SNS 里的推荐

2008-08-20 21:13:56 来自: clickstone(http://hyb.im)

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。

2008-08-26 13:34:19 睡不到10点 (一定要垂直发展！)

传统的推荐，往往推荐出来的，都是那些流行的，而不是长尾里面尾巴上的东西。
SNS 下的推荐,正如你所说，要建立在共同的兴趣上，这里面推荐更趋向于长尾的尾巴上面。

而推荐里面还要考虑用户被误导的可能性。

回应删除举报广告
2008-08-26 15:54:04 骑射手 (嚼得菜根，百事可乐)

这说明群体的智慧真的比个人的智慧高明吗？如果说”真理总是掌握在少数人手里“，群体的智慧就是一个消遣读物。

回应删除举报广告
2008-08-26 16:37:36 jeffyuan

Google reader 里面有个功能"Friends Shared Item"就类似你说的基于SNS的推荐. 但是这个功能不是很受欢迎.
Google Reader保持有你全部的阅读历史, 他们完全能知道"我在哪个“兴趣”上 fan 张三", 但是不知道为什么没有做下去, 也许还没有到推出的时候吧

回应删除举报广告
2008-11-04 09:13:35 咚咚咚 (拂煦~~~~~~~)

技术不可能完全预测人类的行为，但可以营造一种氛围，提供一个环境，让与你相知的朋友推介给你可能喜欢的东东

回应删除举报广告
2008-12-22 22:46:13 marc

Google Reader 的 Friends Shared Item 都是 share 给了 gmail 联系人，我 gmail 联系人都不用 rss 阅读器的。而我真正想分享的朋友和同事，因为从来没有用 gmail 互相发过邮件，所以在 Google Reader 上不是朋友。这样我在 Google Reader 上 share 的源动力不足。

同样还有 share 之后，没有任何回应，不知道朋友对你的 share 的回应，这样用户只能默默的 share，也不管他的朋友是否喜欢。除非使用了 friendfeed 这样的网站。

回应删除举报广告
2008-12-22 23:11:48 marc

好友之间的推荐很强大；更进一步的可能是根据好友分类和隐私设置来针对性推荐，比如可以在推荐时选择推荐给某个分类的好友，而用户也可以选择只接受来自某个分类的好友的推荐。只是操作成本大了点。

FriendFeed 还有个，用户A的朋友B的朋友C发了一条信息，如果B评论了这条信息或者标记为喜欢(liked)，那么A就能在自己的首页看到这条信息，这样很好的扩展了A的信息视野。

（friendfeed 上的“Reshare this entry”功能似乎使用频率很少，这个类似于“外向推荐”；上面的类似于“内向推荐”，B在评论C的信息时，基本不会考虑他评论或标记liked后这条信息会“推荐”给A，更多是从自己角度来操作的。

外向和内向参见 np大大的：http://npchen.blogspot.com/2008/01/sns.html ）

回应删除举报广告
2008-12-24 17:51:26 clickstone (http://hyb.im)

我的想法是，我的“推荐”被别人看到之前，应该有一个过滤器，让只有对其感兴趣的用户看到。
现在的SNS推荐，我的“推荐”会传播到我所有的好友（甚至是好友的好友），这个不是最好的方式。

回应删除举报广告
2009-01-12 11:22:05 marc

http://venturebeat.com/2009/01/11/facebook-clearly-likes-friendfeeds-like-feature/

Facebook 也加了 FriendFeed 的 Like 功能。

前些天 FriendFeed 上也在讨论 like 功能的使用：http://friendfeed.com/e/fbb2f5ad-d636-4841-aa67-f18765732f58/How-do-you-use-Likes-on-Friendfeed/

看来都深受欢迎...

回应删除举报广告
2009-01-12 11:23:53 marc

----------------------------------------------------------
7楼 2008-12-24 17:51:26 clickstone (北京)
　　我的想法是，我的“推荐”被别人看到之前，应该有一个过滤器，让只有对其感兴趣的用户看到。
　　现在的SNS推荐，我的“推荐”会传播到我所有的好友（甚至是好友的好友），这个不是最好的方式。
----------------------------------------------------------

这个好像就是把好友推荐，和其他几个推荐引擎结合起来用。

There are many algorithms that can be applied to the problem, but all of them focus on three elements: personal, social and fundamental:

* Personalized recommendation - recommend things based on the individual's past behavior
* Social recommendation - recommend things based on the past behavior of similar users
* Item recommendation - recommend things based on the item itself
* A combination of the three approaches above

from: http://www.readwriteweb.com/archives/rethinking_recommendation_engines.php

回应删除举报广告
2010-12-29 11:03:48 老笨

朋友的推荐要分两类，1类是关系非常密切，这就意味着他对你的偏好非常非常了解，因此他的推荐是高价值的，是用户愿意倾听的；

第二类是专业领域的，比如做保险销售的朋友推荐的保险，和一般朋友推荐的保险显然价值不一样。

从系统实现来讲，第一类要描述关系的权重；第二类要描述专业的权重。

最后再说说推荐的目的。设想一下，如果是朋友圈，真有需求，用户最大概率的是借助沟通方式直接问特定朋友，没推荐引擎什么事。所以考虑推荐引擎的时候，首先要确定的是使用的场景，也就是推荐引擎的目标是什么。

回应删除举报广告
2012-01-03 15:16:47 jinshi

最近在看这本书、、、

回应删除举报广告
2012-01-31 13:05:30 阳阳 (开始我的个性化之旅~)

建议您看一下web2.0与信息系统复杂性变革这本书

回应删除举报广告