豆瓣的推荐机制( 二 ) _豆瓣

怎样做到这一点呢？杨勃从现实生活得到启发。“一堆人聊天，你说到一本书，有个同事跳出来，说这个我也看。你们就会聊起来，会谈到别的书。豆瓣的分析思路也一样，都看过这本书的人，他们在阅读其他书时有多少重合。”
杨勃把推荐机制分为两种。一是按内容分类，比如分析一首歌的节奏、配器、频率，然后将与其类似的歌划为一类，著名的就是这样做的。还有一种是社会性推荐。“前一种方法，即便只有一两个用户，你也可以做起来。而第二种方法，你必须有很多数据积累。到数据足够多的时候，它会更有效。”

文章插图
其实，这类似早期Yahoo和的区别。在创始初期，Yahoo就按内容对不同网站进行分类，但这种方法是自不量力，因为网站生长太快，再多的人手也不够给所有网站做目录。Yahoo后来采用了一些自动方式，比如用软件分析网页词汇，再确定它的类别。
而则聪明得多，他不分析网站，而是分析链接。一个链接相当于一票，学术文献也是相互索引，被引用最多的论文价值最高。网页也是如此，被链接最多的网页就高。
“这种方法的好处在于，它不用长时间积累用户数据，网站之间的投票一直存在，用机器抓过来就能用。而豆瓣，用的是人对书的投票。它不是自然存在于网络上，必须慢慢积累起来，需要一个过程。”杨勃说。
“本质上，一本书对我来讲，是一个黑盒子。我并不关心它的主题、出版社、作者、内容，只看它和哪本书有关联。这样挖掘出来的东西，可能非常正确，推荐非常有效。”
杨勃发现，推荐光准确是没有用的，还要有效。“我们也做过通过标签分析，这本书和哪本书最像，通过它做推荐，很准，但用处不大。比如你看过《黑客帝国1》，然后它找出《黑客帝国2》给你，这种推荐毫无用处。你看过余华的《活着》，我把《细雨中的呼喊》（余华的早期作品）推荐给你。这通常也没有用。有效的推荐，是你挖掘出来的联系不是表面能看出来的。比如你看《世界是平的》，豆瓣会推荐《长尾理论》，这两个之间其实没有内容上的联系。”
其中的机制其实也不难理解，因为两本书有相同的读者群。喜欢这本书的人也喜欢那本。“就是一种统计方法，喜欢这本书的人中间，比如说百分之四十都喜欢那本书。”
杨勃认为，流行的东西，豆瓣没什么特别用处，因为你从其他媒体也能了解到。豆瓣发挥强大效力的地方是长尾。“你看一本书，在豆瓣看到有10个人看，这样带来的惊喜，比你发现一本书有1万人在看，要强烈得多。而且，这个过程是沿着长尾往下走，散播去，推进到越来越多的人不知道的书。有很多偏僻的书，其实是有天然读者的，只是缺乏一个桥梁把他们连接。缺乏一个传播机制。如果一本很偏的书建立了你们的联系，那么很有可能会有新的发现。”
【豆瓣的推荐机制】什么人在看什么书，什么人喜欢什么音乐、电影。豆瓣目前已经积累了上千万条这样的记录。“我们的程序会找出和你兴趣一致的人，然后按一定方法来找你们共同喜欢的东西，推荐给你。大致如此。”