Algorithm 脸谱网如何确定;建议的朋友;?
我想知道你是如何认为(或知道)Facebook在每个用户的页面上产生了“你可能喜欢的人”或“推荐的朋友”。这确实是一个算法问题,而不是Facebook问题,但社交网络可能是最明显和最容易理解的例子,这就是为什么我在我的问题中引用了这个 对我来说,这是一个奇怪的效率问题。我理解一个人如何为一个用户做到这一点;基本上,找到的用户是你当前好友数量最多的朋友,而不是你。然而,我觉得这并不是一个非常快速或高效的过程,它必须为大约10亿用户完成Algorithm 脸谱网如何确定;建议的朋友;?,algorithm,facebook,Algorithm,Facebook,我想知道你是如何认为(或知道)Facebook在每个用户的页面上产生了“你可能喜欢的人”或“推荐的朋友”。这确实是一个算法问题,而不是Facebook问题,但社交网络可能是最明显和最容易理解的例子,这就是为什么我在我的问题中引用了这个 对我来说,这是一个奇怪的效率问题。我理解一个人如何为一个用户做到这一点;基本上,找到的用户是你当前好友数量最多的朋友,而不是你。然而,我觉得这并不是一个非常快速或高效的过程,它必须为大约10亿用户完成 这让我相信,这个过程只在用户登录时运行,但我仍然想知道究竟使用
这让我相信,这个过程只在用户登录时运行,但我仍然想知道究竟使用了什么样的算法来查找这些“建议的朋友”。大规模执行这种“建议算法”的有效方法是什么?这种解决方案听起来像是在轮子上敲碎一只蝴蝶,但这样做可能会很有趣 我想Facebook也可以像Netflix一样了解你喜欢的电影。这篇文章的答案是什么 如果您登录,他们可以将矩阵减少到一个非常小的矩阵,这就像用更完整的数据和更小的矩阵解决netflix问题一样
你可以看看Facebook可能使用了一种不同于谷歌的方法,但也许你也会发现这很有趣:
如果不知道每个成分是如何计算出来的,那么实际使用的公式(例如顶级新闻)就有些毫无意义,但是Facebook在F8 2010上讨论了这个问题,Techcrunch在这里对此进行了讨论:你应该问Facebook。我认为这个问题不应该结束,但你可能想重新表述一下,把焦点从Facebook上移开,更多地放在算法设计上。我认为这是一个很好的问题。它不一定在登录时运行。FB可以运行一个单独的过程,扫描其数据库,计算结果并保存回数据库。我一直认为这只是一个随机选择的人的距离为2.+1的问题-不同意那些投票关闭这一点(因为大多数投票关闭是适得其反)。