“推荐算法”量化评估新生兴趣爱好相似度
8月初，一张网络问卷在南京大学2018级本科新生中传开。问卷中，不仅有“作息时间”、“空调使用习惯”、“个人卫生习惯”、“共用物品和消费倾向”等调查选项，还有“兴趣爱好”一栏。这是南京大学向18级新生派发的自愿参与的问卷调查，调查学生生活习惯的同时，学校向新生们保证，这份问卷的数据统计校方只会在宿舍分配时参考使用，不会外流。
“18级接近八成的新生参与了我们的调查。”南大学工处招办主任李浩老师介绍，收集完学生的问卷信息后，学校使用了大数据“LFM推荐算法”，对学生们的信息进行了量化处理。他以今年新增的调查选项“兴趣爱好”举了个例子。“00后群体兴趣爱好广泛，分散度高，传统的匹配方法很难量化评估新生之间的兴趣爱好相似度。”而“隐语义模型”算法就可以恰到好处地给出解决方案。
通过“隐语义模型”，爱好广泛的新生很容易找到志同道合的舍友，建立共同话题。比如，热爱戏剧的你，可以和喜欢历史的舍友一起聊聊《赵氏孤儿》。擅长物理的你，也能和同屋的生物达人一起聊聊冷冻电镜。“类似于网易云音乐的推荐算法，通过"隐语义模型"，我们可以通过潜在特征联系新生和兴趣。”李浩说，“即使这名新生并没有接触过某些兴趣爱好，我们也能根据他和其他同学填写的问卷，通过算法挖掘出这名同学与这些兴趣的潜在关联，从而可以量化评估新生之间的兴趣爱好相似度，就有更大的可能为他找到志趣相投的室友。”
