社交圖譜記錄我們在社交媒體上的種種關聯(lián)。從搜索結果到優(yōu)惠券，基于社交圖譜的服務已經屢見不鮮。在這同時，一個定位更加精準的個人化網絡正在慢慢崛起——基于用戶個人喜好的興趣圖譜網絡服務。現(xiàn)在已經有一些分散的興趣圖譜，比如谷歌的個人化搜索，或者Amazon的推薦引擎。有些公司希望這種服務可以覆蓋我們全部的網絡生活，而這就意味著，我們的所到之處所見之物，都是我們的心之所向。意味著我們不再需要在新聞網站上搜索喜歡的故事，或在購物網站上查找需要的商品——因為一旦登陸這些網站，網站系統(tǒng)就會自動識別我們是誰，我們喜歡什么，并呈現(xiàn)我們所需的內容信息。

   不管這種構想帶給你的是驚喜還是恐慌，我們都應該看看這種完全個人化的網絡具體是怎樣運作的。

   發(fā)現(xiàn)你喜歡什么

   事實上，Twitter和Facebook等社交網站在確定人們的實際興趣時，或許并沒有像在其他網站上的點擊或者評論那么有效。很多人在Twitter上分享信息是因為職業(yè)需要，用戶很多時候在Facebook上分享的信息也僅限于為交際圈服務。不管是在哪種情況下，“很多時候，人們都只是在作秀，以期給人留下好印象。這就導致了用戶數(shù)據(jù)的不完整。”

   那興趣圖譜是怎樣工作的呢？創(chuàng)業(yè)公司Gravity正是基于這一服務的一家公司，其CTO Jim Benedetto向我們介紹了網站的工作原理。Gravity同時為多家網站服務，它會跟蹤用戶在其所有服務網站的行為，這樣用戶在登陸任意網站時，都能自動獲得特色內容。你可以點擊這里看到網站構建一幅圖譜的具體流程。

   從技術層面來說，Gravity是通過一個基于Freebase 和 DBpedia等多個數(shù)據(jù)集的大型數(shù)據(jù)引擎，確定用戶在點擊某篇文章或發(fā)表某個評論時的實際興趣點。舉個例子，一個用戶如果發(fā)表Vanessa Laine（湖人隊NBA球員科比的前妻）的Tweet，那他應該是對籃球更感興趣，而不是Laine的出生日期或者其他確切但不相關的信息。