Actualización: no es broma, en realidad hay una teoría para esto: http://en.wikipedia.org/wiki/Tri…
h / t: mi increíble cofundador de mrtweet Yu-Shan Fung (quien hizo la mayor parte del buen trabajo por cierto)
Por lo que puedo decir, la técnica es muy similar a la que desarrollamos por primera vez con MrTweet ~ hace 2 años, en función de a quién sigues y con quién hablan.
- ¿Pueden algunos explicarme la lógica detrás del siguiente problema El oso hambriento?
- ¿Cuál es el algoritmo más utilizado para la agrupación de documentos de texto?
- ¿Cuáles son las mejores estructuras de datos para un índice espacial utilizado para averiguar en qué región de un espacio delimitado cae un nuevo punto dado?
- Cómo cifrar un fragmento de texto usando un algoritmo de cifrado
- Cómo agregar números de dos listas vinculadas
Sin embargo, no es tan sencillo como “seguido más por tus amigos”. Cuando haces eso, terminas con una combinación Guy Kawasaki / Robert Scoble / Oprah, que es aburrida como el infierno.
Estos son los pasos “generales” que utilizamos, y probablemente utilizados por el equipo de Twitter en diversos grados.
- En primer lugar, analizamos a quién siguen tus amigos, con quién hablan, con quién RT como indicadores de tu interés.
- Luego aplicamos sesgos positivos / negativos hacia factores individuales como la ubicación, popularidad, volumen de tweets, relación, probabilidad de conversación, etc.
- Luego lo personalizamos aún más en función de a quién solía seguir u omitir. Por ejemplo, si sigues a muchos amigos de Mark Suster, aumentaremos tu “puntaje de afinidad” con él
- También existe el concepto de exploración, lo que significa que arrojaremos personas al azar solo por el gusto de hacerlo 😉
Esto era lo básico: sin duda, hay muchos más detalles que utilizamos y muchas más cosas que hicimos más adelante sobre experiencia tópica, redes de nicho, consideraciones de ubicación
