MyStrands.com 刚刚公布了他们设立的 Strands Awards 的结果。经过激烈 PK 之后入围的五位候选者，通过在 RecSys08 上作 presentation，由评委打分，排定了名次。
第一名，Gravity R&D，他们的 idea 是提供一套个性化TV娱乐节目解决方案，核心概括为 4 点：
- 即时频道推荐以及个性化导视；
- 电影和点播内容的即时推荐；
- 根据用户喜好和收视习惯进行自动录像；
- 多用户操控。
也难怪 Gravity R&D 这次可以拔得头筹， 在 Recommender System 算法领域他们可是狠角色。他们是一个 4 人开发小组，因为共同参与 Netflix Prize 而聚在了一起。我印象里，打很早开始，他们就一直盘踞在 Netflix Prize 的前 5 名之内。
第二名，Reccoon，他们的 idea 是 Activity-based Recommendations，核心思路是，根据用户当前所在地点，当前时间，以及其他输入，为用户作出推荐。举个例子，我周六中午12点，在朝阳门附近打开 Reccoon，最直接的，他可以推荐给我周围的餐馆。进一步假设我是 Reccoon 的长期用户，他已经知道我经常在周末去吃自助餐，他就可以把好伦哥推荐给我。再进一步，如果他还知道我爱吃日本料理，他就可以优先建议世贸天阶有一家金钱豹。
这个 idea 我个人接触过好多次了，也就具体问题和一些朋友见面聊过。类似的需求肯定是有，也越来越引起大家的重视。Google 负责 Personalized Search 的工程师 Bryan Horling 就认为，Location data 是个性化计算的三个主要数据来源之一。
“… personalization coming from three data sources, localization data (IP address or information in the history that indicates location), short-term history (specific information from immediately preceding searches), and long-term history (broad category interests and preferences summarized from months of history)… "
后面还有 3 个，Iletken，SentiMetrix 和 Commendo，且听下回分解，哈哈。
我个人更感兴趣的是 Iletken，SentiMetrix。Commendo 也厉害得很，目前在 Netflix Prize Leaderboard 上排名第 2！
废话一句：校内如果用买 kaixin.com 域名的钱办一个类似的活动，对它自己，以及国内互联网圈子，有价值得多！
