Slight Mind

在互联中用户对信息流览的兴趣根据主要有以下几种方种：
1、用户点击行为的跟踪，直接根据用户点击页面的区别来分析用户的使用习惯，从而将信息“强势”放到用户常点击的区域来将信息推给用户。常见的案子有页面广告方案、Portal机制；这是初级做法，不是非常人性，平均用户体验应该较差。
2、根据网站本身的提供的信息进行分类，建立目录，为用户提供方便，使他能快速找到他想要的信息，对于分类不复杂和信息量不是非常大的网站效果明显，反之则用户体验不良好，用户很难在庞杂的数据中找到想要的信息，而且这样的分类基本靠人工完成，工作量大；常见的案子有网页目录、商品目录。
3、根据信息某种特定的关系，如成衣生产商势必关注布匹和下游分销商，这样可能根据其进销存关系为用户在页面上建立页面流，提高客户体验；再者如学术论文的查找的特点是论文被检索的次数来建立其内容排序关系来增加用户的点击效率。常见的案子有专业的电子商务网站，google也通过Page Rank算法将搜索做到极致。这种做法效果好，便是难度大，需要对信息的各种关系了如指常，并且几乎做不到将信息的所有关系全部内建到数据库中。
4、实际上对于一个大型的卖场来说，用户购买什么或者购买一件物品后他会继续对什么物品感兴趣是很难有一个唯一的模式的，原因是每个人的需求和心理都是不一致的，这样就需要了解每个用户的心理，这种做法除了联系商品本身的关系（如电脑和杀毒软件之间是有关系的）外，还必须切实的分析用户的兴趣和习性，是个性化的。如果能了解到这些就可以建立每个用户的在页面上的信息流，从而提高用户体验；这种做法的特点是数据来源简单，具有体验持续改进性。常见的例子有超市的货架摆放。

以上几种做法基本上在互联网上都可以见到，第1、2种最常见，第3种是目前的搜索引擎常用的方法，第4种目前比较少，但已经开始热了，比例最近谈论的“个性化搜索”；但对于一些互联网应用来说其第4种很难做到，像搜索引擎，原因有：1、用户信息难以跟踪。2、互联网页面内容巨大，简单的心理推算起不到明显的作用。 但是对于电子商务网站来说却可做到，原因：1、用户信息便于跟踪，用户一般会进行用户登录或通过cookie技术。2、信息量少，它做的一般是站内数据搜索。3、用户的行为被完全记录，如用户曾经购买过的产品和付款情况（这一种搜索和门户基本上做不到）。

第1、2、3种是用户被动的，因为网站不会去学习用户的行为和理解用户的心理，网站以一种自己预定的方式在向用户发布信息；第4种是用户互动的，是基于用户学习的，而且这种学习应该是越来越接近用户的真实心理，在技术上也是可行的。像阿里巴巴这样的电子商务（卖场）网站应该比较适合采用这种方式来建立用户的信息发布机制。

机器学习中主要的技术有：
1、归纳学习
2、决策树学习
3、人工神经网络学习
4、遗传算法学习
5、评估假设学习
6、统计学习
7、基于实例学习

个人认为归纳、统计、评估假设及基于实例的学习方法是比较适合阿里巴巴来建立用户心理了解系统的（统计的学习应该占重要比较），而且具有较好的意义。