推薦系統有效性 Digg

1. digg的演算法和amazon不同，他不是給使用者推薦和他們的歷史行為相關的物品，而是更加依賴於集體智慧型，給使用者推薦和他們興趣相似的使用者喜歡的文章。換句學術的話，digg用的是usercf演算法，而不是itemcf演算法

3. 系統在利用usercf的同時，也考慮到了主題(topic)的影響。digg認為，如果兩個人digg了很多同樣的體育文章，不代表他們的政治觀點也是一致的。因此，他們會計算不同topic中的使用者的興趣相似度。也就是說使用者在體育領域興趣相似，不會擴充套件到政治領域。當然，digg的topic都是很大的topic，所以並不會太多的影響推薦結果的多樣性。

4. 我們知道，usercf在計算使用者的興趣相似度時，兩個使用者有相似的興趣是因為他們共同看過同一篇文章，但如果這樣的話，乙個使用者看過一篇熱門的文章，就會和很多使用者產生相似度。digg注意到了這個問題，並盡量去除了這種影響。