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

---

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：

---

关于Quora的相关问题：

---

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）。