个性化情色与通用色情

通用成人图书馆是为了规模化而构建的。它们优化了广泛受众群体的可发现性，这对于分发来说是有效的，但在特异性方面却很弱。然而，欲望是高度特定的：特定于环境、特定于情绪、特定于身份，并且通常特定于时间。 这造成了明显的不匹配。用户输入详细的内部偏好配置文件，并获得广泛的分类桶。结果是熟悉的：搜索会话长、消费突发短、连续性低。 个性化的色情写作颠覆了这个顺序。用户无需搜索近似匹配，而是直接用语言定义匹配标准：关系动态、叙述语气、节奏风格、边界、后续框架和语言语域。输出是根据这些约束生成的。 这是逻辑层的个性化，而不是标签层的个性化。标签上写着“浪漫”。生成器可以按照用户要求的声音产生从距离到信任再到投降的特定情绪进展。 因为契合度更高，注意力浪费就会减少。用户花费更少的时间进行扫描，而将更多的时间用于开发一个连贯的线程。该线索可以在不重置的情况下进行修改：“现在不太明确”，“相同的角色，不同的设置”，“保持温柔，增加张力”。 经过重复的治疗，这会产生复合效应。系统学习稳定的偏好，用户了解哪些指令会产生可靠的结果。双方都有进步。通用目录不能以相同的方式复合，因为每个剪辑都是一个断开连接的端点。 还有包容性的好处。一刀切的图书馆很难为具有利基偏好、多语言需求或严格边界要求的用户提供服务。自适应文本生成可以直接为他们服务，而不需要大量的预生产库存。 就产品而言，衡量标准的转变很明显：当目标是有意义的参与时，契合度通常优于原始数量。更好的匹配会产生更深入的会话、更强的回报行为和更低的挫败感。 选定的研究和阅读： - Ricci, F.、Rokach, L. 和 Shapira, B. (2015)。推荐系统手册。 - Adomavicius, G. 和 Tuzhilin, A. (2005)。迈向下一代推荐系统。 - 格林，M.C. ＆布洛克，T.C. （2000）。叙事交通。 - 德西，E.L. & 瑞安，R.M. （2000）。自我决定理论和内在动机。