众多热门车入选
- 婴儿|美国儿科学会： 1岁以下婴儿不推荐学习游泳
- 大学要开始查文献le，求问有哪些中英文的文献网站或下载工具（最好是医药，生命科学类的），多谢啦?
- 电商网站支付流程的流失率是怎么样的从用户点击充值/支付按钮，到支付完成，其中每一步的流失比率都是咋样的