--个性化站点：MyFriendSuggests.com

个性化站点：MyFriendSuggests.com 本文可以任意转载，转载时请务必以超链接形式标明文章原始出处与版权信息。 http://www.guwendong.cn/post/2007/site_myfriendsuggests_com.html 2007年11月17日 11:26:26 发布:guwendong 500)this.width=500'>MyFriendSuggests.com 的 logo 很有意思，生动形象地传达了这个网站的主旨：物以类聚，人以群分，朋友的建议最管用。MFS（MyFriendSuggests.com 的简写）于2007年7月17日正式启动，核心业务与国内的大众点评网类似，提供对诸如饭店、酒吧、俱乐部等本地服务的评论和打分。但与其他类似评论站点不同的是，MFS 是以 Social Network 为基础的。首先，你可以邀请你线下的好友一起加入 MFS，MFS 以类似六度空间的模型建立起你的关系网络。之后你就可以开始对你喜欢的饭店、酒吧、或是旅游景点什么的进行点评了，形式无外乎就是数星星或者写评语之类的，你贡献的数据越多，MFS 给你的推荐就可能会越准确。在 MFS 的推荐算法中，加重了你的 Friend Neighborhoods 的权重，也就是说，MFS 不是简单的使用 User-based 或者 Item-based 的推荐模式，而是区别对待你的好友与其他你的关系网络里的用户，使得你的 Fried Neighborhoods 可以对 MFS 给你的推荐产生更多的影响。从我们的实践经验来看，这是有意义的，我们大家多半都会比较信任自己朋友们的意见。与其他 web2.0 的应用一样，MFS 有一个轻型的开发团队，主创也是一个勤奋的 blogger。但不同的是，他们并没有使用 Python 或是 Ruby 这样的动态语言，而是基于 Java 进行 MFS 的开发。最核心的推荐引擎，是基于 Taste 框架完成的。我是在一次查找 Taste 资料时，发现了这篇 blog，Creating a custom recommender using taste，从而开始关注 MFS 的。MFS 认为使用 User-based 与 Item-based 混合的方法，可以取得更好的推荐效果，并给出了他们目前使用的公式：P(u,x) = alpha*uRec(u,x) + (1-alpha) * iRec(u,x)其中，uRec 和 iRec 分别对应 Taste 中使用 User-based 方法与 Item-based 方法计算得到的推荐得分，alpha 为一个 0 到 1 之间的常数，用于调节 User-based 与 Item-based 方法的权重。在 facebook 推出他们的 Applicaiton 平台之后，MFS 也推出了 for facebook 的应用，见这里 http://apps.facebook.com/myfriendsuggests/。感兴趣并且有 facebook 帐号的朋友，可以试试看。不过，由于 MFS 的业务是 local 模式的，因此目前对国内用户的用户不大。

阅读全文(1966) | 回复(0) | 编辑 | 精华

发表评论：

昵称：
密码：
主页：
标题：

验证码： (不区分大小写,请仔细填写,输错需重写评论内容！)

站点首页 | 联系我们 | 博客注册 | 博客登陆

Sponsored By W3CHINA
W3CHINA Blog 0.8 Processed in 0.047 second(s), page refreshed 144795504 times.
《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》
苏ICP备05006046号