第(1/3)页

    “夏冬，我基于你之前开源的那个在线机器学习框架，写了个很简单的推荐算法原型。”

    “刚刚部署到了测试服务器上。”

    “你有空可以看一下。”

    夏冬心里“咯噔”一下。

    推荐算法？

    他原本的计划里，V1.0版本是打算先上瀑布流，用内容的多样性来吸引用户。

    推荐系统是个无底洞，太耗费计算资源，也需要海量的用户数据做支撑。

    他打算等第一版上线后，赚到钱，数据也积累得差不多了，再慢慢搞。

    没想到，陆奇竟然……

    他怀着一丝疑惑，点开了陆奇发来的测试链接。

    页面还是那个熟悉的快看网页面。

    他刷新了一下。

    首页第一条新闻，是《神舟七号载人飞船发射成功，航天员首次出舱活动》。

    第二条，《奥运冠军杨威大婚，迎娶队友杨云》。

    第三条，《华尔街日报：雷曼兄弟申请破产保护，或引发全球金融海啸》。

    夏冬皱了皱眉。

    这些都是当前的热点新闻，没什么特别的。

    他又刷新了一下。

    这一次，首页的内容变了。

    第一条，变成了《“魔兽世界”新资料片“巫妖王之怒”全球同步上线》。

    第二条，《专访暴雪首席设计师：我们如何创造一个世界》。

    第三... --＞＞ 条，《盘点2008年最值得期待的十大PC游戏》。

    夏冬的瞳孔，猛地收缩了一下。

    他立刻明白了。

    刚才，他在测试用户系统的时候，随手注册了一个账号。

    在个人兴趣标签里，他勾选了“游戏”。

    陆奇的这套推荐系统，捕捉到了这个标签。

    并且，在他第二次刷新的时候，为他推送了完全不同的内容。

    千人千面。

    虽然只是最粗糙、最原始的版本。

    但它……真的实现了。

    夏冬在群里打字，手都有些微微颤抖。

    “陆奇，你是怎么做到的？”

    “我们现在的用户数据，几乎为零。”

    陆奇很快回复了。

    “数据确实很少，所以我用的不是复杂的协同过滤，而是最基础的内容推荐。”

    “我写了个爬虫，抓取了你网站上所有文章的关键词，做了个简单的分词和权重计算。”

    “然后，根据用户注册时选择的兴趣标签，去匹配相应关键词权重的文章。”

    “算法非常简陋，而且计算资源消耗极小，几乎不增加服务器负担。”
    第(1/3)页