推薦系統
搜尋
從非構造化的集合中，找出符合使用者需求（搜尋意圖）的文書
過濾、排行／排序
主動
推薦系統
從複數個候補中選出有價值的東西，輔助決定意志的系統
被動
當點閱率至上主義蔓延時，點閱率就會開始以與原始目的脫鉤的方式最佳化 最佳化的指標應該要設計得比監測指標更嚴謹
既往的推薦系統
近期的推薦系統
但其實也已研究超過20年以上
大目標：長期效果
推薦的多樣性與機遇
對內容生產者的顧慮
kujakujira.icon…雖然真要講直接省略成「演算法」算是被媒體誤用的說法？ 好像也不能說是錯就是
開設5個新的帳號，從全白的狀態觀察變化
在10天內依據相同的順序，3個人觀看YouTube，2個人使用Google搜尋
YouTube的3人搜尋自己的興趣後，觀看最上方的影片5分鐘
之後觀看「為你推薦」中最上方的影片5分鐘
之後再觀看該影片的相關推薦中最上方的5分鐘
總計觀看3支影片
到第6天後，其中2者改為搜尋「財務省解體」、「影子政府」
更改關鍵字的隔天，就有一半推薦變為財務省解體遊行的影片
其餘的一半也是批評自民黨的政治關聯影片
「影子政府」的則是在3天後有8支影片是川普或國際政治相關聯，原本的興趣只剩下1支
Google搜尋的2人前5天先各閱讀1篇國內外新聞、經濟、娛樂、體育等6個領域的頭條報導
到第6天後，只有1人改為搜尋財務省解體
和YouTube不同，Google搜尋在手機的「探索」頁面上不會推薦其他相關文章
各個平台為了相互競爭，會只要看過一次「當紅話題」後，就開始大量推播相關內容
https://www.youtube.com/watch?v=6Y8Wmroaq-I
2025-04-03