fb交友建議原理 在 Bryan Wee Youtube 的評價
「fb交友建議原理」的推薦目錄：
- 關於fb交友建議原理 在 Bryan Wee Youtube
- 關於fb交友建議原理 在 Travel Thirsty Youtube
- 關於fb交友建議原理 在 スキマスイッチ - 「全力少年」Music Video : SUKIMASWITCH / ZENRYOKU SHOUNEN Music Video Youtube
- 關於fb交友建議原理 在 Re: [請益] Facebook 的朋友建議機制是怎麼回事？ - 看板ask-why 的評價
- 關於fb交友建議原理 在 FB交友建議 - 感情板 | Dcard 的評價
- 關於fb交友建議原理 在 fb交友建議演算法的評價費用和推薦，DCARD、FACEBOOK ... 的評價
- 關於fb交友建議原理 在 [討論] Facebook 好友建議好可怕啊- 看板WomenTalk - PTT網頁版 的評價
- 關於fb交友建議原理 在 關於FB的"你可能認識的朋友"測試 - Mobile01 的評價
- 關於fb交友建議原理 在 [閒聊] FB上的你有一則新交友建議 - PTT Web 的評價
- 關於fb交友建議原理 在 Facebook關閉交友建議通知的方法！ - YouTube 的評價
- 關於fb交友建議原理 在 「看看我發現了什麼？」「是你？」 臉書瘋傳假Youtube連結 ... 的評價
- 關於fb交友建議原理 在 [問卦] 臉書一直跳出交友建議| Gossiping 看板| MyPTT 網頁版 的評價
- 關於fb交友建議原理 在 怎麼上ig推薦、ig出現不認識的人在PTT/mobile01評價與討論 的評價
- 關於fb交友建議原理 在 怎麼上ig推薦、ig出現不認識的人在PTT/mobile01評價與討論 的評價
- 關於fb交友建議原理 在 怎麼上ig推薦、ig出現不認識的人在PTT/mobile01評價與討論 的評價
- 關於fb交友建議原理 在 fb 刪除好友ptt 【實用】Facebook大量刪好友｜臉書全自動分析 ... 的評價
fb交友建議原理 在 スキマスイッチ - 「全力少年」Music Video : SUKIMASWITCH / ZENRYOKU SHOUNEN Music Video Youtube 的評價
fb交友建議原理 在 FB交友建議 - 感情板 | Dcard 的八卦
FB交友建議. 感情. 2020年4月28日14:12. 嗯我是很常搜尋他所以FB就建議我加他了 我想請問那FB同時也會建議他加我嗎 那這樣他是不是就知道我很常在搜他了 ... ... <看更多>
fb交友建議原理 在 [討論] Facebook 好友建議好可怕啊- 看板WomenTalk - PTT網頁版 的八卦
最近發現臉書實在是很可怕的東西感覺在現實中發生的任何事都會被察覺之前在偶然的情況下跟一群不認識的人拍片結果拍完片的ㄧ兩天後有某幾個人就馬上出現在FB好友建議 ... ... <看更多>
fb交友建議原理 在 Re: [請益] Facebook 的朋友建議機制是怎麼回事？ - 看板ask-why 的八卦
我簡單說一下~~如果有錯誤 煩請指正
因為我有在寫facebook app
所以對於它的好友trace方式大概有了解
你提到的三點基礎線索(同一個 network 學校 共同的朋友)
的確是facebook的優先考量
但facebook有一種特殊的演算機制
這可能要拓樸學領域的會比較了解
據說街上每隨機抽取50個人 其中至少有兩個人是同一天生日
這是建構在機率系統上的假說
同樣的 在網絡的平面概念中一樣適用
只是把一維的機率 延伸到平面而已
用通俗一點的解釋如下:(假設你是A)
第0層 A
|
第1層 B---C---D---E
BCDE是在"基礎線索"上與你有關的好友
於是BCDE出現在好友的建議名單中
這時候你會加入他們的機率幾乎是99%
於是進入第二層
第0層 A
|
第1層 B---C---D---E
| | | |
第2層 F-G H-I J-K L-M
FGHIJKLM是在拓墣觀念上與你有關聯的好友
這時你可能只加入G.J或M
加入機率可能可能只有37.5%
此時演算法會去檢討0-1與1-2的路徑
然後重新調整方向 提升你的加入機率
(為方便說明 舉極端的例子)
簡單來說 在第2層中FGHIJKLM GJM是你的高中同學的同學
FHIKL是你的高中同學的家人
演算法發現你加入GJM的機率為100% 而FHIKL為0%
因此"同學的同學"這項關聯就會成為未來第3層建議名單的原則
而"同學的家人"這項關聯就會被捨棄
理想上 之後你的建議名單都是"同學的同學的同學...無限延伸"
而你的加入率也會接近100%
第0層 A
|
第1層 B---C---D---E
| | | |
第2層 F-G H-I J-K L-M
| | |
第3層 N O P .......
以上~你會發現 facebook給你建議的名單好像神一樣!! 準到一整個不行
看到這別先END
如果只有這樣 facebook也沒比無名高明多少
facebook的野心還不只這樣
就如同有案例發現 有的人之間的關聯完全消失在網路上
facebook一樣神的出來 有時候讓表特版的鄉民也自嘆弗如
這就要牽扯到平面機率(或網狀機率) 以及部分的心理學
FB演算法由兩部分組成
一部分是先前提到的"基礎線索"
另一部分是針對前一部分的盲點所設計的"機率線索"
一開始我們有提到"每隨機50人中至少有兩人生日相同"
我們先假設50人的生日完全不同
機率P=(365/365)*(364/365)*(363/365)......*(316/365)
=0.0296
也就是說 假設"生日"是人與人之間的"關聯條件"
那麼我隨便找50人 這50人完全沒關聯的機率小於3%
因此facebook只要隨便把沒關係的50人的湊一推
會有97%的機率其中"至少"有兩人看對眼爆出愛的火花
有這樣的基礎 就可以產生很多玩法
例如以"學校"作為人與人之間的關聯條件
假設全台灣一共有160所大學 (基數)
那麼50人(庫數)無關聯的機率P=(160/160)*(159/160).....*(111/160)
=0.000185
天哪 0.0185耶~ 隨便都中 同學會到處開!!
人與人之間認識的可能性 當然不只是表面上的關聯表徵
可能是機率表徵 (你無法預測機天可能會在路上遇到誰 然後和誰成為朋友)
使用機率表徵的計算原則相同
公式化後如下:
關聯A 基數=a
庫數=a'
關聯A完全沒命中機率P(a)=a!/{[a^(a')]*[(a-a')!]}
把所有關聯集合起來 P=P(a)*P(b)...... P會趨近於零
假設FB很衰小 取樣這50個人在任何關係上通通不認識沒關聯
"機率趨近於零"!!!!!!!!!!!!!!!!! (尤其是考慮越多關聯)
因此 咱們的facebook又再度神奇的從陌生人猜出你可能認識誰!!
這樣還不夠嚴謹
facebook還有一招
根據社會網絡心理學 認識的人其中必定有某種層度的關聯
可能是興趣.居住地.語言.喜愛的食物.善長的技能等等...
如果今天有兩個認識的人之間完全查不到任何表面關聯
那麼那麼它一定落入"完全沒關聯區"
恩...什麼跟什麼 一定有人會聽不懂
那用下圖來說明好了
(下面的數線代表與你有相關的線索數目)
高度相關 輕度相關 完全無相關
<------------------------------------------>
你認識的人 你不認識的人 你可能認識的人
如果畫成座標圖如下:
你 |*
可 |*
能 | *
認 | * A B
識 | *
的 | * *
人 | * *
數 | * *
|_______*******________
與你相關的線索數目
一般A的狀況很能理解 與你共通線索特徵越多的人 你越可能認識他
但是大家往往忽略B的區段
這有點像"反常態曲線"
有部分你認識的人會落在幾乎與你沒相關的區域
雖然曲率沒有A的高
但很明顯的可以看出
所謂的半生不熟的關係 卻是人們最不可能認識的陌生人
所以 facebook只要把與你"最不相關"與"最相關"的人丟到你的建議名單
你就會有一長串 看似神奇的建議名單嚕!!
當然心理學上來說 facebook給你50人 你有49人不認識 但有1人你認識
你的注意會在那一人上 並且直呼好神奇
而"猜錯的49人"會被你忽略或是遺忘!!
說了這麼多 麼複雜的演算在程式撰寫上來說卻不是很難
配合資料庫與資料定義演算 就可以在很短的時間算出建議名單了
facebook應該不會無聊到去偷窺大家的信箱啦
雖然技術上是辦的到 但完全沒C/P值!?
除非是你主動匯入名單~
以上 因為我不太會畫BBS圖
若難以理解敬請見諒!!^^
※ 引述《Equalmusic (Cosmajoonitist)》之銘言：
: 我知道他會建議
: 1. 同一個 network 的人
: 2. 同一所學校的人
: 3. 如果你們有共同朋友
: 但是有的時候他會出現我認識的人, 但是我跟她在 facebook 上根本沒有共同朋友的情況
: 不是同一個 netowrk, 也沒有去過同一所學校
: （另外就即使是同一個 network 或是去過同一個學校, network 那麼大, 學校那麼大
: 他卻知道要建議誰, 這也還蠻神奇的...）
: 我想過一個狀況就是這個人先在 Facebook 上搜尋我, 查看我的資料
: 但後來我稍微 google 了一下發現了這個討論串
: https://www.topix.com/forum/com/facebook/TIM2PL2T0O5BQJO1C
: 裡面有人舉了一個例子排除了這個可能性
: 1. 他們八年沒聯絡, 所以這個人主動查詢他的可能性不高
: 2. 就算他真的搜尋他的資料, 他的名字是菜市場名, FB 上有千百個跟他同名的
: 3. 如果他用的是他的 email, 他的 email 早就換了
: 我沒有看完整個討論串, 一來實在文章太多, 二來文章的相似性太高
: 特別很多人提出提出 FB 會 tap into 你的 email contact list, yahoo 或 MSN 帳號
: 我覺得是 nonsense
: 雖然我對網路安全不是特別了解, 不過 FB 只是一堆 web applets
: 不可能跑到我的電腦裡來碰我的資料（如果是這樣那瀏覽器的安全性也太低了吧）
: 另外有些人也不在我的 AIM, GTalk 或是 MSN 裡面
: 但是 FB 還是很盡職的把他們都找出來了 ~_~
: 想請教一下有沒有板友對 Facebook 這種查找機制有研究的
: 好想知道阿！
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 60.248.76.222
... <看更多>