Yot*_*ray 15 algorithm facebook
我想知道你是如何思考(或知道)Facebook在每个用户的页面上产生"你可能喜欢的人"或"建议的朋友".这实际上是一个算法问题,而不是Facebook的问题,但社交网络可能是最明显和最容易理解的例子,这就是为什么我为我的问题引用这个问题.
对我来说,这是一个关于效率的奇怪问题.我理解如何为单个用户实现这一目标; 基本上找到的用户是你当前朋友数量最多的朋友而不是你.然而,这并不是一个非常快速或有效的过程,而且必须为大约十亿用户完成.
这使我相信该过程仅在用户登录时运行,但我仍然想知道实际使用什么样的算法来找到这些"建议的朋友".什么是大规模执行这样的"建议算法"的有效方法？
这个解决方案可能听起来像是在轮子上打破蝴蝶，但以这种方式进行可能会很有趣。
我想 Facebook 可以像 Netflix 知道你会喜欢的电影一样做到这一点。参见这篇文章的答案完成损坏的数据矩阵的算法
如果你登录，他们可以将矩阵缩小到一个非常小的矩阵，这就像用更完整的数据和更小的矩阵来解决 Netflix 问题一样。
你可以看看机器学习