投稿|如何摆脱信息茧房？( 四 )
因为可以基于“邻域”做精准的推荐，以此满足用户多频次的消费和深度洞察；如果把“邻域”比作数学的“2”，它左手链接“1”，右手链接数字“3” 。
去邻域算法就是把“1”推荐给“3”，假设不做去中心化折中结果就是上述你看到场景，基于自己搜索习惯、爱好、距离做折中推荐 。
文章图片
对于人工干预比较容易理解，基础的说我基于某类标签做手动推送，如：性别类型、兴趣爱好、话题、KOL量级等 。
高维一点会融会贯通几项不同的数据综合考量，好比针对女人中对护肤话题感兴趣，客单价又在多少区间等 。
这种方式常见在中小型（百万级用户量）以上的平台，主要特征表现在技术的基础建设已经完成，属于发展中期还完全不能依靠自动化解决 。
一方面防止有巨大漏洞出现，造成损失 。
另一方面也能运用人工的方式灵活多维度的基于用户（商品）进行推送，比如基于点击率作为推荐指标时，排序算法筛选后，我们会以预测结果为目标 。
这些场景中就会用到因子分解，逻辑归因，梯度提升决策树，以及各种神经网络算法，这一切也把它称之为“混合模型” 。
但不管怎么样始终都离不开那两大原则“基于用户行为”和“基于内容”；综合上述，我们能得到什么启发呢？
企业招聘大量研发人员，利用理科的思维逻辑将人的行为特征变成“数据化”，由数据进行颗粒化，最终通过个性化的分析让平台更了解每个人，也就有了那句感同身受的话“我都没有平台了解我自己” 。
但真的是这样吗？这种理解就狭隘了 。
你以为平台很了解自己？其实我们不过是把爱好，需求形成的特征进行标签化沉淀在平台上，这造成推荐的内容都在自身的“认知圈内” 。
简而言之，每个人在头部资讯（购物）平台看到的展示页均不同，他代表一个人的视野和爱好，这仿佛似一面镜子疯狂的为你展现热爱的一面，它带来的利弊也是极为可见 。
孰是孰非从优劣上有两个方面：
一是良好的认知能力，二是陷入回音室效应 。
如果我们能够正确认知到信息茧房如何由来的，或者算法如何基于自身的各种行为形成“虚拟人设”为你定做线上画像；加上我们能够辨别哪些信息是优质的，哪些是不能为我所用，那就不存在“茧房” 。
这就给我们最大的启示是，很多时候我们听到的未必都是正确的，只有深入并全面了解才会摆脱困境 。
比如：很多人拼命的为摆脱算法的囚笼在平台看内容不点赞、不评论、不互动；这就能摆脱它吗？并不能 。
反而会为你推荐一大堆乱八七糟的内容让自身眼花缭乱失去对关键信息的辨别的能力 。
换句话说，“信息封闭环境”听起来是坏事，这好像人们无法接受其他信息一样，可实际上，这也是一种很常见的现象不是吗？
在没有互联网时，世界上的信息同等无穷尽，新的信息也在产生旧的信息也从未消失，堆积依然很多；即便人用上一生的精力学习也是有限，真正有所造诣的人都是在冰山上抓住某个一角 。
进一步而言，五花八门的信息看始终是看不完的，似乎看来人们不但没有损失什么，反而还让人愈发的认为筛选、寻找自身热爱、匹配自我不同阶段是当下不可缺失的能力 。
推荐阅读
- iphone|苹果教你如何让 iPhone 电池保持健康
- 投稿|一度超越微信登AppStore榜首，但“元宇宙”社交也难逃“月抛”魔咒
- 投稿|陕旅饭店集团破产重整，昔日“混改模范”为何沦为反面教材？
- 投稿|疫情之下，本土自主设备如何突围？中国制造的投机主义和长期主义
- 投稿|即视角｜出海正当时：欧美、东南亚、中东、拉美市场观察
- 投稿|“东南亚小腾讯”跌入谷底：受阻的业务飞轮撑不起千亿市值
- 投稿|员工行为几乎全裸？深信服“监控门”背后
- 投稿|信任危机？一场针对民族企业的商业“阳谋”
- 投稿|体量庞大，微软还能突飞猛进吗？
- 投稿|估值近百亿，从下沉市场走出来的书亦烧仙草，凭什么成黑马？