新聞報導Newsletter
  • 新聞報導
專題演講:如何研發適應不同用戶需求的系統
發佈日期:2020-01-16 
瀏覽數:958
 2020-01-16 更新

撰文者/資管四   侯宗佑

 

  資管專題討論邀請到馬里蘭學校級特聘講座教授Professor Roland T. Rust,演講主題為Adaptive Personalization System,意即一個可以適應不同用戶需求的系統。科技的發展不斷地加深公司與客戶之間的關係,不管是聯絡、儲存資料的形式、分析用戶的資訊等,都讓供給與需求的關係更密切,而雙向的互動讓原先的標準化產品逐漸不符需求,常常客戶期待的是更貼近自身、以自身需求做出調整的產品,也就是後來更常出現的商品「服務」。
 

  Prof. Rust研究的這個系統有三個原則,一是要最小化先行輸入的使用者資料,二是盡量參照使用時搜集的資料,三則是在知道使用者習慣、喜好的同時,保留給予使用者驚喜的空間,也就是使用者不會完全預測到自己會被供給什麼,並能開拓新世界。這個系統能夠推行,也仰賴各種裝置的演進時,隨之提升的使用者互動性。Prof. Rust舉了音樂串流的例子。以往市場規模落於音樂下載,而近幾年音樂串流成為一個更大的市場,各家廠商都在想辦法做出除了用戶自己選定歌之外的聆聽方式,如推薦系統。其中一家廠商Pandora 亦試著藉由使用者直接輸入的資訊來推薦他歌單,然而這個形式最後也失敗,包括背後的演算法與設定不佳,讓使用者逐漸失去興趣。近期市面上較成功的應用為協同合作式演算法,根據其他有相同興趣的用戶來構成對此用戶的推薦。而Prof. Rust所提出的這個系統又與其不同,他強調減少計算的需求量,將計算個體設為不同原型的組合,同時讓「使用者是否完整聽完一首歌曲」變成重要的依據,這是使用者真正有興趣的所在。
 

  另一應用是在社群媒體上。社群媒體的蓬勃,逐漸轉變資訊乃至新聞傳遞的管道,以往需要報章雜誌、電視新聞台才能獲得的資訊,現在藉由移動式裝置就能一手掌握,許多還有推播功能,通知使用者關注的領域最新消息。Prof. Rust的系統專注在行動裝置的新聞上,藉由Closed-form Bayesian Method,嘗試說明社群網絡是可以提升個人化新聞投擲的精準度。個人化新聞比起前述的音樂串流例子,是個更大的挑戰,據研究顯示,現代人平均一天只花8分鐘在瀏覽新聞上,如何把握這短暫的時間,讓使用者滿足所需,是成功的關鍵。撇開背後繁雜的計算,技術最後能達到的目標總是讓興奮,我本身也有訂閱音樂串流平台,對於想要發掘類似卻又嶄新的歌曲非常有感。今天在Prof. Rust的分享中看到不僅是應用層面的介紹,更有背後深層的技術介紹,相當欣喜有機會能夠聽聞與學習。