【问题求解&思路探讨】豆瓣猜的困惑系列（3）业务系统与分析系统如何进行交互
业务系统与分析系统如何进行交互?
业务系统的数据给分析系统用是传统的dw范畴，这次讨论的主题是，分析系统的输出如何返回给业务系统使用？
这个问题一直在困惑着我。
当前我们系统所采用的交互方式主要有两种：
1、分析系统将分析结果以一定周期（通常是天或月）ftp给业务系统。
对于豆瓣来说，后台的挖掘集市会将每天豆瓣猜所生成的结果给到web server。
2、在分析系统和业务系统之间架一个中间层，也就是一台应用服务器
对于豆瓣来说，就是一台application server接收挖掘集市豆瓣猜的输出结果，提供给web server调用
之前和taobao的人聊过，还有一种交互方式
3、分析型系统输出一个规则。
比如豆瓣猜，通过分析型系统分析，大概也就是结合现有标签、友邻标签等变量利用logistic回归等方法，给出一个评分规则，web server根据这个评分规则实时生成首页“喜欢看"X"的人也喜欢”的结果。这个方法为大多数互联网公司所使用。
douban是采用哪种交互方式呢？
从上篇困惑来看，如果通过ftp交互，豆瓣猜所推荐的item如果我看过，然后会更新，如果这样，那么豆瓣猜一次所送给web server的输出应该会很多（我尝试过点击6个均以看过，仍然可以更新），那么我比较好奇的是临界值是多少？到达临界值时（也就是豆瓣猜一次推送给web server的所有item我都看过）的处理机制？
当然我也面临这个问题，一次性给客户推荐最合适的三个业务（多了的话会影响客户感知，同时准确性也没有保障）或者类似豆瓣猜给用户推荐6个item，如果这6个包括以后推荐的6个以及再以后推荐的N个6个这个用户都用过，处理机制是怎么样的呢？
对于item评分，最起始的6个是评分最高的（所有item按评分降序排列），但如果一直这么更新下去，有没有一个阙值，比如打分>X才可以进入到豆瓣猜推荐？如果没有的话，一直保证豆瓣猜的推荐，之后命中率会越来越差，会不会影响用户感知？
极端处理：如果所有豆瓣猜的推荐我都看过，会出现什么情况？
业务系统的数据给分析系统用是传统的dw范畴，这次讨论的主题是，分析系统的输出如何返回给业务系统使用？
这个问题一直在困惑着我。
当前我们系统所采用的交互方式主要有两种：
1、分析系统将分析结果以一定周期（通常是天或月）ftp给业务系统。
对于豆瓣来说，后台的挖掘集市会将每天豆瓣猜所生成的结果给到web server。
2、在分析系统和业务系统之间架一个中间层，也就是一台应用服务器
对于豆瓣来说，就是一台application server接收挖掘集市豆瓣猜的输出结果，提供给web server调用
之前和taobao的人聊过，还有一种交互方式
3、分析型系统输出一个规则。
比如豆瓣猜，通过分析型系统分析，大概也就是结合现有标签、友邻标签等变量利用logistic回归等方法，给出一个评分规则，web server根据这个评分规则实时生成首页“喜欢看"X"的人也喜欢”的结果。这个方法为大多数互联网公司所使用。
douban是采用哪种交互方式呢？
从上篇困惑来看，如果通过ftp交互，豆瓣猜所推荐的item如果我看过，然后会更新，如果这样，那么豆瓣猜一次所送给web server的输出应该会很多（我尝试过点击6个均以看过，仍然可以更新），那么我比较好奇的是临界值是多少？到达临界值时（也就是豆瓣猜一次推送给web server的所有item我都看过）的处理机制？
当然我也面临这个问题，一次性给客户推荐最合适的三个业务（多了的话会影响客户感知，同时准确性也没有保障）或者类似豆瓣猜给用户推荐6个item，如果这6个包括以后推荐的6个以及再以后推荐的N个6个这个用户都用过，处理机制是怎么样的呢？
对于item评分，最起始的6个是评分最高的（所有item按评分降序排列），但如果一直这么更新下去，有没有一个阙值，比如打分>X才可以进入到豆瓣猜推荐？如果没有的话，一直保证豆瓣猜的推荐，之后命中率会越来越差，会不会影响用户感知？
极端处理：如果所有豆瓣猜的推荐我都看过，会出现什么情况？
