功能无关性的web2.0用户兴趣相关性分析方法
17 Jul 2006
Web2.0最重要的特征就是，通过一定的分析方法，将具备相关兴趣的人聚集在一起。做法上，不同的应用有不同的方法。现在要说的是一种具体应用无关的分析方法。
先考虑现实中的情况。张三看了《疯狂的石头》，李四也看了。两人的在某种情况下见面聊起这部电影的时候发现观点基本相同。于是相见恨晚，以后的电影，张三推荐了，李四很有可能会看。如果恰好张三推荐的电影李四也喜欢看，两人的兴趣更接近了，意味着以后张三推荐的电影或者其他的东西，李四更可能会看会用。
很多网站做的用户兴趣相关性基于这样的现实。评价网站则严重依赖这样的事实。当用户A评价一个东西不错，用户B有相同的感受的时候，两人兴趣相投，于是对平台——就是这个网站产生了依赖。从某种程度上说，绝大多数web2.0应用所作的事情，只是把人们的社会化的需求挖掘出来，从而产生交流的欲望，进而产生对网站本身的依赖。至于提供各种服务，只是为了更好的让用户进行交流。
相关性的关联方式，可以是功能本身，例如读一本书，为某一项产品/内容做一个标签。一旦这个标签多了起来，形成一条曲线，那么根据曲线的相似程度，可以判断出这些用户的行为相近程度，进而分析出他们的兴趣相近程度。
从功能无关性的角度看来，这些都可以被抽象。读一本书可以是一个功能，打标签也可以是功能。抽象出来如下：
功能ID 动作 目标 值
1 读书 兄弟 推荐
2 标签 兄弟 余华
...
用户ID 功能ID
1 1
1 2
2 1
2 2
（上面的例子显示出，两个用户具备相同的行为，有理由想象两人有相似的兴趣）
在进行相关性分析的时候，只需要将ID与用户关联起来即可。相关性搜索算法就与具体的应用没什么关系了，一些常见的数据挖掘的技术在这里可以大显身手。