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。
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!
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。
=========================================================================================
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。
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
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
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 -