xlvector – Recommender System

当我们在twithunter上输入一个topic的词，如何来判断什么人是这个词的专家呢，目前我综合考虑了以下因素： 1. 这个人要在自己的tweets里面提到这个词，提到一次+1分 2. 这个人被别人问到这个词，比如对与用户xlvector和词recsys, 如果clickstone说了一句，@xlvector what is resys?。那么这个时候xlvector相对于recsys的专家度就会+2分 3. 如果xlvector提到了recsys的一个tweets被别人转发了，这个时候xlvector相对于recsys的专家度+3分 当然，这里的1分，2分，3分都可以再定义。上面显示的是一个人相对于一个topic的专家度。当然，一个人本身也有专家度，如果我们考虑一个人的全局专家度，主要应该考虑下面的因素： 1. 这个人的follower数 2. 和这个人交流过的用户数，也就是在tweets里出现这个人用户名的次数 3. 这个人发出的信息被转发的次数，越多显然是专家 4. 一些扩散的影响，比如一个人说了话之后，经过所有的转发所能影响的用户数目。 当然前面的要综合考虑，而且也有些帐号满足所有的条件，却不是人们传统意义上的专家，比如zhenyun的rtmeme帐号，他显然满足上面的条件，但是不是专家，就是不同人各自的看法了。不过我有个看法，专家还有个特点，就是一般只对一，两个领域在行，也就是说他的topic还是比较集中的，这一条rtmeme帐号就不具备了，因为他什么热门的都会转发。 当然，这里说的专家不一定是大牛，或者教授什么的，是指有一技之长的人，比如蛋炒饭做的好，也可以算专家，这个社会上的任何一个人都有自己擅长的领域，都可以在自己擅长的领域成为别人的专家。

I make a tool called twithunter ( this name is not good, I want to change it). It can find people if you give a keyword (we only support single word, if you search machine learning, we will search “machine” or “learning”) This tool is designed by two weeks data in twitter (6 million tweets), [...]

twitter今天在他的官方blog中介绍了他们为新用户设计的推荐系统，用来给新用户推荐可以follow的对象。 twitter认为，对于一个新注册者，最困难的就是找到合适的follow对象。twitter的解决方案是让新用户选择他们喜欢的Topic，然后再这些Topic中找到expert推荐给用户。 因为twitter前一段时间推出了list系统，这使得他们可以更容易的对用户进行聚类。现在找人往往比找信息还重要，因为信息可以过时，但人却永远不停的释放出信息。