计算机可能比你自已都更擅长发现你在恋爱方面的品味。新的交友网站Wings正在试图将机器学习和统计模型技术推广应用到交友推荐中去。与那些依靠调查问卷形式的交友网站不同，Wings试图通过分析用户在社交媒体网络上的各种零碎信息来了解用户。其有趣发现之一是：从你是否有一个联系紧密的网友群可以预测出你是哪种类型的人。
　　2009年6月，Wings正式运行。与eHarmony或Match，com等传统的在线交友网站正好相反，Wings不会询问用户的个人信息，反而会告诉用户关于自已的信息。此服务要求用户提供一个Facebook账户，Wings通过此账户了解用户的在线网络社交。它也可以与Netflix、Pandora、Last.fm、Twitter和Foursquare等账户连接，获取一些其他数据，如用户观看电影的历史记录和曾经去过的地方。
　　所有这些从社交网站中得来的数据都会进入Wings的推荐引擎数据库中。该系统结合了贝叶斯建模和机器学习两种技术。贝叶斯建模是一种允许计算机从大量数据库中寻找结论的数学分析法，而机器学习表示系统得到的数据和反馈越多，就越“聪明”。
　　计算机对用户行为的分析比用户对自己的描述还要丰富。　“我们就是我们自己的盲点，因为我们很难不受近期经历、目前情绪等因素的影响而准确回答关于自己的问题。”Triangulate公司总裁和共同创始人苏尼尔嘿自加拉杰(Sunil Nagaraj)表示。
　　纳加拉杰与两个哈佛毕业生一起创建了Triangulate公司。7月份，该公司筹集了75万美元，用于扩展和改进Wings服务。
　　Wings交友服务利用的是一个推荐引擎而不是简单的搜索或调查问卷，因此它对哪些因素可以使人们配对成功做了一些有趣和异于直觉的关联。比如，一个人的社交网络是一个重要的衡量因素。如果你的Facebook上的朋友组联系都很紧密的话，就意味着你的朋友之间也是朋友关系，你会更加倾向于与那些同样有紧密的网友联系的人交友成功，而不是那些只有少数几个网络熟人的人。
　　Wings还发现，夫妻二人的国内朋友和国外朋友的百分比如果接近的话，两人会更加般配。还有，在Netflix租借的电影或音乐的类型是主流还是非主流也是影响因素之一。夫妻二人在Twitter上追随的朋友在类型上有很大重叠的话，两人也会更加合适。
　　另一家公司IntroAnalytics也应用了网上交友推荐技术。FHM和Maxim等男性杂志的网站使用的就是IntroAnalytics的引擎。但与Wings不同的是，IntroAnalytics公司使用的数据来自那些被授权使用其技术的网站，这些数据包含档案信息和用户浏览模式等。IntroAnalytics公司联合创始人加文·波特(Gavin Potter)说，这种方法非常有效。比如，波特发现一个网站上的60％～70％的用户使用了IntroAnalyfics推荐技术来搜索内容，而没用通常的搜索引擎。
　　可以肯定的是，科学无法挥一挥运算法魔杖就为你找到一个完美的对象。推荐引擎从大量数据库中挑选出来的各种关联可以提供一些聪明的建议，但不是完美的预测。并且，数据库也从来都不是完美的。纳加拉杰表示Wings正在试图通过更多的数据流来获得关于一个人的整体描述，他本人也在努力争取与更多的在线服务网站合作，将Wings整合到这些网站中去。
　　另一个问题是，人们的想法不是一成不变的，网络推荐引擎Hunch的联合创始人卡特里纳菲克(Caterina Fake)说道。推荐引擎试图解决那些谷歌无法轻松解决的问题，如“我应该看什么电影?”菲克举了个例子说明人们如何改变自己的想法：　“我们可以预测你会为某部电影评五颗星，并且你看完它后也确实给它评了五颗星。可是一个月过后，你可能会返回来给它评了三颗星，原因是你已经忘了这部电影的好多情节。”
　　Wings的收集和分析社交数据的方法可能成为网络服务发展的一个新分支——不用人们说出自己的信息就能做出聪明的建议。