把最重要的决策权，握在自己手里
类似在线交友市场的情况也发生在其他市场。一些市场已经领先，其他市场仍然滞后。但是，任何想要继续做交易的市场都无法抵制这样的变化。再过几年，我们将会拥有可以随意支配的强大的海量数据系统，这些系统足够了解我们，能够为我们的市场交易提供有意义的帮助。这样，我们就可以使用更少的资源，花更少的时间，却能获得更好的匹配。效率红利唾手可得，但这还不是全部。
在人类历史上，我们第一次有机会，在进行合作时，对是否要参与那些至关重要的决策做出选择，或者对参与到何种程度做出选择。我们将会引导机器学习系统去做那些无聊的事情，把那些能给我们带来最大快乐的决策留给自己来做。我们会故意放弃一些选择，这样我们就可以专注于对于我们来说最重要的选择，并将决策的需求与选择的快乐分开。
但是，当我们重塑市场，为其注入海量数据时，我们也必须理解并重新思考公司的角色。
- flop、turn和river分别是发头三张公牌、发第四张公牌和发第五张公牌。因为选手看了公牌后就了解公牌能和自己的手牌组成的最终牌型，并且这三轮都要下注，所以人类选手容易出现情绪波动。——译者注
- 波士顿红袜队自从1918年把球员贝比鲁斯转给纽约扬基队之后，直至2004年的86年间，它就再也没有获得过冠军。——译者注
- 中文的“分类”，有两种可能的解释。一是classification（整理），它不涉及层次关系，例如把人分成男人和女人；二是categorization（分级），它是有层次归属关系的，例如，这本书在京东上的一个类别路径可能是“图书–经管综合–经济–智能经济”，后面的类别从属于前面的类别，类别之间存在包含关系。上述两种分类方式都可以通过打标签（tagging）来完成，但分类只是一种非常特殊的标准化的标签，通常我们的标签是个性化和随意的，例如网站往往允许和鼓励商家给商品，或者作者给文章自由选择若干标签；有的网站还允许消费者或者读者也打出标签。本体描述实体以及实体之间的关系，其中具有排斥性的属性（对应class，例如性别）和属于（对应category）只是本体中两种常见的关系。所以本体的内容要远远比分类丰富。与标签相比，本体是标准化的，标签是随意的。作者在描述这些概念的时候对其边界不太清楚，而且容易让读者感觉标准化的类别要比率性而为的标签系统更便于信息检索和精准推荐。实际上，除了更易于管理外，目前没有证据显示标准化的类别比随意的个性化标签具有更好的信息组织、导航和发现能力。读者可以参考综述Z.-K.Zhang, T. Zhou, Y.-C. Zhang, Tag-aware recommender systems: a state-of-the-art survey,J. Computer Sci. &. Technol. 26（2011）767。——译者注
- 个性化推荐，即给不同消费者按照其喜好推荐最符合他们口味的个性化产品列表，是这本书所提到的匹配算法最常见的应用场景。具体介绍和主流算法请参考文献L. Lü, et al., Recommender Systems, Phys.Rep. 519 (2012) 1。——译者注
- 译者在厦门参加一次校友会的时候，曾听一位做连锁酒店的校友抱怨：酒店相当部分的收入都必须分给携程、艺龙等信息平台，而如果他拒绝和这类信息中介平台合作，那么没有客人会找到他的酒店。——译者注
- 实际上，推荐系统并不需要真正了解消费者的偏好。例如消费者甲买了商品A，然后系统发现买了商品A的乙和丙都买了商品B，于是系统就把商品B推荐给甲。这种通过发现和目标消费者购买行为相似的消费者，并把他们购买过而目标消费者没有购买的商品推荐给目标消费者，或者推荐经常与目标消费者购物车里的商品一起被购买的商品，就是推荐系统中最主流的算法之一——协同过滤（collaborative filtering）。在该算法中，系统不需要真正了解消费者的偏好或者为什么要买某商品。亚马逊自身就是协同过滤的先驱研究者，读者可以参考著名论文G. Linden, B. Smith, J. York, Amazon. com recommendations: Item-to-item collaborative filtering, IEEE Internet Computing 7(1) (2003) 76.——译者注
- 这个条件不必然，它取决于算法。例如谷歌的翻译算法更多的是发现模式而非挖掘内容。——译者注
本书评论