Netflix是如何向4000万用户精准推荐电影的-虎嗅网

虎嗅注：本文来自爱范儿网，虎嗅进行了相关编辑。在信息爆炸的时代，智能推荐应时而生。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。Atlantic网站的Alexis C. Madrigal通过对Netflix影片分类的深入分析以及采访Netflix产品副总裁，揭示了Netflix影视推荐背后的真相。

外界的解读：语法

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。

内部的解答：内容撕裂、量子理论

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。

2006 年，Yellin组织了十几个工程师，花费数月时间编写一份名为“Netflix 量子理论”的文档。当时，他把组成影片的基本元素称作“量子”。如今，他更喜欢“微标签”的说法，因为现在看来，“量子理论”是一个自命不凡的名字。

这份文档描述了为影片各种层面加标签的方法，涉及影片结尾、主角的“社会接受程度”等等方面。标签是标量的，从1到5，就是说，所有的影片都有一个“浪漫程度”的标识，而不仅仅是那些表明是“浪漫片”的电影。每个电影的结局都有打分，从幸福到悲伤。每个情节都有标签。主角的工作有标签。影片的地点有标签。

Netflix的工程师以“微标签”为基础，创造了一种语法，来生成各种类型。这是一种人工和机器算法的结合。Netflix 的做法，与 Pandora 的音乐基金组计划有些类似，但是 Netflix 不仅仅展示给你喜欢的内容，还能够对其进行文字描述。

这些标签数据不仅仅用来生成类型，也用来增加推荐的个性化程度。如果你喜欢动作冒险类电影，并且浪漫程度比较高的，Netflix 可以推荐给你。“我们将对影片中的浪漫程度做出标注。我们不会告诉你它有多浪漫，但是我们会推荐它，”Yellin 说，“你会看到动作场面，里面的浪漫程度如何，那取决于我们对你的了解。”

算法的哲学思考：是失误也是特色

在采访结束之前，Alexis 向Yellin展示了一个有趣的图表。Netflix上最受欢迎的演员排名中，第一名的是Raymond Burr，50 年代电视剧Perry Mason的主演，而第七名的是Barbara Hale，在剧中扮演主演的秘书。为什么这两个人能够超过梅丽尔·斯特里普、塞缪尔·杰克逊、尼古拉斯·凯奇和肖恩·康纳利？

这是一个谜题。即使是Yellin也搞不懂，为什么他们的名字出现在那么多的“微类型”中。这是无法用逻辑来解释的问题。

“让我们做些哲学思考吧。在人类社会中，生命由于意外而变得有趣。”他说，“当你把复杂的东西添加到机器的世界时，你也在添加自己无法想象的意外。Perry Mason就会发生。这些机器中的鬼魂，经常是复杂带来的副产品。有时候我们称它为失误，有时候我们称之为特色。”

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉，请联系tougao@huxiu.com

Netflix是如何向4000万用户精准推荐电影的

大 家 都 在 看

大 家 都 在 搜

大家都在看

大家都在搜