编辑导读：提起社交推荐这个词，许多人大概都以为很生疏。社交推荐是基于用户社交 *** 的一种算法推荐模式，本文作者从社交推荐的界说出发，团结从精准度、与算法推荐的干系和隐私界线这三个方面临社交推荐展开了深入阐明，并对其实用性举办了接头，与各人分享。

01  什么是社交推荐？

所谓社交推荐到底是什么？当我想当真思考这个问题的时候，我发明我基础没法从一个很好的点切入并给出精确的界说，于是我开始以要害词“社交推荐”为query举办搜索，可是无论是百度，照旧谷歌，并没有给出对应的谜底。

我不只开始疑惑，所谓的社交推荐，是不是又是互联网的一次无意义造词？

既然没有找到权威界说，那们就从自身领略出发，我对社交推荐的观点，主要有三点：

社交推荐的中心思想在于我会对信任/亲密的人推荐的内容/物品更感乐趣；

社交推荐与算法推荐是对立存在的，社交推荐不是算法推荐；

社交推荐的依据是用户干系链对内容/物品的喜恶；

尽量有了这三点认知，我大抵可以或许领略社交推荐存在的代价与意义，但有几个方面，我仍然存在疑虑。

02 关于社交推荐的一些疑虑 1. 社交推荐的准确度问题

关于这一点，大概有些难以领略，我实验描写一下，概略是这样的：

A对B的主动推荐，必然综合了A本身对付B的领略，举办了一道信息筛选，且是点对点的推荐。在社交推荐中，A推荐的发出是难以预设吸收工具是谁的，而吸收者往往是被动吸收A的推荐信息，假如说A主动推荐B，精确度是70%，而社交推荐中，A有十个挚友吸收到该推荐，那推荐的精确度就只有7%，而实际上，现代社会中许多用户的挚友数必然是远大于这个数的。

总结一下：

社交推荐熟悉的人“信息筛选”因为推荐面的扩大导致不置信；

社交推荐中推荐是点劈面/面劈面的推荐，精确度较之点对点推荐差许多；

虽然，我们可以通过阐明推荐内容对付B的适合水平，在推荐中，选择性举办揭示，但这种社交推荐，掺杂了算法推荐，还算是社交推荐吗？

纵然这依然算是社交推荐，A的推荐这一步调，是否能起到强有力的信息除噪，我小我私家也是打一个大大的问号。

2. 社交推荐与算法推荐的干系

假如凭据最简朴的社交推荐来领略，最焦点的两条原则应该是：

我的挚友A喜欢X，我和A干系密切，我或许率喜欢X；

我许多挚友喜欢X，我或许率喜欢X；

这两条原则指导下，社交推荐的后置事情就分为两块：

测算我和挚友A的干系密度（这涉及到用户画像与交互行为的阐明），大概还需要分垂类来阐明，因为纵然挚友也不会在各个维度乐趣偏好一致；

测算挚友对付X的推荐的置信度，差异挚友差异权重，差异推荐行为差异权重；

而算法推荐呢？

我们知道算法推荐主要有五种：协同过滤推荐、基于内容的推荐、基于关联法则的推荐、基于风行度推荐算法、殽杂推荐，而个中协同过滤推荐算法主要是分为UserCF（User Based Collaborative Filtering）和ItemCF（Item Collaboration Filter）。

等一下，我嗅到了一丝差池的气息，UserCF是不是就是我们上面谈到的社交推荐？

而这就存在悖论了，假如我认为社交推荐是与算法细密相连，那它就越来越趋向于UserCF，这是个老玩意，有利有弊。

而假如把社交推荐中算法的刨除，通过“干系链推荐+巨大法则”来领略的话，其精确率上限是极低的。

3. 社交推荐的隐私界线

除了上述问题之外，尚有一个问题始终困扰着我，那就是社交推荐如何清除隐私界线问题。

看一看中“伴侣在看”和“精选”社交推荐形式

就拿微信来说，我们领略的社交推荐经典利用场景在“看一看”、“视频号”两个模块。

在看一看中，“伴侣在看”中能看到每个挚友的推荐，假如伴侣写了评论的话，还可以看到这一条评论，而在“精选”中，除了算法推荐内容，社交推荐表此刻“伴侣都看过”这个tag，我们发明看一看对付社交推荐的运用是较为禁止的。

因为用户在欣赏公家号内容的时候，假如不想本身的互动行为被揭示，可以只点赞or保藏，在“精选”中，则是对社交推荐的深层运用，恍惚个另外推荐行为，而从群体着手来举办推荐。

视频号中挚友推荐的揭示