智能Web應用執行個體

<b>智能Web</b><b>應用執行個體</b>

讓我們回顧一下過去幾年裡利用了智能設計的Web應用。前面提到過，網絡發展史上一個重要的轉折點就是搜尋引擎的誕生。在1998年之前，網際網路的發展基本上是波瀾不驚的，直到基于連結分析（link analysis，詳見第2章）的搜尋技術風卷殘雲般地占領了整個市場。Google公司能在10年内從一個名不見經傳的創業公司成長為技術王者，主要歸功于基于連結分析的搜尋技術，其次是它所提供的諸如Google News和Google Finance之類多種多樣的服務。

然而，智能Web應用的發展已經不再局限于搜尋引擎領域。線上零售商Amazon是第一個根據使用者的消費習慣推薦商品的電子商務網站，你可能非常熟悉這個功能：假如使用者購買了兩本書，分别是關于JavaServer Faces和Python的。當使用者将這兩本書放入購物車時，Amazon就會向使用者推薦與這兩本書相關的其他商品，例如，關于AJAX或者Ruby on Rails的書籍。此外，在使用者下次通路Amazon時，Amazon還會繼續推薦有關的商品。

另一個智能Web應用的例子是世界上最大的線上電影出租網站Netflix ，它現在為700萬使用者提供90000部DVD，以及5000部可以随時在計算機上觀看的電影和電視節目，這些數字還在不斷地增長。根據ForeSee Results and FGI Research公司每半年一次的調查，Netflix在2005年到2007年間連續5次被評為使用者體驗最佳的網站。

Netflix的成功部分要歸功于它能幫助使用者在浩如煙海的電影庫中便捷地挑選到中意的電影。實作這一功能的核心就是名為Cinematch的推薦系統，該系統的作用就是根據使用者對其他電影的喜好來預測其是否會喜歡某部電影。這又是一個智能Web應用的絕佳執行個體。Netflix在2006年10月宣布，如果有人能提高該系統的預測能力，将獲得100萬美元的獎勵 ，足見該系統的預測能力對Netflix的重要價值。到2007年10月，該比賽已經吸引了來自165個國家的28845位競争者。在第3章将會詳細介紹建構Cinematch這樣的推薦系統所必需的算法。

利用收集的資料做出智能的預測并不僅僅局限于書籍和電影的推薦。Predict WallStreet公司收集使用者對股票或指數的預測，從中推測操盤手的觀點，進而預測該資産的價值。我們并不是建議你根據他們的預測進行股票交易，但這确實很有創意地利用了本書将要介紹的技術。

本文節選自《智能WEB算法》一書。

圖書詳細資訊:http://bvbroadview.blog.51cto.com/3227029/643291