社交相关性排序:Google+ 的终极武器?

标签: Google/Android 应用 范物闲谈/Talk 设计 Google | 发表时间:2011-07-05 07:30 | 作者:积木 rosa
出处:http://www.ifanr.com

用过 Buzz 的人都知道,除了暴露隐私的致命弱点,Buzz 还有一个让人讨厌无比的设计:有评论即置顶。这使得某条信息不断侵占你的时间线。在刚开放注册的几天,使用 Google+ 也会出现同样的情况,如果你在某条信息发表了一条评论,那么只要别人也发表评论,这条信息就会上升到你的时间线顶部。

难道是 Buzz 的噩梦再现?很快,Google 员工发出了这样一条信息:

gplus-relevant2

随后,信息置顶的情况消失了。那么,是 Google 听取了用户抱怨,放弃了这个设计?

我们先看看这条信息的内容:

Google 的工程师正在调整你信息流中帖子的排序。这周我们将做出一些调整,使那些超级受欢迎的帖子不会“钉”在你的信息流上方。

看出问题了吗?

如果是放弃了这个设计,那么信息流是否应该按照时间顺序排列,如同其它社交网络一样呢?如果真是这样,那么“工程师们”还需要“调整你信息流中帖子的排序”吗?

可见,整个设计并未改变,只是做出了一些调整。因此,虽然超级受欢迎的帖子不会“钉”在你的信息流上方,但是仍有些帖子会上升。看这个截图。

gplus-relevant

这是我 7 月 4 号的时间线,中间的是 6 月 30 号的内容。

Google 在干什么?

初看上去,这似乎是个让人困惑的决定,信息流按时间顺序不就好了吗?干嘛要调整?这不是干扰我的信息流吗?

没错,按照时间顺序安排信息流的确符合人的心理,从理论上也有助于你得到实时信息,但是实际使用中会有问题。

你跟随的人越来越多,信息流越来越水,而其中难免有几个话唠。由于时间有限,你每天消化的置顶信息有限。因此会出现这样的情况,你打开 Twitter,想了解些实时信息,但是置顶的全是一群话唠在搅基。

为了避免这个问题,可以使用列表,但是列表显然限制了你的信息范围,因为这些话唠很可能有实时资讯和值得收藏的妙语。

怎么办?“调整你信息流中帖子的顺序”。感兴趣的信息上升,不感兴趣的下降,从而解决信息过水的问题。

没错,Google+ 上已经开始了社交相关性排序。

为什么 Google 的搜索引擎能够获得王者的地位,就是因为其相关性极高的算法,Pagerank 算法通过各种复杂的参数给网页排序,从而得出各网页的权重。那么在 Google+ 的帖子上是否也有这种算法呢?我觉得是有的,给帖子 +1 显然是提高帖子权重的一个参数。还有其它参数吗?

评论,转发,你的爱好都可以成为参数。

这种调整是微妙的,许多人可能不会很注意,但是会有效果,但正如搜索引擎一样,选定 Google 不是只因为信仰,而是因为它总是能够提供更准确的搜索结果,那么,你使用 Google+,也总是能获得最感兴趣的信息,是否提高你使用该服务的忠诚度?这是 Google+ 背后那隐秘的算法所要达到的目标。

圈子的设计只是区别于 Facebook 的表象,而“社交相关性排序”才是 Google 对付 Facebook 的终极武器。

而 Google 在算法上从来都不是弱者。

When technology gets out of the way everything becomes more delightful.(iPad Commercial)

© 积木 for 爱范儿 · Beats of Bits | 原文链接 · 15 热评 · 关注我们微博 · 订阅全文 · Google+ · #ifanrlive 快讯

Tips:加入 ifanr Google+ 社交圈,和我们更好地交流~ 点击加入爱范儿的 G+ 圈子

相关 [社交 相关性 排序] 推荐:

社交相关性排序:Google+ 的终极武器?

- rosa - 爱范儿 · Beats of Bits
用过 Buzz 的人都知道,除了暴露隐私的致命弱点,Buzz 还有一个让人讨厌无比的设计:有评论即置顶. 这使得某条信息不断侵占你的时间线. 在刚开放注册的几天,使用 Google+ 也会出现同样的情况,如果你在某条信息发表了一条评论,那么只要别人也发表评论,这条信息就会上升到你的时间线顶部. 难道是 Buzz 的噩梦再现.

相关性问题

- - 扯氮集--上海魏武挥的博客 - 扯氮集--上海魏武挥的博客
人的本性是趋利避害的,任何合作(或者交易,或者搭伙,或者配对,反正就不是一个人干的事)都会存在三个可能:有利、有害、无利无害. 对于合作一方来说,至少应该保持一个无害的结果,这是常识. 如果觉得有害的可能性很大,于是,我们就会拒绝合作. 问题在于,谁也不是神仙,没有人可以事先100%断定合作必然会有利或至少无害,于是人们需要很多背景信息来供决策.

相关性 ≠ 因果性

- 杀手 - 宇宙的心弦
专家说,常食海参使人变得更聪明. 科学研究表明,20~50岁男人射精越频繁,以后患前列腺癌风险就越低. 是不是为了变聪明我们就要天天吃海参. 是不是为了降低患前列腺癌的风险我们就要天天打飞机. 相信死理性派的读者,不会轻易就得出结论. 但轻易下结论是很多人经常犯的毛病,为了分析类似这种结论的可信程度,我们先来看看这种结论都是如何得出的.

Elasticsearch:什么是相关性

- - 翟志军
我们已经注意到,搜索结果会以相关性的倒序方式返回. 但是什么是相关性,它又是如何被计算出来的呢. 每一份被搜索出来的文档都带有一个由正的浮点数来表示的相关性评分,被称为_score. 这个分数越高,代表这份文档越相关. 查询子句会为每份文档生成一个评分_score. 如何生成这个评分依赖于查询子句的类型.

Lucene TF-IDF 相关性算分公式

- - 鲁塔弗的博客
Lucene在进行关键词查询的时候,默认用TF-IDF算法来计算关键词和文档的相关性,用这个数据排序. TF:词频,IDF:逆向文档频率,TF-IDF是一种统计方法,或者被称为 向量空间模型,名字听起来很复杂,但是它其实只包含了两个简单规则. 某个词或短语在一篇文章中出现的次数越多,越相关. 整个文档集合中包含某个词的文档数量越少,这个词越重要.

使用Python进行相关性分析

- - 标点符
在数据分析时,经常会针对两个变量进行相关性分析. 在Python中主要用到的方法是pandas中的corr()方法. corr():如果由数据框调用corr函数,那么将会计算每个列两两之间的相似度,返回DataFrame. corr(other):如果由序列调用corr方法,那么只是该序列与传入的序列之间的相关度,返回一个数值型,大小为相关度.

堆排序

- kongshanzhanglao - 博客园-首页原创精华区
       堆排序是利用堆的性质进行的一种选择排序.   堆实际上是一棵完全二叉树,其任何一非叶节点满足性质:.   Key[i]<=key[2i+1]&&Key[i]<=key[2i+2]或者Key[i]>=Key[2i+1]&&key>=key[2i+2].   即任何一非叶节点的关键字不大于或者不小于其左右孩子节点的关键字.

排序算法

- - 互联网 - ITeye博客
排序算法有很多,所以在特定情景中使用哪一种算法很重要. 为了选择合适的算法,可以按照建议的顺序考虑以下标准: .     对于数据量较小的情形,(1)(2)差别不大,主要考虑(3);而对于数据量大的,(1)为首要.  一、冒泡(Bubble)排序——相邻交换 .  二、选择排序——每次最小/大排在相应的位置 .

lucene排序

- - 开源软件 - ITeye博客
排序是对于全文检索来言是一个必不可少的功能,在实际运用中,排序功能能在某些时候给我们带来很大的方便,比如在淘宝,京东等一些电商网站我们可能通过排序来快速找到价格最便宜的商品,或者通过排序来找到评论数最高或卖的最好的商品,再比如在Iteye里的博客栏里,每天都会以降序的方式,来显示出最新发出的几篇博客,有了排序,我们就能在某些时候很方便快速的得到某些有效信息,所以说排序功能,无处不在 ^_^.

【原】MapReduce的排序和二次排序

- - ITeye博客
自己学习排序和二次排序的知识整理如下. 1.Hadoop的序列化格式介绍:Writable. 2.Hadoop的key排序逻辑. 4.如何自定义自己的Writable类型. 1.Hadoop的序列化格式介绍:Writable. 要了解和编写MR实现排序必须要知道的第一个知识点就是Writable相关的接口和类,这些是HADOOP自己的序列化格式.