显式反馈

概述

显式反馈（Explicit Feedback）是用户主动向系统表达偏好的行为数据，如评分、点赞/点踩、撰写评论等，是协同过滤系统的核心数据来源。

Tapestry 中的显式反馈：Tapestry 系统设计了"Like It!"和"Hate It!"按钮让用户快速表达好恶，同时支持自由文本标注（如撰写评论）。这种让用户直接表达偏好的设计思想被无数后续系统继承。
显式 vs 隐式反馈：
显式反馈：用户有意识地表达偏好（评分、点赞、评论），信号明确但收集成本高
隐式反馈：通过用户行为推断偏好（点击、购买、浏览时长），收集成本低但信号模糊
设计思想的传承：YouTube 的点赞/点踩、Netflix 的星级评分、Spotify 的心形收藏、社交媒体上无处不在的点赞按钮，都是 Tapestry"Like It!"/"Hate It!"按钮思想的延续。
正负反馈的平衡：Tapestry 从一开始就设计了"Hate It!"按钮，不仅记录正面评价也记录负面评价。这种平衡视角在当时是超前的——现代推荐系统长期低估负反馈的作用。
激励不对称问题：显式反馈的成本由标注者承担，但收益由群体共享，导致绝大多数用户是"沉默的消费者"，这是显式反馈收集的根本挑战。