Hacker推荐系统学到的偏好，有多少是上一次推荐塑造的？
一次点击既是对眼前内容的反应，也受之前看见哪些选项影响。从消失的帖子到主动迎合指标的创作者，追踪这次点击怎样进入下一轮推荐。
没有机会出现的一条链接，零点击是什么意思？
Pariser 回忆，他常点自由派朋友的链接，后来保守派朋友从动态里消失了。想象两条新闻，昨天各展示十次，今天平台只再给其中一条十次展示。另一条今天的零点击给偏好增加了多少证据？即使读者的兴趣纹丝未动，点击占比也会变。要解释这个数，至少要同时记录哪些选项被展示、展示给谁、出现在哪个位置。
原文与时间戳 · 2
I was clicking more on my liberal friends' links than on my conservative friends' links.And without consulting me about it, it had edited them out. They disappeared.从一次自动播放，能推断系统优化什么吗？
Tufekci 看了一部关于素食的视频，随后系统自动播了纯素食视频。她将延长观看作为一种解释，同时明确说算法细节并不公开。一次序列还可能由库存、相似用户或上一部视频的标签造成。一个可检验的问题是：对相近的起始观看记录，分别给出不同但都相关的下一项，后续主动搜索是否也朝推荐方向改变？这里比较的是被展示之后的变化；继续播放本身仍可能只是自动播放的结果。
原文与时间戳 · 2
I once watched a video about vegetarianism on YouTube and YouTube recommended and autoplayed a video about being vegan.Now, YouTube's algorithm is proprietary, but here's what I think is going on.谁在改变可供推荐的材料？
Bridle 展示的儿童视频标题把惊喜蛋、卡通角色等流行词塞到一起。标题对成人读者很难读，对追求曝光的制作者却有动机。把它接到前两讲的循环里，再看一次推荐系统的报表：曝光会改变点击，制作者又会根据曝光改变明天的库存。即便只观察点击率，也该保存各期哪些作品曾有资格进入候选，以及人们在主动选择下一部时是否还会挑同样的材料。
原文与时间戳 · 2
So the main way people get views on their videos -- and remember, views mean money -- is that they stuff the titles of these videos with these popular terms.all of these words from other popular videos into your title, until you end up with this kind of meaningless mash of language that doesn't make sense to humans at all.读完再想一步
如果只能看点击日志，你如何区分「用户更喜欢它」与「系统让它更常出现」？先写下还需要记录哪一个分母，再设计一次能区分这两种解释的比较。