双11刚过，双12就紧接而至，不少在购物狂欢节中剁手的网友纷纷大呼要吃土。其实不只是在这两个购物狂欢节，有不少人在平常打开淘宝就停不下来。那么为什么大家逛着逛着淘宝就想剁手了呢？

​最近，阿里巴巴达摩院的科学家们发表了一篇名为《learning disentangled representations for recommendation》的论文，研究方向是人和商品匹配的过程中，人的认知因素。简而言之淘宝如何引流推广，消费者喜欢上一件商品，是对那些概念动了心，是因为什么原因点击、收藏、加购物车、下单。

达摩院的科学家们认为，这些所谓的认知因素是一种从人的角度理解商品的可传播可解释的概念，他们更像是广告商会选择去打动人心的记忆点。用户在购物时一般有两种行为，一个是主动去搜索自己想买的东西，二个是看系统推送的商品。搜索场景是用户主动去搜索自己感兴趣的东西，推荐系统是系统主动激发用户潜在的兴趣，帮助用户找到并接受意料之外的商品。

​因此，如何挖掘潜在的认知概念，并以合理的方式将潜在可接受的认知概念传递给用户，是推荐系统需要有所突破的地方。认知推荐更强调人的因素，其归宿必然是技术驱动产品形态上的创新，而新的产品形态则可以创造新的需求、用户习惯和新的商业场景。

为了让用户多“剁手”，科学家们建了一个采用了VAE框架的深度概率模型。这是一个深度生成模型假设用户的表征，指示了这些商品通常都对哪些宏观的消费意图。而解离化表征在带来一定的可解释性的同时，也带来了一定的可控制性。

这些可控制性有望给推荐系统引入一种全新的用户体验。比如用户在购买衣服的时候有自己的固定维度，比如说衣服的风格、价格、尺寸等，然后单独调整衣服的颜色等，系统会根据这个反馈调整推荐结果。这将帮助用户更加精确地表达和检索到自己想要的。

​但是这个研究还存在着许多不足之处，即不是所有的维度都可

来源【个人品牌】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！