“啊，没事儿，姑娘你是不累了，要不咱们今天去你外婆家，咱不多待了，咱明天就回家，反正离的也不远，我和你爸平时也都常去。”李妈选择回避了李爸的问题，原因是李妈想到明明李珊是回家休假的，可现在看来非但本身的工作量没有减轻，现在他们老两口反而又给李珊增加了“工作量”，之前总是想让李珊和他们二老多聊聊天，他们也好多了解一下平时李珊的工作状态，于是是到处搜罗和法律相关的例子，就想着回家能和李珊聊聊天，但殊不知这种性质的“聊天”对于他们二老属于放松，因为大部分的聊天内容属实是左耳进右耳出了，但是对于李珊来说其实不亚于日常工作时接待一个不懂法律的当事人的答疑工作，可以说自从李珊回家后，不是坐在电脑桌前忙着自己的工作，就是被动地接待他们二老给他们二老答疑，这不是根本就没休息嘛！想到这里，李妈抢在李爸开口前，率先扔出一个不费脑筋的话题，就想着给李珊的大脑解解绑、松松劲。
可是李珊刚刚才被李爸的提问激起了对未来规划的踌躇满志，现在听到李妈转移话题，当然是不干了，现在对于李珊来说什么待几天的问题和她的赚钱大业比起来都不重要，现在的李珊只想通过李爸李妈的口了解到更多普通人关于法律最想知道或者比较困惑的点，那正好可以成为李珊运营自媒体的素材库的来源，这不妥妥的是天赐的商机嘛！所以李珊赶紧调整话题的走向，主动问向正在开车的李爸，
“爸，你刚才说你是刷视频看到的，你是通过抖音、快手还是微信里的小视频啊？”
“啊，是微信里面的，就是平时回完微信然后顺便刷着看到的。”经过李妈的提点，李爸发现这两天确实李珊太累了，不是在电脑前忙工作，就是在忙着解答他们二人的问题，根本就没得到真正的休息啊，所以面对李珊的主动提问，李爸也没有顺势问出自己更多的疑问。
但是李珊此时却想探究更多的关于自媒体运营的渠道、方式的信息，所以李珊又再次抛出了问题，问道：
“爸，你平时有关注这类的账号吗？”
“也没有特殊关注，可能就是这两天系统给我推这类视频的时候，我停留的时间长一些吧，关键不多看一会儿根本不知道视频说了个什么事儿。”
李珊总结可能是系统根据用户偏好进行的自动推荐即个性化推荐，这个自动推荐功能好像是每个平台都有的，而且有的时候不同的平台之间好像还会进行用户偏好的互通，就像有的时候会出现当自己在微博上搜索一件物品时，随即打开淘宝，居然自动推荐的就是刚刚在微博上搜索到的物品，最开始李珊遇到的时候只是觉得可能是个巧合，但是次数多了，相信任谁也不能觉得这是巧合了，其实李珊那时候在想的是这种自动推荐有没有涉嫌侵犯消费者或用户的个人隐私，如果手机在任何APP里搜索的信息都会上传到一个终端用于搜集用户偏好以进一步精准推荐达成成交率高的目的，那么是不是每个人在手机上进行的所有操作都会被背后一双看不见的眼睛注视着，那如何还有隐私可言啊？所以那个时候李珊根据这个大胆的设想，进行了一番研究。
所谓的个性化推荐的运行机制是：构建个性化推荐的基础是处理“人”与“信息”之间的关系，这里的信息指的是“物品信息”（在电商平台就是“商品信息”，在短视频平台就是”视频信息“），而人指的是”人“的兴趣点，个性化推荐系统往往会通过用户注册时填写的个人信息、用户的历史浏览信息等对其进行推断。通过对用户的年龄、爱好等信息进行收集，再用算法进行分析所收集的数据，用户的兴趣体系逐渐被建立并完善，形成互联网上常说的用户画像。例如用户如果常常浏览日漫、漫展等物品，个性化推荐系统便可能捕捉到这一信息，给该用户标记上二次元等用户标签。同时，系统对物品信息也会做进一步的数据挖掘工作，从而形成物品画像。在构建好用户画像和物品画像之后，个性化推荐系统会利用所有收集到的数据去联系“人”和”物品“。个性化推荐主要分成召回和排序两部分，召回的主要作用就是尽可能地找到用户可能感兴趣的物品，其中最经典的算法便是协同过滤算法。
协同过滤算法，顾名思义，协同过滤就是协同大家的反馈、评价和意见一起对海量的信息进行过滤，筛选出用户可能感兴趣的物品的过程。根据技术实现不同，协同过滤算法又可分为基于用户相似度的UserCF、基于物品相似度的IteCF和基于隐向量表达的矩阵分解CF。
基于用户相似度的协同过滤UserCF的主要思想是兴趣相似的人喜欢相似的物品，简单来说，就是推荐给你和你浏览行为相似的用户所喜欢的物品。
基于物品相似度的协同过滤IteCF则是从用户有过行为的物品下手，推荐给你与你喜欢的物品相似的物品。例如你今天看了一部《蜡笔小新》，那么就推荐给你算法认为的与《蜡笔小新》比较相似的《哆啦A梦》等动漫。
基于矩阵分解的协同过滤，矩阵分解CF的思想更为直接。它把用户与商品的交互行为表示为一个矩阵，其中矩阵的行和列代表用户与商品，矩阵的元素代表用户对商品的交互行为（如点击与评分等）。矩阵分解CF希望将交互矩阵近似地分解为一个用户隐含表示矩阵和一个商品隐含表示矩阵的乘积，从而填补交互矩阵中未知的元素。在协同过滤算法之后，还出现了很多更复杂的召回算法，例如基于内容的算法等，究其本质还是基于相似度的推荐。同时，为了更全面地覆盖用户的多样兴趣，推荐系统往往会采用多路召回的机制，使得生成的候选商品更加全面多样。
在做完召回之后，个性化推荐系统已经获取了其认为用户可能感兴趣的物品，但一般召回阶段获取的物品数量会相当多，此时便需要多个排序模块对召回的物品进行多级排序，最后将精挑细选的少量物品展示给用户。
排序算法的原理，排序阶段一般会整合现阶段能收集到的所有信息预测用户对物品发生某种行为（点击、加购、收藏等）的可能性。排序过程可以理解成将用户定位到某一类人群，再根据现有的信息给出这一类人群对于当前物品的偏好，当然个性化推荐系统对人群的分类会更细致，甚至是无法用语言来解释其对人群的分组，但本质上还是一回事。
后处理，在经过上述过程之后，个性化推荐有时候还会经过后处理。一方面，为了保证用户看到的信息具有一定的多样性，平台往往会对排序结果进行打散，使得用户看到的推荐结果不会过度同质化。另外，针对平台运营的机制与策略，可能会对排序结果进行调整。比如，假设《蜡笔小新》和《哆啦A梦》与给二次元人群的相关度近似，但假如由于《哆啦A梦》的提供商出钱比较多，也可能会导致《哆啦A梦》的排序在《蜡笔小新》之前。
这么看来，好像个性化推荐完全是为了便利人们生活需求所产生的新事物，但是个性化推荐真的只有好处没有坏处吗？恐怕不尽然。
现在社会上对个性化推荐的批判主要有两点考量，一是批判个性化推荐会导致信息茧房，二是觉得个性化推荐侵犯了自己的隐私。
一是信息茧房，信息茧房指人们关注的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像茧一般的“茧房”中的现象，简单来说就是我们每天只会关心同质化的内容。但对于个性化推荐系统本身来说也不希望用户陷于信息茧房，从平台角度出发挖掘出用户更多的兴趣点也就意味着更多的盈利点，比如一个二次元用户本来只会买二次元产品，如果个性化推荐系统推荐其热门运动类物品并使得该用户对该物品感兴趣，那么之后就可能将运动类的产品卖给该用户，可以在帮助用户拓展兴趣的同时提高营收。所以在个性化推荐系统中，探索用户更多元的兴趣也是一大重要领域。同时提出“信息茧房”概念的桑斯坦也在《信息乌托邦》中指出：“新的传播技术正在使事情变得更好而不是更糟”。
二是隐私安全，隐私安全它是关于算法侵犯隐私的问题，推荐算法本身并不会侵犯个人隐私，隐私问题更多地来自平台对用户数据进行获取与分析的方式。如果用户在不同平台上的数据被整合和关联，隐私泄露的风险便会大大加剧。因此，针对平台可能利用为用户提供更好的个性化推荐为借口，对用户数据的隐私和安全进行侵犯的问题，学术界也在积极地研究如何在平台不集中存储用户行为数据的情况下对个性化推荐算法进行优化。
当然，除了上述两点广受人们批判的问题之外，个性化推荐系统技术本身还存在不少需要改进的地方。构建个性化推荐系统的数据来自于海量的用户，但数据中可能存在各种各样的偏差，从而导致所构建的个性化推荐系统容易产生不公平的推荐结果。
例如，个性化推荐系统从数据中学到女性更喜欢时尚新闻，推荐给女性时尚新闻经常能收集到大量的用户反馈。这使得个性化系统变得偏执，往往只向女性用户推荐时尚新闻，导致一些对此感兴趣的男性用户无法获取到相关推荐。此外，个性化推荐系统对推送内容质量的把控依旧任重而道远，如何避免推荐假新闻、标题党和带煽动性言论的内容也是个性化推荐系统需要重点关注的课题。
而关于个性化推荐是否会造成法律意义层面的侵权，李珊搜索到了一篇最高院的公报案例：
2017年11月24日，周裕婵在KK馆APP上购买了迪奥女士Q版香水四件套商品一份?2017年11月29日，周裕婵收到上述商品，因怀疑是假货，周裕婵在KK馆APP上向在线客服申请退货，在线客服答复周裕婵称保税直邮商品暂不提供无理由退换货服务?2017年11月30日21∶06分，周裕婵收到号码为1365370打入的电话，一自称为KK馆“售后楚楚”的客服人员联系周裕婵，并提出与周裕婵互加微信?21时8分，周裕婵在微信中添加了“售后楚楚”，“售后楚楚”将周裕婵在KK馆APP上的购物详情包括快递单号、收货人手机、收货地址、订单创建时间、订单付款时间、订单发货时间、订单完成时间、订单支付方式、订单支付号、用户账号、商品名称、金额截图发送给周裕婵，并发送了退款链接给周裕婵，周裕婵点击进入“售后楚楚”发送的退款链接，并将姓名、卡号、动态密码发送给了“售后楚楚”?21时29分，周裕婵的银行账户中被转走4999096元?周裕婵意识到被骗，于22时拨打110报警?一审庭审中，周裕婵称公安部门对其报警并未立案处理?
另查明，KK馆是由快客公司委托易得公司开发，并由快客公司经营的一款购物APP?每次登入KK馆APP，都会弹出如下温馨提示“如有电信诈骗不法分子以‘物流丢件或商品问题向顾客退款索要银行账户等信息’请不要随意相信以免上当受骗?请您把电话拉黑，若有任何问题请联系KK馆在线客服或致电40005223?”
这则案例中周裕婵为何会轻信被骗是因为诈骗分子掌握了她全部的购物详情包括个人身份信息，所以周裕婵起诉要求被告赔偿原告人民币4999096元及利息，注意这里面的4999096元不是周裕婵购买香水的对价，而是她被划走的总金额，那么此时被告KK馆辩称道：1原告提交的证据难以确定其实际损失情况?无论是原告提交的与“售后楚楚”微信聊天记录、银行流水、电话通话记录，均无法确定是否确有诈骗?原告虽有报案，但因原告报警情况没有后续反馈信息?根据《民事诉讼法》第一百五十条及《最高人民法院关于在审理经济纠纷案件中涉及经济犯罪嫌疑若干问题的规定》关于“先刑后民”的原则，应先由公安机关对原告实际案件性质、金额、犯罪嫌疑人等认定后再行确定原告实际损失。被告的这点抗辩主张是想通过拖延诉讼进程的方式达到原告无法完成举证的效果，自然被告就不用承担后续的赔偿责任。
2被告没有对外泄露原告任何信息，且已尽到网络服务平台应尽的全部义务，不存在任何过错?①被告与原告声称的“售后楚楚”、诈骗电话方、收款方均无任何关系，亦无参与过原告人声称的电信诈骗行为?在整个购销过程中，类似的购物信息是需要传递到购销流程的各个企业单位，如供货单位、物流单位、快递员甚至海关等相关部门或原告本人亦有相关信息备案，但仅凭该部分信息并不应理所当然地认为泄露信息者必然是被告?原告无法证明案涉泄露信息属被告方面的过失行为，根据举证责任原则，应由原告承担举证不能的后果?②在本案中被告作为网络服务方，在网络服务管理和安全保障软硬件建设工作上已做得非常完善?③被告的网络系统对于销售、售后服务等多个程序中都已尽到必要的提醒注意义务?被告的第二点抗辩主张是想通过放大可能存在泄露环节的方式模糊原告找被告追责的原因依据，意图使原告不确定是否应该找被告主张赔偿的效果。
3被告的网络服务行为与原告声称的实际损失结果之间不存在任何因果关系?无论被告的网络服务行为或者案涉购物信息均非导致原告上当受骗的原因?原告作为完全民事行为能力人，在社会多番宣传、被告多番提醒的情况下，并在被告客服人员明确商品无法退还的前提下，原告仍轻信不知名的人士所说的办理退款事宜，却不选择到被告官方客服系统予以核实并将自己的银行卡账号、账户名、交易密码等信息告知陌生人?因此，原告应对其严重过失的行为造成的损害承担全部责任?综上，请求驳回原告的全部诉讼请求?被告的第三点抗辩主张是想通过混淆原告信息泄露的源头和原告是否尽到自身注意义务的方式，意图使原告误以为是自己没尽到注意义务才造成被骗的后果。
以上三点抗辩理由表面上是被告说给原告听的，实际是说给坐在审判台上的法guan听的，那么法guan最终是怎么认定的呢？
本案经过二审程序，最终是维持了一审的判决，一审判决如下：一、被告广东快客电子商务有限公司应于本判决生效之日起3日内赔偿原告周裕婵29995元二、驳回原告周裕婵对被告DZ市易得网络科技有限公司的诉讼请求三、驳回原告周裕婵的其他诉讼请求?理由是：本案为网络侵权责任纠纷，周裕婵受骗的事实经过一审已经查明?犯罪嫌疑人显然利用了快客公司网购平台上周裕婵的购物详细信息，才得以对周裕婵实施诈骗?根据《中华人民共和国网络安全法》第四十条规定，网络运营者应当对其收集的用户信息严格保密，并建立健全用户信息保护制度?快客公司作为网络运营者未能履行保护用户信息的义务，对于因此给周裕婵造成的损失负有一定的过错?另一方面，作为具有完全民事行为能力的成年人，周裕婵在进行网络购物时，应当具备适当的安全防范意识?而本案中，周裕婵在KK馆APP的在线客服已经答复不提供无理由退换货服务的情况下，轻信陌生人通过电话和微信给出的信息真实性，将户名、银行账号甚至手机动态密码发送给“售后楚楚”，显然具有疏忽大意的过失，对于因此导致的自身财产损失，应当自行承担一定的后果?一审法院划分双方责任正确恰当，说理充分，法院予以维持?
本案为侵权纠纷，周裕婵可获得赔偿的财产损失范围应当适用《侵权责任法》的相关规定?《侵权责任法》第十九条规定，侵害他人财产的，财产损失按照损失发生时的市场价格或者其他方式计算?周裕婵主张其财产损失还包含损失款项按照中国人民银行同期贷款利率计算所得的利息?贷款利息并非其存款必然产生的法定孳息，周裕婵的财产损失应为其银行账户中被转移的款项4999096元?周裕婵关于利息的主张缺乏事实和法律依据，法院不予支持?
至于为什么最终被告赔偿的不是原告的损失总价款4999096元呢，是原告对于这次的诈骗事件的发生具有一定的过错，所以需要自行承担一部分的损失额。
通过这则公报案例，李珊发现虽然现在社会在高速发展中，好像个性化推进不可避免，但是不能是因为用户同意了个性化推荐就意味着同意让渡了自己的所有信息的随意披露劝，所以即使是同意了个性化推荐的用户，在发生自己的个人信息被网络平台泄露后造成自己财产损失的也可以提起侵权之诉，也就是说用户同意个性化推荐不是网络平台的免责利器。
所以，个性化推荐到底是天使还是恶魔呢？