I'm Marcus 的閱讀軌跡（推薦系統）

今天看到 I'm Marcus 的文章：「来玩玩新开发的小游戏吧」。

Marcus 在自己的部落格實作了一套基於「閱讀軌跡」的文章推薦系統，這個設計還滿有意思的。

我觀察到的一些東西：

1. 文章向量壓縮到 64 維，整份資料不到 200KB，載入和計算速度都很快。
2. 使用者記錄存在瀏覽器的 Local Storage，完全不需要後端，隱私性高又即時。
3. 文章不僅能標記「喜歡」，還能標記「不喜歡」，系統會同時考慮兩種訊號。
4. 根據「已反饋文章」計算出使用者向量，並對「未反饋文章」計算相似度，決定推薦哪篇文章，也不會重複推薦。
5. 每次根據當下的狀態計算推薦，並且記錄下來，形成一條固定的閱讀軌跡。

我推測他的運作原理大概是：

1. 使用者向量 = AVG(喜歡文章向量) - AVG(不喜歡文章向量)
2. 計算所有的 Cosine Similarity(使用者向量, 未反饋文章)
3. 取 Top 1 作為推薦

幾個吹毛求疵的小缺點：

• 只有推薦一篇文章的話，我自己會覺得有點「被牽著走」的感覺，選擇有點太少了。（不過這樣才是「軌跡」，所以也不是缺點，只是一種取捨）
• 按「換點口味」會被視為負反饋，但這不一定代表我對該主題不感興趣，可能只是對該文章不感興趣而已。
• 要讓使用者評分實在是有點難度，但這確實是比較尊重使用者的做法。（通常會用隱性一點的特徵）