个性化阅读类的应用一直是一个火热的创业方向，这个领域已经先后出现了 Taptu、Pulse、Zite 等红极一时的应用。两个月前，一直火热的 Zite 才被 CNN 以 2000 万美元的价格收购了。我们团队简网 Cutt.com 一直都很看好这个方向，于10月10日在 App Store（下载地址）发布了我们自己的个性化阅读应用“指阅”，http://zhiyue.me。
指阅的目标是新一代的资讯发现与阅读应用，致力于打造懂你口味的阅读体验。指阅将互联网上的繁多资讯收集梳理，以『话题』的形式重新组织成“微媒体”，帮助你方便快速地发现你感兴趣的内容。
首次打开指阅后，应用会邀请绑定你的微博帐号，经过你的授权，指阅的服务器后台就会分析你近期发布的微博内容，得到你可能感兴趣的主题。同时，绑定微博之后你可以把你发现的好内容分享给你的好友。
在进入文章阅读后，你可以随时完善文章来源和主题，应用会记录你在阅读过程中的每个操作，喜欢与否、来源选择、话题偏好、分享互动。你的这些反馈，可以让指阅更加完善地了解你的阅读喜好。
通过语义分析与个性化推荐技术，指阅试图为你打造个人专属的信息过滤与发现引擎。这些服务器端的后台技术，我们团队内部称之为“信息基因技术”，此前已经推出的产品 cutt.com、机器维护的微博帐号以及指阅都采用了相应的技术。
我们团队的 CEO 丁钧，1997 年进入微软工作直到 2006 年，离开前是微软顾问咨询部的总监，他为人很低调，大家可以去微博围观他。我们希望通过对人们兴趣信息的捕捉分析，甚至是某一区域、某一年龄、某一族落的人群的精准定位，为用户提供一系列的个性化服务。不过目前阶段最重要的事情，还是专心打造好一 款对用户有用的产品，欢迎大家下载试用（下载地址），多给予我们意见和帮助。我们近期还会加入微博相关的功能，敬请期待。
过去的一年时间，无论是对我们团队还是我个人，都是非常重要的一年，我收获了异常宝贵的人生经验，我将永生难忘。千言万语汇成一句话：感谢每位兄弟，我为有幸身处这样一个团队而无比自豪！
这是我在知乎上认真回答的第一个问题，我把它拿过来稍作修改，算是为2011推荐系统论坛的会后总结起个头。会议当天我琐事很多，基本上没能好好听讲，因此有关主题内容的，等我看完视频补好课之后再写吧。
首先，咱们界定一下概念，这里的“推荐”，应该不单纯指的是大家所熟知的“购买了X的还购买了Y”这种狭义的形式，而应该是常说的“搜索”与“发现”中的后者，“推荐”的目标是让用户的互联网体验更加个性化，帮助用户轻松“发现”他感兴趣的信息，或者说“让信息找到你”。
那么，推荐能不能成为爆发点，这个问题我个人这么看。两点：1、这件事情是不是被广泛地接受及认可？2、是不是有越来越多的人投入到这件事情？
对于第1点，我相信答案是毋庸置疑的，推荐引擎或者推荐模块，已经逐渐成为了面向消费者的互联网应用的标配，甚至可能会发展成为互联网应用的基础设施。推荐目前的状况，我觉得和搜索早期很像：1）功能的价值逐渐让用户觉得不可或缺（具备了爆发的潜质）；2）多数从业人员对其还比较轻视（不认为其有独立存在的价值）。这里面就很可能有机会了。
对于第2点，我认为非常关键，需要有足够多人做出足够多的探索。变革虽然最终是由精英推动的，比如，搜索大潮由斯坦福的两位天才掀起，应用市场的模式由乔布斯教主引领。但是，不能否认的一点，这是一个“量变到质变”的过程，Google 登顶能称得上是一将功成万骨枯了，应用市场模式的产生也跟长久以来大家对于 Windows 软件管理模式的不满有直接关系。目前对于推荐，一个普遍的疑问就是，“它能否成为一个独立的产品，还是仅能作为一项功能存在”？这个问题，分析家们的答案一文不值，要靠在这个领域内深耕的一线人员去探索。目前整体来看，无论国外还是国内，这个领域的创业公司在增多，但总体数量还不够，尚待进一步观察。
张栋老师在会上抛出了一个说法，“做一个推荐系统的影响因素：UI/UE: 40%; data: 30%; domain knowledge: 20%; algorithm: 10%”。这个引起了不小的争论。我的意见是，真实世界里的事情不是这么划分的，产品/技术/算法不应是割裂的，绝对意义上讲也不应该存在哪个更重要的比较，灵活分析“在某个时期”应该侧重于哪部分更合适。而且，即使按照这个比例分也可以，那10%恰恰就是成为伟大产品所必须要迈过的一关。电商可以用活动促销这些直接有效的手段拉升业绩，但会有Amazon这样的企业愿意在推荐引擎上持续投入超过十年；搜索引擎可以人工调整结果甚至强插小广告，但同样会有Google这样的公司愿意坚持在算法上优化保证结果的公正。ResysChina 在微博上的点评，我认为是比较中肯的，“心理学研究表明，人们往往对序列最前与最后的事件记忆最深刻，其实大家更应该关注的是中间的两个因素：数据与领域知识。因为一头一尾两个因素的热议更多的是因为职业之争，就像PM与程序员之争一样。而数据与领域知识是需要并且可以花心思做好，而且可以得到实实在在的产出的”。好吧，这段跑题了。最后有一点是真的，推荐深入做下去是具备很高技术门槛的。
言归正传，所谓爆发，一定得和大势对上节拍。综上来看，推荐这件事情，量方面在积累，专注于这个方向的人才在增多，具备技术门槛和成长空间，因此，我个人认为这个方向大有所为。
2011推荐系统论坛官方网站发布，http://www.resysforum.org/，后续会议视频及PPT资料，均会在此发布，欢迎大家前去围观。
目前，报名工作已经停止，参会名单也已经全部确认完毕。本次大会提交的报名人数远超我们的预期，非常感谢朋友们的大力支持与热情参与。有报了名但未收到确认信的同学，恳请你们能够理解和谅解。也请未获得参会名额的朋友们，不要在会议当天直接空降，目前留作以备万一之需的名额也已经全部放出，人数已达会场极限。还有朋友直接给我发邮件的，未能一一回复，也请多多包涵！不能参会的朋友们也无需遗憾，会议之后会有全程视频录像和PPT资料公布，同样给力。另外，会议当天会进行微博直播，感兴趣的朋友可以关注 ResysChina 官方帐号。
大家的支持，是对我们辛苦工作的最佳褒奖，ResysChina 成员会继续努力，为大家带来更多更好的活动。谢谢大家支持！
3月6日九点，北京地质大学国际会议中心，期待各位朋友的到来！
特别鸣谢：
- 感谢土豆网为本次会议提供视频支持。
- 感谢淘宝网为本次会议官网提供设计支持。
推荐无处不在
洪波，知名IT评论人
超市中靠近收款台的陈列架，就是一种推荐；玩聚网的Social Rank、锐推榜，iLike的社区推荐，是一种社会化推荐；亚马逊购买A的用户还买了B和C，是基于统计的推荐；Pandora的音乐指纹和Netflix的Cinematch，是个性化推荐。
推荐本身恐怕很难成为互联网的下一个爆发点，但推荐引擎一定会跟不同的业务形态、不同的应用场景、不同的用户需求密切关联，产生大幅增值。推荐算法在未来会变得越来越重要，越来越无处不在。
颜嵘，Facebook 研究员
以 Facebook和 Twitter为代表的Web2.0信息革命，把过去单一的、以信息管理为主导的互联网，逐渐转变成为一个个性化、分享化和以人为本的新一代网络连接平台。在这个大环境下，推荐技术将会成为推动这个个性化进程不可或缺的一环。我相信在今后的10年内，推荐技术会对人类生活产生越来越重要的影响。
王守崑，豆瓣首席科学家
在 互联网领域，上一个十年，我们经历了从 web1.0 到 web2.0，从门户到社会网络的巨大转变；下一个十年，我们一定会看到这一领域更加激动人心的变化。个性化推荐从技术到产品，从系统到应用，一定会遇到 一系列非常有挑战性的问题，也一定会有各种各样充满天才的解决方案等着我们去发掘。我希望在中国也是如此。
张栋，百度科学家
释放数据的力量，专注技术的魅力，探索商业的模式，三者结合，推荐引擎大有可为。
ResysChina 发起人，谷文栋 项亮
Google 的辉煌成就，曾经让许多人一度认为，Google 时代就是互联网的终结了。而近年来以 Facebook 为代表的社会化网络成功突围，使人们明白，一切其实才刚刚开始。用户贡献内容，社会化途径传播，这让信息量极度膨胀。潘多拉魔盒已经打开，“选择”的时代 已然开启，新的十年，我相信，推荐引擎必领风骚。
