@Septembers 恩，这个应该是比两个元素的，思路可以借鉴，保留修改前后修改后的 snapshot ，做一下对比，不过不知道有没有现成的

对应的开源代码在哪？

mark.

@Starduster 不知道国外的商家信誉怎么样

@Starduster 但是 visa 解绑不了，比较蛋疼。。

@Starduster 啥？ destroy 之后没有 instance 了，那应该没 bill 了？

有时候家室不对等，会产生很多的烦恼

@road2stat 非常赞，多谢！

@pimin 用基于内容+协同过滤做多层模型，是现在比较标准的做法

@mfinal 一起用是可以的（也是我想做的），但算法上个人模型我觉得还是不够优雅：
把个人的 ID 归入全局模型，然后针对特征做交叉，或者用 FM 等天然交叉的算法，就可以既包含全局特征，又有个人特征。
这样的模型看起来就比较优雅，但计算量很大，而且 feature 很容易爆炸

@pimin 但是很明显，个人模型会出现泛化问题，在用户阅读数很少时、尤其是大多数用户选择的兴趣可能都很少时，个人模型是不顶用的 —— 它无法根据你的人口属性去做推荐。

而且这种特征并非个人模型不可。
换个方向讲， UC 、乐视这样的引导性内容是很合适放到全局模型里的，比如这样的 feature ：
* NBA ：关注，姚明：关注， XMAN ：关注
这和个人模型没有关系，而且好使（统计意义上）。

很明显，搜狐使用的是全局模型：
http://www.csdn.net/article/2015-07-31/2825353
风评：效果可能不是很好

标题不清，是查 IP 地理位置的

大部分语言实现是不会复制的

面向 SO 编程已经超过了大部分 BAT 程序员吧

估计是进了超卖池

语法糖

看起来挺有趣的