01 推荐算法为啥这么“灵”？要回答这个问题，首先得讲清楚推荐算法的原理是什么。我们知道，互联网最大的特点就是有海量的信息。不过，光是数量庞大是没有任何意义的，需要信息真正发挥作用才能产生价值。所以，如何让信息发挥价值，始终是互联网发展的一条主轴。为此，我们想了很多办法。“算法推荐系统”出现前，我们的做法是发现信息，这就是搜索引擎。搜索引擎很有用，但限制也很明显，遗留了很多问题。回想一下：我们要用搜索引擎找信息，不是直接就得到想要的结果，而是得首先掏出一个“关键词”输入进去，然后才能看到命中的结果。这个过程叫信息检索，也就是你得首先知道自己对什么信息感兴趣，得有线索，然后才能通过搜索引擎检索信息。但这就有个问题，互联网实在太大了，而人的认知圈子实在太小了，这就导致了大量本该有价值的信息，因为没被人看到，而只能静静躺在角落被白白浪费了。这个问题初看不可能有解，毕竟从常识推断，我们得首先知道那条信息，才可能判断对它是否感兴趣，这个过程应该没法颠倒过来，去发现我们不知道但感兴趣的信息。但推荐算法做到了，它改变了搜索引擎的做法，不再是发现信息，而是发现兴趣。推荐算法是怎样发现兴趣的呢？听起来好像很玄乎，不过原理远没有想象中的那么复杂，我用一句话概括——就是依靠人和物的关联关系，最少只要经过三次关联，就能完成兴趣发现，进行一次推荐。这么说不太形象，我举一个例子。我爱喝快乐水，经常去家旁边的便利店买快乐水，店长当然很快就知道我对快乐水感兴趣，这是第一次关联——我关联快乐水。接着，店长收完钱，想起来有另一位顾客也对快乐水感兴趣，名字就叫小编吧。小编也常到店里买快乐水，这是第二次关联——快乐水关联小编。这位小编和我一样，对快乐水有着相同的执念，但又有点不同：除了到店里买快乐水，小编还常买另一样东西——薯片，这就是第三次关联——小编关联薯片。想到这里，店长觉得：既然我们都爱喝快乐水，那没准你们也都喜欢吃薯片呢？于是，店长就向我推荐了薯片。这就是基于兴趣的推荐算法