有多少心思 可以被“算计”
电影类Netflix提到推荐算法，不能漏掉的就是大名鼎鼎的Netfli x，这家全球最大的在线影片租赁网可以根据消费者的偏好，个性化推荐符合其口味的非热门影片，提供传统租赁店难以收集的大量非主流影片，在网络影视租赁的战役中成功拔得头筹。
事实上，一般网友都会冲着热门电影租片，然而Netfli x采用了算法保密的推荐引擎Cinematch，根据网友对电影的打分来判断他有可能喜欢什么电影，还能结合看过的电影以及口味偏好设置做出判断，混搭出各种电影风格的需求，在会员对个人清单的填写以及系统的推荐后，许多冷门电影竟然纷纷进入了候租榜单。从公司的电影资源成本方面考量，热门电影的成本一般较高，如果Netfli x公司能够在电影租赁中增加冷门电影的比例，自然能够提升自身盈利能力。
Netflix的推荐算法广受好评，公司曾宣称60%左右的会员根据推荐名单定制租赁顺序，如果推荐系统不能准确地猜测会员喜欢的电影类型，容易造成多次租借冷门电影而并不符合个人口味的会员流失。为了更高效地为会员推荐电影，Netfli x一直致力于不断改进和完善个性化推荐服务，在2006年推出x百万美元大奖，无论是谁能最好地优化Netfli x推荐算法就可获奖励100万美元。直到2009年这笔奖金才被一个7人开发小组夺得，Netfli x随后又立即推出第二个百万美金悬赏。这充分说明一套好的推荐算法系统是多么重要，同时又是多么困难。
音乐类Last.fm
Last.fm的名字一听就很傲气，诸多用户不断将曲目“记录”放到网站服务器上，每天超过一千万次，共同打造着这一全球最大的社会音乐平台。Last.fm利用“集体智慧”，通过每个用户的音乐收听情况提供个性化推荐、联系品位相近的用户、提供定制的电台广播及更多其他服务。
虾米网
在国内，除了口碑颇佳的豆瓣音乐电台外，虾米音乐网打着“收藏5位喜欢的艺人到你的音乐库，虾米会更懂你”的旗号，吸引不少年轻人关注。300多万海量曲库、330种音乐风格、上万个音乐电台、50多万个完全由用户创建的精选集和自主研发的推荐算法，虾米也是利用“口味匹配”引擎来吸附更多的网络用户，从而实现音乐网站、唱片商、用户三者的共赢。
书籍类Goodreads
Goodreads是一个以读书为主题的免费社交网，读者可以在此讨论书籍内容，发表书评，记录自己曾经读过的书、正在读的书和打算要读的书。目前注册用户已有440万，其中更是不乏骨灰级书虫，在这里比较不同的图书，发表评论，查看书评，定制自己的书架，还可以参加阅读小组。
当然，网站最吸引人的还是神奇的个性化书籍推荐，Goodreads的图书基因项目能收集书籍的详细信息，增进浏览体验。“如果搜索悬疑类的科幻小说，你可能最终就会发现一本讲述吸血鬼爱情故事的小说。”
杂志类Flipboard
Flipboard是基于苹果iPad的一款社交化杂志应用软件，将来自Twitter和Facebook的用户分享的内容重组，以杂志的形式呈现一种全新阅读体验。自上线以来，已经吸引了超过100万用户，被苹果评为2010年度最佳应用。
“推荐算法”成了这个大吸眼球的应用的“撒手锏”，通过一套独创的逻辑选择与用户喜好关联性最大的内容，甚至可以对这些内容进行杂志化排版，例如抓取好友上传的照片作为封面，文章的标题和正文最终呈现出纸质媒体一样华丽的版式。这对用户来说有着巨大的吸引力--既不用耗费大量时间去寻找数以千条跟贴者中自己真正感兴趣的话题，排版后的视觉效果也让阅读体验变得更佳。
Zite
刚推出的iPad应用Zite可谓异军突起，仰仗更为个性化的推荐算法，在筛选排列信息上显得似乎比Flipboard还要领先一步。
在Zite上阅读文章的时候，它会询问你：是否喜欢这篇文章？是否需要更多来自本信息源或本作者的资讯？是否需要文章所涉及关键点更多的资讯？这是一种基于语法和统计混合而来的机器学习，据介绍，这套推荐算法通过观察网友点击的文章及其特征来工作的。文章长度如何？文章倾向于某话题的哪个方面？Zite要求用户关联Twitter或者Google Reader账户，选择感兴趣的话题，通过智能判断推荐文章。 唐玮婕
页:
[1]