2.3　搜索与推荐的区别

搜索和推荐都是用户解决信息过载的有效手段，能够帮助用户快速准确地定位到想要的信息。互联网上搜索和推荐这两种方式大量并存，它们之间到底有怎样的区别呢？

1）按照用户意图是否明确，我们可以将两者进行区分。搜索引擎是一种用户意图明确的信息检索方式，用户能够提供查询关键词，指引搜索引擎查询相关内容。这个过程是用户主动发起的。反之，当用户意图不够明确时，推荐系统就能够满足用户此时的需求。比如音乐播放器根据用户的喜好和历史行为给出用户推荐列表，电商平台根据购买、浏览等记录给出用户可能喜欢的商品列表，这些都是用户在意图不明确的时候被动接受的内容。也正是因为推荐系统不需要明确的搜索内容，所以能够满足用户难以用文字表述的需求。

2）两者个性化区别。当用户在输入想要检索的内容时，搜索引擎展示的结果基本固定，个性化程度较低。推荐系统的个性化程度较高，因为推荐并没有一个标准的答案。推荐系统可以根据每位用户的历史观看行为、评分记录等生成一个当下对用户最有价值的结果，这也是推荐系统独特的魅力。

3）评价标准不同。搜索质量的重要评价标准是能否帮用户快速找到准确的结果，因此搜索引擎的排序算法需要尽量把最好的结果放到前面。总而言之，“好”的搜索算法需要让用户获取信息的效率更高，停留时间更短。搜索引擎常用的评价指标有：归一化折损累计增益（nDCG）、精准度–召回率（Precision-Recall）等。而推荐系统则希望用户被所推荐的内容吸引，停留更长的时间，有更多的持续性动作。对用户兴趣挖掘的越深，推荐的成功率也就越高。推荐系统的评价面要更加宽泛，推荐结果的数量也更多，出现的位置、场景也更加复杂。对于Top N推荐，MAP或CTR是普遍的评价方法；对于评分预测问题，RMSE或MAE是常见量化方法。

4）马太效应和长尾理论。由于用户使用搜索引擎是为了快速找到结果，因此绝大部分用户的点击集中在排列较靠前的结果上，而排列靠后的结果以及翻页后的内容很少被关注。这就是著名的马太效应，即热门物品受到更多的关注，冷门物品则越被遗忘的现象。长尾理论是指冷门物品的种类远远高于热门物品的种类。在电商领域，如果这些长尾物品被充分挖掘，其带来的价值可能会超过热门物品所带来的价值。推荐系统能够发现被“遗忘”的非热门的物品，将长尾资源盘活和利用，引起用户的注意，挖掘用户的兴趣，提供给用户更多的选择。而且，依赖热门内容可能会导致潜在客户的流失。