1樓：Alexsqiao
談論問題前，先定義清楚問題。
我理解題主想問的是，大資料給人的推薦導致流行的成為更流行，小眾的東西日漸消亡。
在推薦系統的早期，單個個體收集的資料不足夠，因此，初期推薦系統具有馬太效應，即系統會增大熱門物品和非熱門物體的流行度差異，讓熱門的物品更熱門，不熱門的物品更加不熱門。很多研究也表名，現在主流的一些推薦演算法（比如協同過濾）是具有馬太效應的。
但是，隨著資料的積累，大家基本上都意識到這個問題，現在的評測推薦系統，推薦物品的多樣性、新穎性甚至精細度也已經成為考核的指標。在資料探勘和建模領域，只要評價目標制定的合理，模型系統的提公升就會朝著正確的方向穩步前進。再加上神經網路和深度學習在推薦系統領域的深入應用，目前大型公司的推薦系統都可以解決長尾效應的問題。
亞馬遜基本上已經可以做到各種物品被顯示給對它們感興趣的人群。
所以，結論就是分群會越來越細化，未來不是流行徹底碾壓小眾，反而是小眾生命力越來越頑強。
2樓：
第乙個波浪線之下的東西的沒太看懂。
搜尋打火機之後只推薦打火機大概是因為現在遷移學習做得不夠好，從小集合延伸出去的效果不是很好。不過我只是個小白，希望大佬能從技術方面分析一下這個問題。
順便對題主說一句：
在上綱上線，憂國憂民之前，先要把問題分析清楚。
3樓：
這個恰好說明，大資料技術還不夠好，還有發展空間。
比如乙個蛋疼的，我在京東買了臺電腦，然後它給我推薦了半年電腦。。。其實這種很容易改進，把推薦時間推遲到商品淘汰週期就行了。
另外還有聚類分析。隨便舉幾個例子，經常搜尋二次元的人可能是宅男，你需要給他推薦的是泡麵香菸和衛生紙。。。經常進行英文公司搜尋的可能是商務分析人士，你要給他推薦打折機票。。。
這種群體特徵需要具體的資料分析。不一定精確適用於每個個體，但足以讓你盈利。
搜尋打火機就推薦打火機，這個是很low的關聯，沒什麼價值。這方面很多任務作可以做，但現在還沒有人去做
根據網際網路泡沫，談談大資料泡沫？
數睿資料 在一開始網際網路還沒有發達的時候，我們談及網際網路，甚至將其天天掛在嘴邊，可能會覺得是泡沫，但在今天，我們還能說網際網路泡沫嗎？網際網路帶給我們的生活上的便利，帶給這個世界上的一些優勢，它的技術 價值被體現，泡沫一詞對於網際網路而言是不真實的。而如今的大資料其實和網際網路是相像的，我們目前...
做大資料方向還是做網際網路方向的開發好？求職業規劃
hzldds2020 可以考慮網際網路行業的，有外企背景，呆二年，試試一線大廠。廠裡的任務比較靈活，工作比較有挑戰性，轉大資料的機會也很多。送你一句話，沒業務就沒資料，沒資料哪來的大資料？ Bo Yang 其實大資料和網際網路不是兩個方向，大部分時候網際網路公司都會用到大資料。總的來說，平時可以多看...
網際網路時代是不是造謠太簡單了？
左華棟 由於網際網路的傳播屬性，基本上是造謠一張嘴，闢謠跑斷腿。資訊分發的成本過低，而大量的使用者很少去篩選和核實資訊。因為大腦會很自覺的排除和我們價值觀不符的資訊，讓我們總覺得自己都對，當我們看到資訊時，首先判斷是合不合自己的口味，而不是合理不合理。而網上經常只是片面的資訊，前因後果往往不會公開，...