我想知道StumbleUpon是如何为其用户推荐文章的？

它是使用神经网络还是某种机器学习算法，还是根据用户“喜欢”的内容推荐文章，或者仅仅是基于兴趣区域中的标签推荐文章？这里的标签指的是使用类似基于项目的协同过滤等方法？

回答：

首先，我对StumbleUpon的推荐引擎没有任何内部信息。我所知道的，都是通过过去几年跟踪这个话题以及研究公开的来源（包括StumbleUpon在其公司网站和博客上的帖子）学到的，当然，还有作为StumbleUpon的用户的经验。

我没有找到任何一个来源，无论是权威的还是其他的，都没有接近于说“StumbleUpon推荐引擎是如何工作的”，尽管可以说这是有史以来最成功的推荐引擎——统计数据令人震惊，StumbleUpon占了互联网上所有推荐的超过一半，尽管注册用户数量只是Facebook的一小部分（8亿对1500万）；更重要的是，StumbleUpon并不是一个带有推荐引擎的网站，比如说，Amazon.com，相反，这个网站本身就是一个推荐引擎——在构建推荐引擎的相当小的一群人中，有大量的讨论和八卦，如果你筛选这些信息，我认为有可能可靠地辨别出所使用的算法类型、提供给它们的数据库，以及这些是如何在工作数据流中连接的。

下面的描述参考了我底部的图表。数据流中的每个步骤都用罗马数字表示。我的描述是倒序的——从URL传递给用户的点开始，因此在实际使用中，步骤I最后发生，而步骤V，最先发生。

橙色椭圆 => 数据源

浅蓝色矩形 => 预测算法

I. 推荐给StumbleUpon用户的网页是多步骤流程中的最后一步

II. StumbleUpon推荐引擎从三个不同的来源获取数据（网页）：

• 与您预先确定的兴趣（用户标注为兴趣的标签，可通过点击登录用户页面右上角的“设置”标签查看/修改）匹配的带有主题标签的网页；

• 社交认可的页面（*此用户的朋友喜欢的页面*）；以及

• 同行认可的页面（*类似用户喜欢的页面*）；

III. 这些来源反过来是StumbleUpon预测算法返回的结果（类似用户指的是通过聚类算法（可能是k-means）确定的同一群集中的用户）。

IV. 用于训练聚类引擎的数据，由带有用户评级的网页组成

V. 这个数据集（由StumbleUpon用户评级的网页）也用于训练一个监督分类器（例如，多层感知器，支持向量机）。这个监督分类器的输出是应用于尚未被用户评级的网页的类别标签。

我找到的最好的关于讨论StumbleUpon推荐引擎的来源是在其他推荐系统的背景下讨论的，是这个BetaBeat帖子。