StumbleUpon 是目前互联网上最老牌也最成功的个性化推荐服务。它创办于 2002 年初，目标很简单，“help people discover interesting or informative web content that they wouldn’t have thought to search for.”这里面直接突出了“search”和“discover”的区别，这点我非常同意，当你明确自己需要什么的时候，search 有用，但当你漫无目的的游逛的时候，你需要的是 discover。最近正好看到一篇不错的文章，也是在说这个问题，“Finding, Locating, Discovering”。
在 StumbleUpon 身上有一段儿传奇的经历。2007年5月，eBay 花了 75 个 million 的美刀把 StumbleUpon 收入囊中，而且据说当时 Google 对它也很有兴趣。但在归入 eBay 旗下之后，StumbleUpon 并没有取得预期的更大的发展，反而星光暗淡停滞不前了。其实这倒也没什么，要知道绝大多数类似的收购案例都是差不多的结局。但令人意外的是，差不多一年半以后，StumbleUpon 的两位创始人 Garrett Camp 与 Geoff Smith 又把它从 eBay 手里买了回来！算是拯救自己的孩子于水火了。无独有偶，据报道，eBay 刚刚把它2005年收购的 Skype 又给卖了出去。eBay 不好好搞自己的拍卖，当起了高科技二道贩子，让人无语啊。
好了，言归正传，说说 StumbleUpon 的算法吧。毋庸置疑，算法绝对是 StumbleUpon 的 top secret，外人是不可能知道确切情况的。所以我这里给出的，只是某位高人经过不断实验得到的推测。
具体的推理过程大家可以看那篇 blog，我这里直接给出结果：用来衡量一篇文章在 StumbleUpon 系统内得分的公式。假设 stumbler a 提交了一篇文章 d，d 属于 domain D。
这里面最重要的一个参数，就是 A -“stumbler audience”。stumbler 指的就是使用 StumbleUpon 的用户，所以顾名思义，stumbler audience 大概说的就是一个 stumbler 在 StumbleUpon 系统内的权重，它由下面三个主要因素构成，
- Number of fans
- Number of thumbs up and down you have given
- Stumble thumb bonus – increase to score based on number of thumbs received on a page.
这个公式的大意可以理解为，文章 d 的权重，等于最初的提交者贡献的得分，加上后续 stumble up 用户贡献的得分，再减去后续 stumble down 用户带来的负面影响。
公式具体的解释如下，
1）第一个加号之前的部分，表示 a 的权重，除以 a 在 domain D 内总共提交的文章数。
2）第一个求和部分，表示后续的 stumble up 用户做出的总体贡献。alpha 是 stumble up 操作的调和参数。gamma 表示“organic bonus”，是一个预设值，是对使用了 StumbleUpon Toolbar 的额外加分。delta 表示“nonfriend”惩罚因子，用来减弱无/少 friends 用户的影响力。
3）第二个求和部分与前面这个类似，表示后续的 stumble down 用户对总体得分造成的影响。
5）N，比较奇怪，高人文章里说是一个随机数，不过我没太搞明白为什么要加这么一个参数。
不知道是高人的英文写作水平有问题，还是我的英文阅读能力不行，反正高人的这篇文章看起来非常晦涩，如果我这里的理解有什么问题的话，大家一定帮忙指出来。
延伸阅读：Social Media排序算法的四种模式，旁观者 – 郑昀
最后插一句，汪峰的新专辑《信仰在空中飘摇》，非常之好听，强烈推荐！
我发现 Hacker News 是因为 reddit 的缘故。Hacker News 所属的 Y Combinator 是 reddit 的种子投资公司，后来 reddit 卖给了 Condé Nast，两个团队都赚了一票。
Y Combinator 只关注于最早期的创业团队，在创业团队的起步阶段介入并提供相应的帮助。Y Combinator 会定期举行 Funding Application 的活动，接受创业团队提交的项目资料。项目如果评审通过的话，Y Combinator 会提供一种“$5000 + $5000n”模式的投资，其中 n 指的是愿意参与此项目投资的 Y Combinator 合伙人的人数。比如，如果有 2 个合伙人愿意投资，那么最终的投资额度是 $15000；如果有 3 个的话就是 $20000。作为回报，Y Combinator 将占有创业团队 2% 到 10% 的股份，通常是 6%。钱虽然不多，但在现今创业公司大量使用 open source，AWS 或者 GAE 的情况下，这些钱也确实够展开工作了。
据说 Y Combinator 已经累计投资了 80 多个创业项目，除 reddit 之外，我还算熟悉的另外一个是 Scribd ——“YouTube for Documents”。Y Combinator 最初总共为 Scribd 提供了 $12000 的投资。Scribd 在 2007 年 5 月正式上线，随即就是飞速地增长，上线一个月之后就完成了 $3.5 million 的 A 轮融资，2008 年 12 月又完成了 $9 million 的 B 轮融资，发展得很是不错。一个有意思的事情，Scribd 有一个超级 NB 的用户，Barack Obama，对，现任美国总统！
在 Y Combinator 的合伙人中，我个人比较关注的是 Paul Graham。他写过一篇流传很广的文章，How to Start a Startup。Paul 在 Anti Spam 方面颇有造诣，以前我在研究相关问题时，从他这里学到了很多东西。Paul 是 Lisp 的大牛，另外还是 Arc 语言的设计者，Hacker News 应该就是用 Arc 语言开发的。Paul 始终称自己是一名 programmer，相比于当前乌泱乌泱的架构师，很是洒脱。
下面言归正传，看看 Hacker News 使用了怎么样的算法。
Hacker News 所使用的公式非常简单，
(p – 1) / (t + 2)^1.5
其中，
1）p 表示文章得到的投票数，之所以要使用 (p – 1)，应该是想去掉文章提交者的那一票。
2）(t + 2)^1.5， 这个是时间因子。t 表示当前时间与文章提交时间间隔的小时数。但为什么要加 2 之后再取 1.5 的幂，似乎就没什么道理可言了，也许是个 trial-and-error 的结果吧。
总体来讲，Hacker News 的公式不像 reddit 设计的那么巧妙。但是与 reddit 相比，Hacker News 的用户群比较集中，提交的文章更 Focus，质量也相对更高一些，因此实际的效果并不差。其实某些时候，解决问题就是这样，够用就好。
毫无疑问，互联网媒体的未来是属于 social media 的。
群体智慧，是 social media 的基础。其基本假设是说，参与到 social 中的群体越多，media 所反应出来的智慧越高超。但如何把群体活动转化为可被使用的智慧呢？这个就是算法发挥作用的地方了。
本文将陆续披露 Reddit，Stumbleupon，Del.icio.us，Hacker News 等一系列站点所使用到的算法。
Reddit，背景介绍可以参考我之前写的两篇短文：1）社会新闻网站：Reddit 和 Findory；2）Reddit 被收购了。
1、公式构成
假设有一篇文章《Social Media Algorithm》，与其相关的有两个时间 A 和 B，其中，A 为某篇文章的具体发布时间，精确到秒；B 为一个固定的时间常量，2005-12-8 7:46:43。则可以计算得到 A 和 B 间隔的秒数 ts，
另外，U 表示 《Social Media Algorithm》一文得到的支持票数，D 表示得到的否定票数，则可以计算得到 x，
定义变量 y，
定义变量 z，
最后定义得分公式 为，
2、公式解释
1）时间点 B，2005-12-8 7:46:43，是一个固定的值，猜测应该是 Reddit 的上线时间。ts 反映了文章的新鲜程度。引入 B 是一个非常优雅的技巧，它使得新鲜度的度量可以独立于系统当前时间。
2）y 表示支持数和否定数之间的相对关系。被否定多的文章得负分，这是合乎常理的。
3）45000 代表的是一个 12.5 小时周期内的总秒数。它 与 yts 一起使用，随着时间的推移，新文章的得分会逐渐超越高投票数的老文章，从而实现自动更新的效果。
4）log10 的使用是另外一个技巧，它可以使得早期的投票获得更大的权重。比如，前 10 票获得的权重，与 11 到 101 票所获得的权重是一样的。
整个公式的效果可以简单解释为：在 00:00:00 发布的一个帖子 a，如果它想在 12.5 小时之后，能够取得与在 12:30:00 发布的帖子 b 同样的得分，则必须在 00:00:00 点到 12:30:00 这段时间内，把它的得票数扩大 10 倍。注：这个解释不精确，但容易理解一些，不然写着太绕。
不过，其中 45000 与 log10 的选择不是通用的，得根据自己网站实际的情况进行修正。这是一个 trial-and-error 的过程，也是作算法的人最头大的部分。
3、来源
code.reddit.com，Redflavor.com 以及 Hacker News 的用户 Aneesh。
