我想知道你是如何思考（或知道）Facebook在每个用户的页面上产生“你可能喜欢的人”或“建议的朋友”。这实际上是一个算法问题，而不是Facebook的问题，但社交网络可能是最明显和最好理解的例子，这就是为什么我为我的问题引用这个问题。
对我而言，这是一个关于效率的奇怪问题。我理解如何为单个用户实现这一目标;基本上找到的用户是你当前朋友数量最多的朋友而不是你。然而，这并不是一个非常快速或有效的过程，而且必须为大约十亿用户完成。
这让我相信这个过程只在用户登录时运行，但我仍然想知道实际使用什么样的算法来找到这些“建议的朋友”。什么是大规模执行这样的“建议算法”的有效方法？
答案 0 :(得分：3)
Quora的相关问题：http://www.quora.com/How-does-Facebook-calculate-weight-for-edges-in-the-EdgeRank-formula
在不知道如何计算每个组件的情况下，使用的实际公式（例如Top News）在某种程度上毫无意义，但Facebook在2010年F8讨论并由Techcrunch在此处讨论：http://techcrunch.com/2010/04/22/facebook-edgerank/
答案 1 :(得分：2)
这个解决方案可能听起来像在车轮上打破一只蝴蝶，但这样做会很有趣。
我猜Facebook可以用类似的方式做到这一点Netflix知道你想要的电影。请参阅这篇文章的答案Algorithm to complete a corrupted matrix of data
如果您登录，他们可以将矩阵缩小到非常小的矩阵，这就像用更完整的数据和更小的矩阵来解决netflix问题。
您可以查看machine learning
答案 2 :(得分：2)