基于社区的推荐引擎构想

社交网站的的一个重要交际就是推荐内容给自己的好友（关注自己的人），比如facebook的“赞”，人人网的“分享”，twitter的“Retweet”。。

但对于一个弱关系的社交网站来说，将所有的推荐全部堆积上去显然不是完美的，那么通过一定的算法筛选接受的用户所喜爱的内容就是很有必要的。

如何推荐呢？简单的方法当然是加标签，给用户加上标签，给内容加上标签，标签重合率高的时候就推荐。

但问题是加标签这个行为，标签很多，不可能让用户做选择题，填空的话，同样的含义各人填写的标签文字又不同，何况，用户不喜欢加标签这个看起来毫无意义的工作。

那么，程序自动加标签吧。

假定已经有了初始数据，给一群用户加好了标签（这些标签并不是有明确含义的文字，也许只是心理学的坐标值而已），某个内容被数个用户推荐后，分析这些人的共同标签（期望值？），得出内容的标签，然后向这个内容一定范围内的用户推荐。