根廷斯笑笑，“对。”
杰森·基拉尔不相信，以为是双方对术语的理解分歧，又重复了一遍，“是个性化推荐，不是类型化推荐？”
类型化推荐很简单，hulu也可以做。
比如一个用户喜欢看动作片，那系统就可以继续给他推荐一些其他的动作片。用户喜欢看恐怖片，用户就给他推荐其他的恐怖片。
类型化推荐的核心是基于电影分类，依靠的是客观数据。个性化推荐则不同，是基于用户分类，依靠的是算法技术的主观判断。
可是，电脑技术真的能做到吗？
传统的电视节目，包括hulu上的影视节目推荐，背后依靠的都是实实在在现实数据，比如电视剧的收视率、电影票房数据、dvd碟片市场的销量数据等等。
还有就是电影评分网站。
这些都是真实存在的数据，是客观存在的。
越客观，越理性。
比如一部电影票房特别好，那么给用户推荐，就一定没错。比如一部电视剧的首播收视率非常好，那么给用户推荐，也一定没错。
如果是基于计算机技术的主观判断，这种运营模式的逻辑点在哪？如果算法的主观推荐和依靠传统数据的类型化推荐所推荐出来的影视作品都一样，那这种所谓的人工智能个性化推荐的意义又在哪里？
花了这么多钱，看着很唬人，最后还不是要根据电影票房、dvd销量和电视台收视率来为影视作品类型化地从高到低排列座次？
就像有一个用户喜欢看爱情电影，那就按照爱情的分类从高到低地按次序推荐就行了，《泰坦尼克号》《乱世佳人》《罗马假日》《剪刀手爱德华》等等，需要什么个性化？
哈根廷斯心中多少有些优越感，保持着礼貌的微笑，“的确是个性化推荐，这还是周先生给我们提供的新思路。”
“这……”
杰森·基拉尔很难理解，就看向了周不器。
周不器点了点头，“往大里说，这就是预期偏好和现实偏好的差距。预期是不抽烟不喝酒，保持身体健康，现实是既抽烟又喝酒；预期是创业改变世界，现实是毕业后考了公务员；预期是周游世界，现实是柴米油盐。每个人都有一个更好的预期，但每一个人都有属于自己的特殊现实，这就是个性化。”
哈根廷斯忍不住鼓掌。
杰森·基拉尔还是不理解，一脸茫然。
周不器笑笑，“高票房的电影，说明
本章未完，请点击下一页继续阅读！