今天，神经质地写起了《Programming Collective Intelligence》的书评。写到最后，又勾起了我之前思考的一个问题。
"我得知此书，需感谢个性化技术相关资料这篇blog后面，KaKa 网友的推荐。
豆瓣猜没有帮助我发现这本书。
这曾让我思考，基于 SNS 的推荐，是否比传统的推荐更有效呢？"
传统的 social recommendation 是这样的，"喜欢A的人还喜欢B"，这是利用了群体的智慧。这种算法保证的是这个pattern，大多数人会接受。但对你不一定是最优的。
SNS 下的推荐，有一种选择可以这样作，"你的朋友们喜欢A，估计你也喜欢A"。对垂直型的 sns，这种有效，因为群体有共同兴趣。但对泛化的 sns，这种推荐就不一定靠谱了。
我个人认为，在 SNS 下更有意思的推荐是，"你的朋友张三认为你会喜欢A"。这种模式，我很容易对推荐作出判断。这是一种泛化的模式，无论垂直型还是泛化型 sns 都有效。但前提是，系统需要知道我在哪个"兴趣"上 fan 张三。
--
With regards
"我得知此书，需感谢个性化技术相关资料这篇blog后面，KaKa 网友的推荐。
豆瓣猜没有帮助我发现这本书。
这曾让我思考，基于 SNS 的推荐，是否比传统的推荐更有效呢？"
传统的 social recommendation 是这样的，"喜欢A的人还喜欢B"，这是利用了群体的智慧。这种算法保证的是这个pattern，大多数人会接受。但对你不一定是最优的。
SNS 下的推荐，有一种选择可以这样作，"你的朋友们喜欢A，估计你也喜欢A"。对垂直型的 sns，这种有效，因为群体有共同兴趣。但对泛化的 sns，这种推荐就不一定靠谱了。
我个人认为，在 SNS 下更有意思的推荐是，"你的朋友张三认为你会喜欢A"。这种模式，我很容易对推荐作出判断。这是一种泛化的模式，无论垂直型还是泛化型 sns 都有效。但前提是，系统需要知道我在哪个"兴趣"上 fan 张三。
--
With regards
没有评论:
发表评论