#元照 重磅驚喜!!一年一度的律師節活動搶先開跑...
#月旦系列雜誌 全面8折起,好禮享不完🎁...
趕緊把握機會,活動僅到9/10
FB粉絲再加碼:👫揪友好康~
推薦好友成為月旦系列雜誌新訂戶,成功訂閱後不但可享有優惠,並且推薦者及新訂戶皆可各加贈一期📙。(新訂戶請於訂單備註上提供推薦者之訂戶編號或姓名、電話備查資格)
活動優惠:http://www.angle.com.tw/event/magazine/?f=fb
同時也有3部Youtube影片,追蹤數超過2,170的網紅柳丁歐巴 Orange OBA,也在其Youtube影片中提到,來到宜蘭,怎麼能錯過殿堂級的蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨呢? 這次柳丁歐巴終於一償宿願,品嘗到傳說中的櫻桃霸王鴨了! 尤其是那壽司櫻桃鴨,一口放入口中,那鴨油跟酥皮交錯的口感,真的超過癮的啦! 這次柳丁歐巴也準備了蘭城晶英酒店紅樓中餐廳的伴手禮要來給你們抽獎~ 獎品:蘭城晶英酒店紅樓中餐廳的...
「fb推薦好友」的推薦目錄:
- 關於fb推薦好友 在 元照出版 Facebook 的最佳解答
- 關於fb推薦好友 在 柳丁哥哥 Facebook 的最佳解答
- 關於fb推薦好友 在 柳丁哥哥 Facebook 的最佳解答
- 關於fb推薦好友 在 柳丁歐巴 Orange OBA Youtube 的最佳貼文
- 關於fb推薦好友 在 丹妮婊姐星球 Youtube 的精選貼文
- 關於fb推薦好友 在 關韶文 關關 Youtube 的精選貼文
- 關於fb推薦好友 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推薦好友 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推薦好友 在 Facebook 哪裡可以看到「你可能認識的朋友」? 的評價
- 關於fb推薦好友 在 Facebook 教學:教你禁止推送「你可能認識的朋友」 - 流動日報 的評價
- 關於fb推薦好友 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推薦好友 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推薦好友 在 FB交友建議 - 感情板 | Dcard 的評價
- 關於fb推薦好友 在 關於FB的"你可能認識的朋友"測試 - Mobile01 的評價
- 關於fb推薦好友 在 臉書的好友建議功能竟然推薦恩客給性工作者的匿名分身 的評價
- 關於fb推薦好友 在 誰最常逛我FB?如何查詢誰常偷偷關注你臉書Facebook技巧 的評價
- 關於fb推薦好友 在 找出在Facebook中最關心你的朋友 - 工具邦 的評價
- 關於fb推薦好友 在 來自消費者的推薦與肯定-美國寢之堡 - YouTube 的評價
- 關於fb推薦好友 在 [問卦]FB要如何關閉交友建議| Gossiping 看板| MyPTT 網頁版 的評價
- 關於fb推薦好友 在 暗戀朋友很久了?臉書幫你推一把!Facebook 推出「秘密暗戀 ... 的評價
- 關於fb推薦好友 在 想發FaceBook 動態又怕人看?設定隱私權限把那些「閒雜人等 ... 的評價
- 關於fb推薦好友 在 Facebook 假帳號橫行!如何避免被陌生人亂加好友干擾? 的評價
- 關於fb推薦好友 在 如何在Facebook上推荐好友 的評價
- 關於fb推薦好友 在 「Facebook好友管理」隱藏FB朋友名單、刪除 - PKstep 的評價
- 關於fb推薦好友 在 你如何在facebook 和某位朋友保持淡如水的君子之交? 的評價
- 關於fb推薦好友 在 FB 朋友如何隱藏?教你在Facebook App 和電腦版隱藏好友名單 的評價
- 關於fb推薦好友 在 【教學篇】Facebook新版朋友名單管理/新增/刪除/合併名單 ... 的評價
- 關於fb推薦好友 在 想「怒刪幽靈臉友」嗎!?編輯教你用「這個」快速移除 ... 的評價
- 關於fb推薦好友 在 【臉書教學】Facebook如何Tag朋友教學步驟 - 鄭小柔 ... 的評價
- 關於fb推薦好友 在 2020如何增加FB粉專按讚?5個技巧讓粉絲專頁增加粉絲與觸及 的評價
- 關於fb推薦好友 在 快速整理Facebook 好友名單,幫你篩選出真正重要的動態消息 的評價
- 關於fb推薦好友 在 [詢問] ig跟fb的推薦好友- Facebook - PTT情感投資事業版 的評價
- 關於fb推薦好友 在 [詢問] ig跟fb的推薦好友- Facebook - PTT情感投資事業版 的評價
- 關於fb推薦好友 在 如何批次刪除Facebook 沒有互動的朋友?Facebook Friends ... 的評價
- 關於fb推薦好友 在 [閒聊] FB上的你有一則新交友建議hikku PTT批踢踢實業坊 的評價
- 關於fb推薦好友 在 首頁| 免費Facebook 自動加好友機器人| Facebook行銷機器人 ... 的評價
- 關於fb推薦好友 在 [閒聊] FB上的你有一則新交友建議 - PTT Web 的評價
- 關於fb推薦好友 在 [詢問] ig跟fb的推薦好友- Facebook - PTT生活資訊討論 的評價
- 關於fb推薦好友 在 [詢問] ig跟fb的推薦好友- Facebook - PTT生活資訊討論 的評價
- 關於fb推薦好友 在 没有Facebook推荐好友怎么办?有什么方法解决? - 雨果网 的評價
- 關於fb推薦好友 在 百度知道搜索_facebook 如何推荐好友给其他人 的評價
- 關於fb推薦好友 在 關閉Facebook 的「你有一則新交友建議」或其它類型通知的方法 的評價
fb推薦好友 在 柳丁哥哥 Facebook 的最佳解答
【本週Vlog有抽獎】抽干貝XO醬,詳情看內文
殿堂級烤鴨吃起來|開箱宜蘭蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨🦆
來到宜蘭,怎麼能錯過殿堂級的蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨呢?這次柳丁歐巴終於一償宿願,品嚐到傳說中的櫻桃霸王鴨了!尤其是那櫻桃鴨握壽司,一口放入口中,那鴨油跟鴨酥皮交錯的口感,真的超過癮的啦!
這次柳丁歐巴也準備了蘭城晶英酒店紅樓中餐廳的伴手禮要來給你們抽獎~❤
獎品:蘭城晶英酒店紅樓中餐廳的 干貝XO醬 1名(獎品影片貼在下面了)
🦆抽獎辦法
1.訂閱柳丁歐巴Y T頻道,開啟小鈴鐺
& 追蹤我的粉絲專頁
2.按讚我Y T頻道中的本支影片 (影片連結跟獎品我貼在下方囉)
3.於本支Y T影片的留言區,寫下這次開箱的是哪家酒店的烤鴨
4.分享本支影片到您的社群軟體,例如FB, IG, LINE, 多推薦好友來訂閱我的頻道喔
柳丁歐巴會於5月20日,在本支影片Y T留言區抽出一名幸運兒,並且公佈在本篇,屆時密切注意得獎名單喔!如果你喜歡我的影片,歡迎按讚留言分享,柳丁歐巴會更努力製作影片跟大家分享生活喔!
蘭城晶英酒店 紅樓中餐廳
蘭城晶英酒店
#蘭城晶英酒店紅樓中餐廳 #櫻桃霸王鴨 #櫻桃鴨 #柳丁歐巴VLOG #宜蘭美食 #烤鴨 #一鴨五吃
【影片傳送門】⬇️
https://youtu.be/o6XDUqKOvZg
fb推薦好友 在 柳丁哥哥 Facebook 的最佳解答
【本週Vlog】抽獎獎品干貝XO醬,詳情看內文
殿堂級烤鴨吃起來|開箱宜蘭蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨🦆
來到宜蘭,怎麼能錯過殿堂級的蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨呢?這次柳丁歐巴終於一償宿願,品嚐到傳說中的櫻桃霸王鴨了!尤其是那櫻桃鴨握壽司,一口放入口中,那鴨油跟鴨酥皮交錯的口感,真的超過癮的啦!
這次柳丁歐巴也準備了蘭城晶英酒店紅樓中餐廳的伴手禮要來給你們抽獎~❤
獎品:蘭城晶英酒店紅樓中餐廳的 干貝XO醬 1名(獎品影片貼在下面了)
🦆抽獎辦法
1.訂閱柳丁歐巴Y T頻道,開啟小鈴鐺
& 追蹤我的粉絲專頁
2.按讚我Y T頻道中的本支影片 (影片連結跟獎品我貼在下方囉)
3.於本支Y T影片的留言區,寫下這次開箱的是哪家酒店的烤鴨
4.分享本支影片到您的社群軟體,例如FB, IG, LINE, 多推薦好友來訂閱我的頻道喔
柳丁歐巴會於5月20日,在本支影片Y T留言區抽出一名幸運兒,並且公佈在本篇,屆時密切注意得獎名單喔!如果你喜歡我的影片,歡迎按讚留言分享,柳丁歐巴會更努力製作影片跟大家分享生活喔!
蘭城晶英酒店 紅樓中餐廳
蘭城晶英酒店
#蘭城晶英酒店紅樓中餐廳 #櫻桃霸王鴨 #櫻桃鴨 #柳丁歐巴VLOG #宜蘭美食 #烤鴨 #一鴨五吃
【影片傳送門】⬇️
https://youtu.be/o6XDUqKOvZg
fb推薦好友 在 柳丁歐巴 Orange OBA Youtube 的最佳貼文
來到宜蘭,怎麼能錯過殿堂級的蘭城晶英酒店紅樓中餐廳櫻桃霸王鴨呢?
這次柳丁歐巴終於一償宿願,品嘗到傳說中的櫻桃霸王鴨了!
尤其是那壽司櫻桃鴨,一口放入口中,那鴨油跟酥皮交錯的口感,真的超過癮的啦!
這次柳丁歐巴也準備了蘭城晶英酒店紅樓中餐廳的伴手禮要來給你們抽獎~
獎品:蘭城晶英酒店紅樓中餐廳的 干貝XO醬 1名
抽獎辦法
1.訂閱柳丁歐巴頻道,開啟小鈴鐺
追蹤我的粉絲專頁⬇️
https://www.facebook.com/orange1209/
2.按讚本支影片
3.於本支影片的留言區寫下這次開箱的是哪家酒店的烤鴨
4.分享本支影片到您的社群軟體,例如FB, IG, LINE, 多推薦好友來訂閱我的頻道喔
柳丁歐巴會於5月20日,在本支影片留言區抽出一名幸運兒,並且公佈在本篇,屆時密切注意得獎名單喔!喜歡我的影片,歡迎按讚留言分享,柳丁歐巴會更努力製作影片跟大家分享生活喔!
#蘭城晶英酒店紅樓中餐廳 #櫻桃霸王鴨 #櫻桃鴨 #柳丁歐巴VLOG #宜蘭美食 #烤鴨 #一鴨五吃
#禾我一起甘什麼 #柳丁哥哥

fb推薦好友 在 丹妮婊姐星球 Youtube 的精選貼文
賭上人品下單~淘寶60公斤大家具開箱,人品大爆發一路夢幻美慘又便宜傢俱
這連結註冊, https://app.shopback.com/YAdXtPC0Jfb
你可以現拿100元獎勵金喔!阿推薦你朋友你也會撿到獎勵金~
登入shopback網站後,右上角點進去,有一個推薦好友那裡就可以找到囉~
有鑒於本人對於傢俱的認識真的很淺薄,根本還在嬰兒的階段,這支影片的發想,僅出自於自己在可負擔的購買範圍內,分享對居家佈置風格的喜好,並無鼓吹大家要狂買淘寶的東西啦!若介紹過程中,造成不好的觀感,也跟大家說聲抱歉!那就不放賣家了~
相信世界上有非常多出自於創作天才好手的藝術品,都值得大家好好的支持。
我也會努力賺錢,支持原創的價值,也謝謝跟希望提醒我拒買盜版的朋友,再多多支持我增加訂閱人數,這樣我就能成功~
--------------
婊姐FB粉專► http://goo.gl/Th6xuL
IG(網美邁進中)►https://www.instagram.com/dannybeeech/
痞客邦部落格► http://goo.gl/HZao8c
工作信箱► melonxo0425@hotmail.com

fb推薦好友 在 關韶文 關關 Youtube 的精選貼文
每一點小錢都是可以累積大錢,這就是「聚少成多、積沙成塔」的概念,常常有些人覺得小錢不重要,但是我覺得超級重要!因為把所有小錢存起來,你就可以多一趟旅行、吃一頓大餐!
-
你有國泰世華卡?你有國泰世華帳戶嗎?現在關韶文來教你如何賺錢!可以透過國泰世華行動銀行APP繳卡費、推薦好友加入國泰世華行動銀行APP,簡單兩個步驟,你就可以獲得加菜金,今天晚上多喝一杯珍珠奶茶!
-
1.推薦好友下載行動銀行APP,每戶可得50元,推薦獎金無上限 http://bit.ly/2Il0aiD
2.被推薦好友享有新用戶專屬優惠,也能開始推薦哦 http://bit.ly/3336C5M
-
#你有國泰世華卡或帳戶嗎 #揪好友一起賺推薦獎金 #國泰世華行動銀行
_
#我是關韶文
#我喜歡大笑和唱歌
-
【不是人生勝利組,要當人生努力組!📣】
分享生活、吃喝玩樂、美妝保養、減肥瘦身、聰明消費
-
FB ‣ https://www.facebook.com/ethanreporter
IG ‣ https://www.instagram.com/ethan_kuan_kuan
YouTube ‣ https://goo.gl/zidPWR
合作邀約Mail ‣ ethankuankuan@gmail.com

fb推薦好友 在 Re: [請益] Facebook 的朋友建議機制是怎麼回事? - 看板ask-why 的美食出口停車場
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>
fb推薦好友 在 Facebook 哪裡可以看到「你可能認識的朋友」? 的美食出口停車場
點按Facebook 右上方的 。 ... 點按朋友,然後點按頂端的建議。 您可能也會在動態消息和通知中看到「你可能認識的朋友」建議名單。 ... <看更多>
fb推薦好友 在 Re: [請益] Facebook 的朋友建議機制是怎麼回事? - 看板ask-why 的美食出口停車場
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>