我应该可以算是个电影迷。
整个高中阶段，我有一个习惯。每逢周日的下午，我都会跑到离家不远的一个投影厅，花 3 块钱，美美地看三部电影。那时侯是香港电影的黄金岁月，周润发+吴宇森的枪战片，徐克+李连杰的武侠片，王家卫+梁朝伟的艺术片，成龙的动作喜剧片，王祖贤的鬼片，周星驰的无厘头片，整个大银幕星光闪耀，异彩纷呈。当然，还有王晶的赌片和三级片，呵呵。我一个人窝在角落的靠背椅子里，享受着电影世界带给我的感官体验或者是心灵震撼。那是我青春岁月里，非常美妙地一段记忆。
那时侯的美国电影并不比港片好太多。会在我们那个城市的投影厅里排映的，我印象里差不多就是施瓦辛格的肌肉片，金凯瑞的搞笑片，还有猛鬼街之类的恐怖片。有一次，我看到了这么一部片子，大意是说，有一台 Computer，忘记了怎么着发生了什么事情，突然就有了自己的意识。男主角暗恋女主角，经常在 Computer 上给女主角写情书。慢慢地，Computer 也爱上了女主角，开始给男主角搞坏，成为了男主角的情敌。影片情节有趣，女主角靓丽，尤其是那美妙的音乐，给我留下了难以磨灭的印象。但是，这部片子叫做什么名字，我却没有记住。
这之后，我时常会神经质地想起这部片子。然后就跑到碟店里面去问店主，问的大致内容就是“Computer/Love/Music”之类的，但始终未果。
后来，我有机会负责一个电影搜索引擎的开发。我给自己定了一个要求，在我做的这个搜索引擎里面，输入“Computer Love Music”，一定要出来这部电影。我的规划是作三期，第一期完成基础架构，实现基本的基于关键字的搜索。第二期就是这种，我将其定义为偏重于行业特征的搜索。可惜的是，我并没有全部做完。第一期完成了之后，我就被一家更靠谱的互联网创业公司给忽悠过来了。
不过可喜的是，现在，我所谓的第二期，别人已经做出了实际的产品。这个就是 Jinni.com。
我在 Jinni 上搜索“Computer Love Music”，没有我要的结果。我接着搜索“Computer Love”，非常棒，一眼就看到了我心中久违的那个美女。
Jinni 使用了一种称为“Movie Genome”的技术。翻译成中文差不多就是，基于“电影基因”的搜索，这个听起来实在有够拉风！
Taste in movies is complex and unique. … you'd like a movie just because it's a Drama or stars Vince Vaughn. That's why our team of movie and TV experts created the Movie Genome, … to map more aspects of movies … so that all different viewers can match their personal tastes and moods, and find what they really want to watch next.
The starting point of the Movie Genome is manual tagging by our team of film professionals. Each title has around fifty genes, among thousands of possibilities. Then, using advanced machine-learning technology, Jinni's system learns from the manual tagging to begin automated tagging.
我还剩下 4 个 Invites，有兴趣的朋友可以告诉我你的 email，我给你发邀请，先到先得。
我上面说的那部电影，年代有点儿久远了，你可以不看，但电影中的音乐一定要听一听，特别是 Culture Club 的这首《Love Is Love》！
MyStrands 是一家专注于个性化技术的 Start-up。最近，他们搞了一项活动，“Strands $100,000 Call for Recommender Startups”，在个性化圈内被广泛关注。MyStrands 成立于 2003 年，以作 Music 推荐开始起步，目前的产品线涉及到 TV、Mobile、Community 等领域。2007 年 7 月，他们完成了第二轮融资，总额 $25 Million。因此，掏出 $100,000 还是非常轻松的，而且，相比可能收获的好的 project 来讲，这个活动的结果应该也会是物超所值的。
平心而论，技术方面，MyStrands 目前尚没有“必杀技”，即使在他们的主业音乐推荐上，其推荐的质量与 Pandora 相比也尚存在一定的差距。我从外部观察，基本上是以 Item-based Collaborative Filtering 技术为核心，正在逐渐向以 User 为中心的 social recommendation 方向前进，但其社区的活跃度还不够，数据积累尚待时日。产品方面，MyStrands 比较注重各种终端设备的集成，包括 PC（Windows、Mac）、Mobile 以及其他一些可联网设备，都可以运行他们的应用。尤其在 Mobile 方面，其推出的 social player 可以支持 Windows Mobile 与 Symbian 这两个主流平台，并刚刚在 Mobile Rules! Award 2008 上被评为“最佳多媒体应用”。
总体来看，在个性化领域，MyStrands 应该还是走在前面的，他们自己的信心也很足。引一段其 blog 中的文字，“MyStrands raises $25 Million to lead the social recommendation industry”：
We feel strongly that the future of the web is about personalization. Personalized TV stations, personalized advertising, personalized news, personalized shopping, personalized music and entertainment experiences, wherever you happen to be, whether it’s at home, on the go, at your friend’s or at a bar… This is what our 50-person team has been focusing hard on and where we are headed with this funding.
2006年1月，Spotback.com 发布了其最初的版本，当时的核心业务是做 personalized news。在国外，personalized news 是 web2.0 业界非常热门的一个领域，而 Spotback 要说做的其实也还是可以的。但也许是发现这个领域的竞争实在是太过残酷了，也可能是预见到了 Google News 将在个性化方面发力，他们在2007年3月的时候，转向了新业务。News 方面的业务还仍然保留着，只是需要使用这个地址来访问了，http://news.spotback.com。
Spotback 的新业务是 Cross-site recommendations。这项新业务基于一系列 widget 展开，核心功能就是 Spotback logo 里所宣称的，“Rate Everything”！
其他网站的所有者，将这些 widget 安装在自己的页面内，网站访问者就可以开始使用 Spotback 提供的打分功能了。通过这个 widget，Spotback 还会向用户推荐与当前文章相似的内容，并且推荐的内容通常来自于其他网站。基于这种模式，Spotback 建立起一个隐性的内容联盟，所有加入这个联盟的内容发布者，都有机会在其他网站上显示自己的内容，从而扩大内容的受众面，提升本身的流量。当用户使用 Spotback widget 打分的时候，Spotback 会通过 cookie 记录下打分数据，提交到 Spotback 自己的用户系统里面，当用户在 Spotback 注册或者登录之后，就可以看到自己之前的打分历史了。基于用户的打分历史，Spotback 自然又可以做出个性化的推荐了。
个人感觉，Spotback 这个新业务模式的设计还是蛮不错的，和我们经常看到的“digg this”很像，而且功能更丰富一些。建议豆瓣也可以做一个类似功能的 widget，让国内的 blogger 放到自己的文章内，这样，豆瓣9点就可以收集来自于豆瓣网站之外的用户数据了。
