解密：Netflix如何利用可识别上下文的算法个性化地推荐影片？

用户体验个性化的关键，在于推荐系统的有效性。怎样预测每个客户在访问网站或者点击进入网上商店的时候，愿意购买你的产品？

让我们来看看流媒体巨头Netflix是如何打造一套成功的推荐系统的。

Netflix向用户推荐的准确性很高，Netflix会员观看的节目中，有80％以上来自Netflix的推荐。

Hossein Taghavi是Netflix机器学习团队中，负责用户推荐的研究与工程经理。最近在一次主题是机器智能的活动中，他介绍了Netflix是如何在推荐算法的发现和延续中取得平衡的。

他说，无论推荐算法有多复杂，在网站上呈现给用户的内容，都是关于你给用户他们接下来应该看些什么的推荐，而且这会对用户交互带来很重要的影响。

Netflix意识到他们要构建一个非常棒的推荐系统，重要的是要平衡不同的观看模式：

> 有些用户会继续观看他们昨天在看的电视节目

> 有些用户想看一部新的影片

> 还有一些用户会重新看他们看过的老影片

所以，当你登陆Netflix的时候，你会看到有关所有观看方式的建议。此外，如果算法“认为”在某个特定的时候，你更有可能继续观看你正在追的电视节目或者影片，那么网站首页顶部就会出现“继续观看”的按钮。

Netflix的推荐算法可以识别出你刚刚看过了某个剧的所有剧集或者某个影片，所以你更有可能正在寻找新的节目，Netflix就会把一些你可能喜欢的新节目或者影片名称，放在页面的顶部。

Netflix推荐系统也是上下文感知的。例如，如果你观看的节目取决于你使用哪种类型的设备（例如，你会在iPhone手机上看动画片，当转到网站上就变成了《神探夏洛克》的最后一集，所以在不同设备上看到的推荐也是不同的）。