荐。例如，接收推荐的用户或提供 推荐的服务器可W设置用于呈现或更新推荐的特定时间（例如，在7:30AM、12:05PM和6: 25PM)。一天的确定时间可W基于对先前用户交互的分析。例如，如果在工作日期间提供的 推荐比在晚上提供的推荐产生了更高的交互率，则一旦针对在工作日期间提出的请求产生 了推荐就可W提供推荐，但是针对在晚上提出的请求的推荐被延迟，直到第二天早上。基于 先前用户交互的一天的确定时间可W基于要求推荐的用户、已经要求相同类别中的推荐的 其他用户、所有用户等。例如，如果要求推荐的用户在下午六点和晚上九点之间与多个物品 进行了交互，但是从不在下午一点和下午六点之间与物品进行交互，则在下午一点和下午 六点之间产生的任何推荐针对该用户而言可被保持到下午六点。
[0052] 图4是示出了根据一些示例实施例的适合于基于社交媒体的推荐的用户界面的框 图400。如框图400可见，用户界面的标题是"我的页面"，并且用户界面包括推荐请求410、对 请求的S个响应420a-420cW及物品推荐430。推荐430可W被呈现为超链接，可进行操作W 获得关于推荐物品的更多信息。关于推荐物品，还可W呈现附加信息，诸如位置、价格、颜 色、风格、大小、修改日期等。呈现的信息可W取决于物品自身。例如，新闻文章物品可W与 其出版日期一起呈现，在线拍卖物品可W与其当前价格和拍卖截止日期一起呈现，或者在 零售商店位置的物品可W与商店地址一起呈现。
[0053] 推荐430可W包括关于一个或多个物品的信息。可W响应于指示用户附近的出售 物品的查询来显示一个或多个附近产品。例如，用户附近的商店可W具有推荐物品出售。推 荐430还可W指示想要购买的物品。例如，钱币商店或典当行对从用户购买物品感兴趣。可 W推荐指示用户附近的事件的一个或多个附近事件，诸如音乐会、节日、电影、体育赛事等。 可W推荐指示用户附近的位置的一个或多个附近位置，诸如古迹、商店、加油站、餐厅、体育 馆和其他感兴趣位置。可W推荐指示用户附近的人的一个或多个附近的人，诸如用户的朋 友、名人和其他感兴趣的人。在一些示例实施例中，基于支付的广告费来选择所显示的物 品、事件、位置和人中的一个或多个。
[0054] 可W跟踪与推荐430的交互，并且将与推荐430的交互添加到跟踪数据库。例如，推 荐430可W基于由朋友2和朋友3提供的推荐。可W创建与推荐430相对应的记录，并将记录 链接到与朋友2和朋友3相对应的用户。在接收到推荐430之后，用户"我"可W点击推荐430， 触摸推荐430,或者与推荐430进行其他交互。当与推荐430进行了交互时，可W更新针对推 荐430的记录。例如，如果文本"化ke Air化rdan on eBay"是超链接，贝超链接可W包括其 值是针对推荐430的唯一标识符的参数(argument)。因此，当用户访问超链接时，服务器可 W识别并更新与推荐430相对应的记录。附加地或备选地，超链接可W将用户引导向中间服 务器，中间服务器跟踪超链接的使用并且随后将用户重新引导向目的地。
[0055] 图5至图7示出了会话线程500。会话线程500包括推荐请求510、社交媒体选项520 和评论530a-530v。
[0056] 可W通过聚集由其他用户提供的推荐来确定将被推荐的物品。初始评论可W如会 话线程500中所示包含推荐请求，或者线程中的后来评论可W包含该请求。在线程500中，评 论('I am finally thinking about replacing the Explorer.Can't be a minivan,but a third row would really be handy.Recommendations?"可W被检测为针对汽车的推荐 请求，其中，考虑到将E邱Iorer识别为汽车W及明确的推荐请求。在其他情况下，可W从评 论的内容推断推荐请求，请求所寻求的类别可W变得明确，等等。
[0057] 评论530a是 "I'd be happy to sell you my Q7for more than I paid...Just kidding. I do like it though."。可W对评论530a进行解析W识别"Q7"被"喜欢[d]"，并 且使用数据库进行相关的Q7被识别为汽车。
[0化引来自另一用户的评论530b写到"Lexus GX470(sto邮ed making in 2010…they have the new GX460 but I think it looks like a transformer)."。可W对评论530b 进行解析W识别对"Lexus GX470"的推荐W及反对"GX460"的推荐。对支持推荐或反对推荐 的确定可W基于对推荐产品附近的词语的识别（例如，"喜欢"或"太棒了"可W指示正面推 荐，而"讨厌"或"糟透了"可W指示负面推荐）。备选地或附加地，对支持推荐或反对推荐的 确定可W基于人们对评论的解释、自然语言解析器的解释等。例如，可W将评论530a至530V 聚集到下面示出的表格中。
[0061]每个评论的值可W基于提供推荐的用户的权重。例如，如果提供评论530a的用户 "Ray"在推荐汽车时具有权重2，则由Ray推荐的紧接Audi Q7的第一列中的值可W是2，而非 I。在运种情况下，Audi Q7的最终结果值将是2，而非I。表格中还示出了每个推荐所接收到 的喜欢的数量。在所示的示例实施例中，喜欢的数量不用于确定最终推荐值（net recommendation value)。在其他示例实施例中，可W将喜欢视为在价值上等同于评论或者 等同于评论的一部分。例如，针对推荐Acura MDX的评论接收到一个喜欢。可W将喜欢视为 评论的一半，运导致Acura MDX的最终分数(net score)是0.5。
[0062] 用户的权重可W是负的。例如，如果要求推荐的用户频繁地对推荐用户的先前推 荐投反对票，则推荐用户的正面推荐可W被视为负面推荐。
[0063] 还可W在产生推荐时考虑关于请求推荐的用户的信息。例如，可W考虑年龄、性 另IJ、地点、收入水平、教育水平、已知产品亲和力(例如，偏爱品牌、所拥有物品等)等。为了说 明，女人对鞋的推荐请求可W产生针对女鞋的推荐，而用户对男人请求的相同响应可W产 生针对男鞋的推荐。
[0064] 在一些示例实施例中，可W检测关于请求推荐所针对的类别的专业水平或者推荐 请求的模糊程度。例如，与询问请求特定物品的"有人能推荐一款优秀的新轿车吗?"相反， 用户可W发表要求更一般信息的诸如"我应该买辆新车还是二手车?"的请求。基于检测查 询的宽泛性质，可W产生用于引导的推荐，而不是产生针对特定产品的推荐。例如，可W呈 现"如何购买车"的指南，而不是到由用户响应请求所识别出的汽车的购物链接。
[0065] 图8是示出了根据一些示例实施例的在执行基于社交媒体的推荐的方法时应用服 务器118的操作的流程图。方法800中的操作可W由运行社交应用121的应用服务器118使用 上面参照图2描述的模块来执行。如图8所示，方法800包括操作810、820和830。
[0066] 在操作810,应用服务器118可W从用户接收通信（例如，使用通信模块210)，并检 测通信中的推荐(例如，使用识别模块220)。例如，一个用户可W推荐一个鞋品牌，另一用户 可W推荐不同的鞋品牌，第=用户可W对第一用户的推荐投赞成票或"喜欢"。检测到的推 荐可W响应于来自另一用户的查询而发送的，响应于所呈现的内容而产生的，或者自发产 生的。例如，网页可W提供关于流行电脑游戏的信息。网页可W允许访问者评论。网页的访 问者可W发表评论，包括他们对各种游戏的意见。在操作810,对运些评论进行解释W检测 关于各种游戏的来自用户的推荐(正面或负面）。作为另一示例，通用论坛可W允许用户创 建关于不同主题的会话线程。用户可W创建线程来讨论喜爱的电影。其他用户可W用他们 对所述喜爱的电影的意见W及还通过表达关于其他电影的意见来进行回应。在操作810,对 运些意见进行解释W检测关于其他电影的来自用户的推荐。
[0067] 在操作820,基于来自用户的推荐、请求用户的属性、分配给每个推荐用户的权重、 一天的时间W及其他因素，可W(例如，由产生模块230)确定要推荐的物品。例如，可W确定 在距用户最近的当前营业的商店可买到的品牌的鞋，其中，所述品牌由第一用户推荐并被 第S用户喜欢。
[0068] 在操作830,可W呈现针对所识别物品的推荐(例如，由通信模块210传送到客户机 IlOW通过用户界面模块330呈现给用户）。例如，推荐可W在用户之间的会话线程中作为对 用户推荐请求的响应而出现。在一些示例实施例中，推荐W如下方式出现:犹如推荐者是线 程中的参与方。作为另一示例，推荐可W在线程的结束出现，来自用户的新响应向下推送推 荐。作为又一示例，推荐可W在屏幕的底部出现或者在屏幕的一侧出现，位置不受线程的进 度影响。
[0069] 可W呈现多个推荐。可W预先确定推荐的数量(例如，一个推荐、=个推荐等），或 者可W基于物品的类别、推荐的强度等动态地确定推荐的数量。例如，如果推荐了 =个不同 物品，但是W强度10推荐一个物品而W强度1推荐其他物品，则可W仅呈现最强的推荐。针 对物品的推荐的强度可W是推荐用户的权重之和减去反对推荐该物品的用户的权重之和。 作为另一示例，对与针对鞋类别的推荐的先前用户交互的分析可W表现出，相对于仅提供 一个推荐，提供=个推荐提高了用户将与物品之一进行交互的可能性。在该示例中，可W提 供=个推荐。推荐的数量可W考虑多个因素。结合W上示例，应用服务器118可W确定应当 基于推荐的强度呈现一个推荐，W及基于推荐的类别应当呈现=个推荐，可W组合运些值 W确定应当呈现两个推荐。
[0070] 图9是示出了根据一些示例实施例的在执行基于社交媒体的推荐的方法时应用服 务器118的操作的流程图。方法900中的操作可W由运行社交应用121的应用服务器118使用 上面参照图2描述的模块来执行。如图9所示，方法900包括操作910、920、930和940。
[0071] 在操作910,应用服务器118从用户接收通信（例如，通过通信模块210)，并检测通 信中的推荐请求(例如，通过识别模块220)。例如，用户可W请求推荐一双鞋。推荐请求可W 是线程中的第一条评论，或者可W是线程中的后来评论。例如，用户可W做出描述最近航班 的社交发表。另一用户可W询问第一用户对航空公司感觉如何。第一用户可W用关于航空 公司的正面推荐或负面推荐进行响应，同时第=用户提到他具有正面经历或负面经历的另 一航空公司。在该示例中，关于第一用户对航空公司感觉如何的问题可W被识别为推荐请 求。
[0072] 在一些示例实施例中，请求的类别可W动态地改变。例如，如果检测到的第一请求 关于汽车并且其他用户开始用辨别特定汽车的评论进行回应，则可W产生针对汽车的推荐 并将推荐呈现给用户。如果用户随后提到在安装婴儿汽车座椅方面一些汽车比其他汽车 好，则会话的主题可W流杨地转变到可用的最好汽车座椅的讨论。主题的运种转变可W被 检测为针对婴儿汽车座椅的推荐请求。通过检测主题的转变，可W在单个线程内产生针对 不同类别的推荐。
[0073] 在操作920,检测一批评论(例如，通过识别模