微博的产生和传播信息的形式虽比较新，信息量增大之后，会面临垃圾信息和重复信息的问题，推荐系统也会有用武之地。

    在新注册之后，会推荐人气用户以供初始化，在SNS中常见的做法是导入邮箱或者MSN中联系人，或者像Kik Message手机客户端扫描用户的手机联系人。对于社会化严重的应用更需要利用已有关系网来完成产品初始化，并且再形成产品在关系网中传播，造成产品用户的指数型增长，像早期的QQ、邮箱或者手机这样一个个手动添加联系人已经不适用，用户也没有这种耐心。越多的朋友参与，用户粘度越高，产品的转换成本也越大。

    而根据填写的籍贯、教育和职业资料推荐用户，这种方式都比较老套，社区化网络使用的形式不一定适合微博，微博是靠兴趣和话题将人聚合在一起，不像社交网络那样靠看看他人的相册和头像就决定是否添加为好友，起码微博的社交成分会更低。对于普通用户而言，或许只是一个类似于聊天和围观的工具，对于信息的获取存在机会主义，而更高端的用户是否会期望获得更有价值的信息。

    从个人短期使用微博的经历来看，期望能fo产出信息质量高的用户，通常是查看该用户之前的发言识别，自己人为过滤。再者以专家为线索，查看专家fo的用户，再选择是否同样fo。微博本身也会设立官方发言人（比如新浪科技），这会增加运营成本，产生的信息过于大众化，同样能在其他媒体或者rss中获得的信息，官方发言人的价值就会减小。

    新浪微博的产品比较零碎，功能多，有实际使用效果的少。推荐的人气用户看不出来有任何依据，个人关注的话题对于推荐的用户产生不了过滤。手动添加了标签之后推荐的用户价值也不高，单靠是否有共同话题和是否在一个学校不能立即评价是否fo，查看之后通常发现该用户的粉丝数比较少，要么就是发言质量不高。微博本身希望这些普通用户被fo，增加他们的用户粘度，而对于查看之后产生的失望情绪也有损用户体验。

    新浪微博开发者大会中，王煜全提到的重复信息和类似于签到的垃圾信息确实烦人，个人并不关心这些陌生人去了哪里，对于纯转发而且已经阅读过的信息应该明确过滤掉。如果开发更专业过滤的第三方应用，每天显示最有价值的50条微博，也许会有不错的发展前景。

建议继续学习：

1. 【转】基于lucene实现自己的推荐引擎    (阅读：3491)
2. 国内外旅游电子商务个性化推荐系统研究    (阅读：2858)
3. 协同过滤推荐系统的那些不足点    (阅读：2638)
4. 基于用户的协同过滤和皮尔逊相关系数    (阅读：2517)
5. 推荐系统应用研究：网上书店    (阅读：2381)
6. 推荐系统应用研究：音乐电台    (阅读：2203)
7. 基于增强学习的旅行计划推荐系统    (阅读：1927)