豆瓣的推荐机制

为什么80%的码农都做不了架构师？>>>

1，来自豆瓣创始人的观点：豆瓣的推荐机制是基于社会化的协同过滤的推荐；

总结：你读了一本书，通过此书对你进行推荐，方式是：统计此书其他读者喜欢的书，即喜欢本书的读者还喜欢的其他书。

为什么不使用基于内容的推荐机制：1，硬件：内容时刻在扩增， 豆瓣的图书太多，不可能将每俩本书进行相似度聚类；2，意义：豆瓣想要的做一个合适的过滤器：帮助你找到喜欢的东西，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。”；3，原因：什么是有效的推荐：真正有效的推荐不能通过简单的外在就能看出来，比如你看了《哈利波特》，推荐《哈利波特2》，这样的推荐是没有意义的。或者你看了余华的《活着》，为你推荐余华早期的《细雨中的呼喊》，这也是没有必要的，因为这太过于明显，用户自己就可以进行搜索，不需要系统推荐。真正有效的推荐是：用户没有想到的。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。”

具体机制：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。”

最后：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。”（这里可以解释为什么活动的参与者越少，越能促进人际关系）

豆瓣上的书籍目前有80万种，“我们的数据库和当当、卓越、亚马逊对接，但也可以由用户自己填加一些老书。中国以前不使用国际标准书号ISBN，70年代是中国统一书号，我们也支持，但多半由用户自己填加。”

在杨勃看来，任何一个书店或网站，图书品种达到20万就够了。“其他的书，或者说位于长尾尾部的书，大部分价值不大，比如1982年的水暖工手册，1996年初中升高中地理复习参考资料……当然，其中也偶有精华。比如古籍或者早年翻译过现在没有再版的书。这些书都藏在后面四五十万的垃圾中间。”

杨勃估计，《围城》、《活着》、《挪威的森林》大概是豆瓣里面阅读数最多的。大致统计，将各版本的数字加起来，三书的总阅读人数分别为六千、五千和七千。

“如果你是一个书店，你就有库存限制问题。你没有采购过的书，数据库里就没有。但豆瓣不一样，只要有人看过，就可以填加，而且它的空间没有成本。”杨勃认为，豆瓣的数据比当当、卓越更接近理想化的长尾。

“80年代的书，当当卓越绝对不会有。”他现场演示，找到网友“小小风也”的主页。上面有一本《孤筏重洋》，最早是1981年湖南人民出版社出的，05年重庆出版社再版。海子卧轨自杀时带着这本书。

两种推荐机制

豆瓣的定位，用长尾理论解释，是想做一个合适的过滤器——帮助发现你喜欢的东西。

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。”

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。”

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。”