我用蜘蛛，爬网络上的新闻，博客，rss等。但是新闻，博客文章等大部分都是转来转去的。（天下文章一大抄）。
我想做阅读器，过滤掉各种重复的，根据用户爱好，推荐给用户更好的，更优质的文章。
推荐引擎已经在电子商务 (E-commerce，例如 Amazon，当当网 ) 和一些基于 social 的社会化站点 ( 包括音乐，电影和图书分享，例如豆瓣，Mtime 等 ) 都取得很大的成功。
我想讲这种技术运用到文章推荐上来。实现我的阅读器。
推荐机制主要有一下几种，基于人口统计学的推荐，基于内容的推荐，基于协同过滤的推荐，混合的推荐机制。很显然我的阅读器采用基于内容的推荐比较好。
但是文章的内容复杂，机器也很难理解文章的含义，对采集的文章分类也比较困难，这有涉及到自然语言处理（nlp）的问题。
这类的推荐系统，可以采用apache mahout （java语言实现）开发，比较方便。
这种推荐方式会依赖数据量。
但是又听说，deep leaning比较好，采用神经网络的方式，神经网络经过训练后会有很好的效果。而且，不必依赖大量的数据，用户等。不会因为这些问题导致推荐出现错误。
一个人开发比较慢，blackglory也想做，我想和他合作，他不会java。对于用什么语言的问题我们产生了很大分期。
问：我还要不要和blackglory做基友了？
发表回复