推荐一个做社会化推荐的网站 Hunch http://hunch.com/
kuan wang
kuan wang
这是 MIT Tech Review 的一篇报道，简单介绍了Hunch的工作模式
Gary Wang
xlvector
On Feb 27, 10:16 pm, kuan wang <wangkua...@gmail.com> wrote:
> 不知可有人关注过这个网站http://hunch.com/，它的社会化推荐机制挺有意思，不知内部是什么原理。
Loeb
在Hunch這個網站，不必做什麼事，它就是一直問網友問題，然後網友一直解答。在每個解答之後，Hunch就告訴你，有幾個％的人和你回答一樣的結果，用這個方式來引誘你回答更多的問題。回答之後，Hunch就更認識你，也收集更多「像你這樣的人」的喜好與決定。這些喜好與決定，告訴很多其他的事。看，如這篇所說，Hunch這顆「大腦」已經知道一些人類都不知道的秘密，你知道嗎，一問你「敢不敢喝公共飲水機的水？」，就可以知道你一些其他的事。其中一件事是據Hunch目前統計，敢喝公共飲水機的水的人（大約佔全部人口79%），騎單車的時候通常都會戴著安全帽。而不敢喝公共飲水機的水的人，通常也都不會戴著單車的安全帽！
Kebin Wang
最后这个怎么解释呢...
王可斌 （Kebin Wang)
此邮件可能含有机密信息并受法律保护。 如果您错误地收到此邮件， 请不要转发给任何人，请立即将此邮件所有的副本、包括其全部附件彻底删除，并请告知发件人此邮件被发至错误的收件人。谢谢。
This email may be confidential or privileged. If you received this communication by mistake, please don't forward it to anyone else, please erase all copies and attachments, and please let me know that it went to the wrong person. Thanks.
Guozhu.Wen
这更算是一个群体智能的收集与应用，作为一个决策引擎，甚于推荐因素。我猜想AI发展到了瓶颈而生物智能技术未有大突破之前，这会是这段时间web应用的一个方向。
风险在于，影响人类进行决策的因素有千千万万，有些甚至是我们自己都无法意识到的，仅凭有限的一些问题来作出判断显然是带有极大的不可信度的。对于一些简单而模糊的决策，如你会喜欢什么书、你会喜欢买什么笔记本，这个应用是没有问题的（如果只能做这些决策，实际又退化为一般的推荐引擎了），但对于一些较为严肃和复杂的决策，我很怀疑机器能给出合理的判断。假定用户相信它的判断，比如这篇文章里提到的“你该不该搬进去和女友住”的问题，如果给出判断是“应该”并且你也照做了，结果你们闹得不开心，你是不是该找这个决策引擎来吵架呢 :)
现在看法可能有点片面，晚点详细试用一下。
不知可有人关注过这个网站 http://hunch.com/，它的社会化推荐机制挺有意思，不知内部是什么原理。
--
稳
Guozhu. Wen
mail: guoz...@gmail.com
douban: http://www.douban.com/people/wentrue/
blog: http://www.wentrue.net/blog/
twitter: https://twitter.com/wentrue
Linkc
=========================================================================================
hunch的前身是MIT 的一个机器学习项目，旨在收集知识与经验，并将之充分加以利用。在使用hunch的这段时间里，我对他独特的协作机制很感兴
趣。
功能
hunch可操作的单元有topic，question，result，目的是让用户通过回答question，找到某些result。与
wikipedia类似，hunch也分为贡献用户和浏览用户。贡献用户写一个topic，topic是整个网站的组织核心，以一个疑问句的形式表现。
如Which city should I visit in China ? 并且在这个topic下写几个question和result，最后建
立二者之间的关系。这样，当某个用户想来中国旅行，面对数百个城市茫然失措时，就可以计入这个topic，点几下鼠标，回答几个问题，系统就会推荐一些
result。
协作
当一个topic发布后，除了问题本身只有贡献者可以编辑外，任何用户都可以为topic贡献question和result，并且，用户浏览和回答的
历史也会被记录在案，作为训练算法的数据（这个下面具体说）。与wiki和Q&A类的应用不同，hunch的操作被简化到了极致。result的摘要会
自动从wikipedia里面取，图标自动在网上搜索，轻点几下鼠标，一个完美的topic就完成了。where should I go in
Beijing? 是我今早发布的，用了大概半小时，包含5个question和31个result。
上面提到，用户还可以完善topic。如修正result对应的answer，顶或踩某个result，这些动作都被视作用户的贡献，在我们看来微不足
道，但积累到一定量级，就能凸显出统计学和社会学上的意义。
算法（这里说得不准确）
hunch有两层算法。首先是"自问自答"的机制带来了格式化的数据。topic用来定位用户兴趣，几种question和answer的组合筛选出适
合的result。贡献者可以定义某个result对应question里面的哪个（或哪几个）answer，当用户选择了不同的answer后，就会
按一定算法对result进行排序。比如这个where should I go in Beijing?，我回答想来北京看古迹，我对古建筑感兴趣而
且不想出城，系统就会推荐给我故宫，前门和国子监。但是简单的算法只能筛选出所有可能的result，并不能保证排序是最优的。这样就引出了第二层算
法，数理统计模型。和豆瓣的评分、SE的点击调权类似，当用户回答完毕，将有机会为各个result投票，这样通过统计方法，对结果进行排序，不断训练
程序。
运营
hunch遵循"宁缺勿滥"的运营方式，一个topic刚刚被创建是不会被公开发布的，只会放到作者的 workplace里面。只有topic下有一
定数量的question和result，并且被足够多的用户"训练"过后，才会发布到公共频道。编辑的审核也非常严格，我写了一个"如何挑选NDS游
戏"的topic，被编辑删除了，建议我合并到"电子游戏选购"这个topic下。可见，hunch希望每一个topic都是有用的，鼓励用户不断完善
内容。
hunch的徽章系统很有特色，分别是里程碑，特殊角色，训练相关，个性化。具体请参考
* 里程碑：的到100、500、1000、5000......个积分。
* 特殊角色：建筑师、发明家、哲学家、批评家......以评价为评判对象。
* 训练相关：教师、讲师、演讲者、教授，以训练数据为评判对象，鼓励用户训练程序算法。
* 个性化：为浏览用户而设。
细节
完成一个topic的全过程都是ajax形式进行的，体验很流畅，让贡献内容变得很轻松。为了确保数据质量，hunch还有很多小细节值得借鉴。如，某
topic有一个result叫summer palace，我不小心再一次输入summer palace，系统提示我"有一个相同的
result"，改为输入"old summer palace"，提示我"您的意思是不是summer palace？"。还有很多类似的小细节，大
家可以亲身体验一下。
Guozhu.Wen
谷文栋
Linkc
result添加描述，hunch可以直接调用wikipedia的内容，但在国内还没有一家能够提供丰富且结构适合的内容（互动百科和百度百科都不
行），协作的人数可能也就是5%。
另一块是让用户回答几个问题，然后给出答案，对于大多数用户来说还是可行的。
在国内推出这样的服务有几条路可走：
1、走细分，电影（豆瓣），音乐（豆瓣或taste），其实都可以算是某种决策引擎；
2、运营上调整一下，每天只推出三个问题，先由编辑引导完善，通过这种方式积累内容，宁缺勿滥，让用户"10%贡献，30%分享，60%发现"；
3、走娱乐路线，类似于http://en.akinator.com/ 和20Q，但到最后也只是个小游戏
个人比较倾向于第二种路线，初始的用户团队和内容质量把控好了，还是能有所作为的。
盈利方面有几种：
1、决策结果中加广告，告诉用户，"这个是广告，但也是一种选择"；
2、专题topic合作，如topic"聚德华天：北京入夏吃什么最好？"，得到的结果都会对应一个餐馆的广告；（不好意思饿了）
3、显示相关问答结果，与百度知道等Q&A网站合作，在result页面展示相关的问答结果
感觉百度知道做这个比较好，用户契合，有忠实用户，不差人，不差钱。
On Mar 4, 10:38 am, 谷文栋 <wendell...@gmail.com> wrote:
> hunch
> 这个网站刚出来的时候就有关注了，记得当时好像是景风同学给推荐的，国内对问答系统研究这一块儿，景风同学绝对是大拿。我试用了一下感觉很不错，这个思路搞好了 想象空间很大，但因为英文提问回答自己搞起来不是很顺畅，慢慢就很少用了。如果把这个东东copycat到国内，大家怎么看？
>
> 2010/3/4 Guozhu.Wen <guozhu...@gmail.com>
>
>
>
> > 总结得非常赞，不知道随着用户量的增加，运营压力、编辑的工作量会不会越来越大。算法还是人力，这是个问题。
>
> > 2010/3/4 Linkc <noonsleep...@gmail.com>
> > mail: guozhu...@gmail.com
王宜国
Linkc
首先，result不是一系列问题回答完了再出现的，而是随着问题变化，这样做提高了用户评论result的概率（也有可能是因为很多用户没有耐心回答
完所有问题而做的妥协）
其次，社区元素加入了很多，在profile页面强化了好友关系和状态，同时推出service，开始支持第三方社区
当前的hunch像一个用问题和答案串联起来的大社区，根据之前对问答网站的调研（样本数500），大概40%的问题是寻求抉择（该买哪款相机），
20%是open question（如心情不好怎么办？），40%是需要大段语言描述的答案。
如果把hunch复制过来，做好产品本地化，让国内市场接受，还是很有前景的。
On Mar 4, 11:38 pm, 谷文栋 <wendell...@gmail.com> wrote:
> hunch
> 这个网站刚出来的时候就有关注了，记得当时好像是景风同学给推荐的，国内对问答系统研究这一块儿，景风同学绝对是大拿。我试用了一下感觉很不错，这个思路搞好了想象空间很大，但因为英文提问回答自己搞起来不是很顺畅，慢慢就很少用了。如果把这个东东copycat到国内，大家怎么看？
>
> 2010/3/4 Guozhu.Wen <guozhu...@gmail.com>
>
> > 总结得非常赞，不知道随着用户量的增加，运营压力、编辑的工作量会不会越来越大。算法还是人力，这是个问题。
>
> > 2010/3/4 Linkc <noonsleep...@gmail.com>
> > mail: guozhu...@gmail.com
raullew
On Mar 4, 5:37 pm, Linkc <noonsleep...@gmail.com> wrote:
> 上面那篇评测是hunch刚出来不久写的，刚刚看了一下，hunch改版了。
>
> 首先，result不是一系列问题回答完了再出现的，而是随着问题变化，这样做提高了用户评论result的概率（也有可能是因为很多用户没有耐心回答
> 完所有问题而做的妥协）
> 其次，社区元素加入了很多，在profile页面强化了好友关系和状态，同时推出service，开始支持第三方社区
>
> 当前的hunch像一个用问题和答案串联起来的大社区，根据之前对问答网站的调研（样本数500），大概40%的问题是寻求抉择（该买哪款相机），
> 20%是open question（如心情不好怎么办？），40%是需要大段语言描述的答案。
>
> 如果把hunch复制过来，做好产品本地化，让国内市场接受，还是很有前景的。
>
> On Mar 4, 11:38 pm, 谷文栋 <wendell...@gmail.com> wrote:
>
>
>
> > hunch
> > 这个网站刚出来的时候就有关注了，记得当时好像是景风同学给推荐的，国内对问答系统研究这一块儿，景风同学绝对是大拿。我试用了一下感觉很不错，这个思路搞好了-想象空间很大，但因为英文提问回答自己搞起来不是很顺畅，慢慢就很少用了。如果把这个东东copycat到国内，大家怎么看？
>
> > 2010/3/4 Guozhu.Wen <guozhu...@gmail.com>
>
> > > 总结得非常赞，不知道随着用户量的增加，运营压力、编辑的工作量会不会越来越大。算法还是人力，这是个问题。
>
> > > 2010/3/4 Linkc <noonsleep...@gmail.com>
>
> > > 我也算是hunch的第一批用户，和自己的领域比较接近。贴到这里，请指正。本人对推荐算法感兴趣，但纯属门外汉，今后会长时间潜水学习。
>
> > >> ===========================================================================-==============
> > > twitter:https://twitter.com/wentrue- Hide quoted text -
>
> - Show quoted text -
Link
hunch是给出主题，一些列问题和不同的选择对应的答案，帮助人们通过简单的选择题决策一件事情，是一个决策产品。hunch和购物搜索网站比较像，点几下就出结果帮助人们决定。
楼下来补充～
============================================
陈岩@互动百科
www.hudong.com
Gtalk: noonsl...@gmail.com
MSN: noonsl...@hotmail.com
============================================