The readings, filtered by social network!

简介:

我重写了一下玩聚SR的“关于”,不知道这回是否能让大家看懂,:D

 

1、什么是社会化推荐(Social Recommendation)?

你是否知道,社会化媒体(Social Media)是一个天然的信息过滤器?

想像一下,如果让社会化网络(Social Network)来推送你所需要知道的最重要的信息,是否最有效率?假如是你亲手建立的社会化网络呢?

那如何利用好这个天然信息过滤器呢?

很 简单,人们在各种社会化媒体上推荐或分享的好东西,推荐得越多,相对价值越大,不是吗?我们只需要把这些推荐聚合起来,就变成了一个像Digg一样的系 统,它能带给我们质量最高、最稳定的新鲜又好看的文章和资讯。我们称之为“社会化推荐”,这里的“社会化”指,推荐来源是各种社会化媒体服务,推荐者是社 会化网络中的人。

玩聚SR 就是这样的一个工具。百分百的国产原创想法。

The readings, filtered by social network!


2、玩聚SR 如何收集到社会化推荐呢?

IT 社群是使用各种 Social Media 的前卫人士,比如miniblog类的twitter,RSS Reader类的Google Reader和鲜果,bookmark类的delicious,lifestream类的FriendFeed。

这个社群不仅是利用Social Media分享新鲜有趣的内容给好友,也是在分享给外界的朋友。

我 们手动选择一些知名社会化媒体ID作为起源,如曹增辉和冯大辉的Google Reader共享,白鸦和困兽的twitter,张亮的饭否,keso的FriendFeed等等,利用这些起源,遍历他们的社会化网络,找到足够多的社 会化媒体ID。然后进行进行实时扫描,汇总推荐分享的链接,加之合适的排名算法,推选出既新鲜又好看的文章,成为一个社会化推荐引擎。我们还要进一步引入 语义关联技术,进化到协同过滤和语义过滤的自动化推荐系统。

玩聚SR 是一个追踪各种社会化媒体,实时发现IT人都在分享和推荐什么的工具。

就这样,玩聚SR 给出了一个阅读分享解决方案,既能分享有价值的信息,又具有视野发散度,既能减轻信息爆炸,又能考虑到推荐者的权威度。

目录
相关文章
Data Structures and Algorithms (English) - 7-10 Saving James Bond - Easy Version(25 分)
Data Structures and Algorithms (English) - 7-10 Saving James Bond - Easy Version(25 分)
89 0
PAT (Advanced Level) Practice - 1107 Social Clusters(30 分)
PAT (Advanced Level) Practice - 1107 Social Clusters(30 分)
142 0
|
机器学习/深度学习 自然语言处理 算法
《Semi-supervised Collaborative Filtering by Text-enhanced Domain Adaptation》解读
推荐算法是机器学习的一个重要应用,推荐算法与其他机器学习算法的一个重要区别在于数据的特点。在推荐系统中,由于用户行为的长尾效应,往往数据极为稀疏,而另一个问题在于,推荐算法的数据集往往是隐式反馈,即通过对用户行为的采集而非query来获得用户对推荐标的的反馈。学界针对这两个问题曾提出过不少方法,也有很多经典的工作。然而,这两个问题始终没有得到完整的解决。
《Semi-supervised Collaborative Filtering by Text-enhanced Domain Adaptation》解读
The Rising Smart Logistics Industry: How to Use Big Data to Improve Efficiency and Save Costs
This whitepaper will examine Alibaba Cloud’s Cainiao smart logistics cloud and Big Data powered platform and the underlying strategies used to optimiz.
1534 0
The Rising Smart Logistics Industry: How to Use Big Data to Improve Efficiency and Save Costs
|
安全
How Important is Data Security for the Financial Industry?
90% of financial companies worldwide think they have data security risks. What security problems do financial industry users typically encounter?
2014 0
802.11 Network Forensic Analysis
http://www.sans.org/reading-room/whitepapers/wireless/80211-network-forensic-analysis-33023 ...
789 0
Investigating with Network-based Evidence
https://www.sans.org/webcasts/for572-network-forensics-preview-alive-investigating-network-base...
486 0