編者按：本文來自微信公眾號“量子位”，作者：賈浩楠，36氪經授權發布。
你和你的好友，正在免費幫微信訓練神經網絡。
不僅如此，微信的這項新研究，讓你和朋友之間，更加潛移默化的互相影響。
不知不覺，你有機會更加了解了朋友的喜好，自己潛在的興趣點，也有更大可能被挖掘出來。
以前是和好友一起吃飯、逛街，以后，可能是一起刷朋友圈了。
這怎么說？
其實，我們大部分人在刷朋友圈或公眾號時，很少抱著強烈的目的性。
用戶基本不會像使用百度一樣，專門為某一個東西進行有目的的搜索瀏覽。
這意味著，你看到的內容，有很大的隨機性。
那么，怎么樣才能“投你所好”，給你推薦更有趣的內容，并且在推薦過程中，突出社交特征，讓你和好友們互相分享愛好呢 ？
在一項北京郵電大學和微信共同研究中，提出了一種新型的神經網絡SIAN（Social Influence Attentive Neural Network），社交影響導向的神經網絡。
這項研究《Social Influence Attentive Neural Network for Friend-Enhanced Recommendation》是ECML-PKDD-2020會議論文。
顧名思義，SIAN的訓練采用微信朋友圈“看一看”，或其他類似平臺的用戶數據，而SIAN最大的特點，就是根據好友偏好，明確向用戶推薦好友曾經關注或互動過的內容。
基于SIAN的好友增強推薦系統（Friend-Enhanced Recommendation，FER），只為用戶推薦好友交互過的商品（讀過的文章），實際上是將朋友圈的好友作為高質量信息過濾器，為用戶提供可能感興趣的內容。
與特定內容交互過的所有好友都會顯式的展示給當前用戶。你的哪些朋友看過這個特定內容，你都能知道。
這一特點重點利用了社交關系對人的影響，增加了用戶與朋友的興趣交流，和發現新東西的機會。
也為用戶行為提供了更多的解釋參考。
舉個例子來說，假如在微信朋友圈的“看一看”，Jerry的推薦中，出現了一篇關于AirPods的文章， 他的好友中Tom、Lily、Jack都閱讀了這篇文章。
如果是原先的推薦系統，不會以社交關系作為優先權重， Jerry看到的，可能是任意朋友“在看”，是否打開這篇文章可能完全看自己的心情。
而現在，他能精準看到混數碼科技圈的達人，Tom也看了這篇文章。
那么他點擊閱讀的概率就會大大增加，跟朋友Tom交流相關話題的可能性也增加了。
而關于娛樂八卦的新聞，Jerry的推薦中會突出有相似偏好的朋友的“在看”，不會是搞科技數碼的朋友。
這樣，“看一看”功能就變成了由你的好友“把關”的內容推薦平臺，你能看到你的好友興趣所在，同時能獲得相關話題的優質信息。
SIAN本質，是利用異質社交網絡建模好友增強型推薦場景。
除了用戶和物品的向量參數，SIAN 還通過耦合有影響力的好友與某一種物品的聯系，來學習社交影響力的低維向量參數。
通過學習用戶、物品和耦合的社交影響力的向量參數，SIAN最重要的功能得以實現，預測用戶??和物品??之間交互的概率。
因為相同類型的不同對象，可能對特征聚合的貢獻是不同，研究團隊在SIAN中設計了分層的節點級和類型級的注意力特征聚合器。
在每個級別，注意力機制區分和捕獲鄰居和類型的潛在關聯性，使得SIAN模型能夠更精細地編碼多方面的異質信息。
與之前的同類研究不同的是， SIAN不需要基于任何先驗知識手動選擇路徑。
另外，團隊設計了一個社交影響力耦合器，其用來捕獲一個有影響力好友（例如 Tom）和一個物品（例如和airpod相關的文章）的聯系， 從而量化這個“組合”的綜合影響力程度。
最后，模型基于用戶、物品以及耦合的影響力參數，將三者拼接并送入兩層神經網絡中，并通過一個回歸層，預測得到用戶-物品的交互概率 。
本質上說，SIAN是一個重社交關系而非單純喜好的推薦系統。
在兩個公開數據集（Yelp和豆瓣）以及微信“看一看”數據（FWD），研究團隊進行了評估和分析。
SIAN模型明顯優于對比方法。特別是和傳統的推薦方法相比，SIAN模型依然表現突出，這得益于社交影響力耦合器編碼各種社交因素時的能力，也這進一步證實了社交影響力在推薦系統的重要性。
SIAN模型學習得到的好友類型的平均注意力權重值，顯著大于物品類型的平均注意力權重。
這表明了SIAN模型更加關注用戶的社交關系，這種關注甚至超過了內容本身。這同時也驗證了“看一看”好友推薦圈是好友增強推薦中最重要的因素。
除了重社交的特點，研究團隊還發現了一些普通用戶有趣的行為偏好。
在看一看數據集上，研究團隊發現了用戶行為是如何受到不同屬性的好友影響的。
下圖的結果說明，用戶行為受到更具權威性的朋友的影響， 而與用戶自己的權威度無關。
同時，高權威朋友對中等權威用戶具有更大的影響力。
“用戶通常更容易受到權威人士的影響“，這和我們的常識也是相符的。
因此存在一個有趣的現象：人們通常更加關注“達人”、“大佬”等等權威人士的動向（或者僅僅是關注這些人本身），而不是他們自己的實際喜好。
SIAN的推薦系統，讓我們膜拜大佬又有了新姿勢！
當然啦，你也可能成為別人“看一看”中的“權威人士”。
