美国消息人士10日说，美国微软公司和雅虎公司继去年收购计划告吹后，近日重启谈判，讨论搜索引擎和广告投放合作事宜，以对抗搜索引擎巨头谷歌公司。眼下谈判处于初级阶段，双方已提出多种合作方案。两家公司均拒绝就此事发表评论。
消息人士说，虽然双方重新回到谈判桌前，但这并不意味着谈判一定会取得成果。虽然鲍尔默先前多次公开表示，微软有意收购雅虎搜索引擎广告业务或整个搜索业务，但一名与雅虎关系密切的消息人士说，雅虎仍不愿放弃对它来说至关重要的搜索业务和手中掌握的相关关键数据。
评论：微软雅虎并购案，可谓一波三折。一开始，微软就像一个性急的小伙儿，而雅虎就像一个扭捏又自视甚高的老姑娘，结果双方谈崩了；后来，雅虎终于意识到自己不嫁不行了，微软又不想要，回去写总结了；现在，雅虎换了管家洗了脑，微软也冷静了、理智了，重启谈判，应该成功率大了。
欢迎访问我的独立博客
。
相关文章:
- 几种用户相似度计算方法及其优缺点 注：我毕设要做一个垂直搜索引擎中的用户推荐项目，这些是我摘录的一些资料和相关分析。 进行用户协同过滤时，一个关键问题是如何计算用户之间的相似性。比较常见的计算用户相似度的算法有余弦相似性、皮尔森系数、调整余弦相似性三种。 这三种相似性都是基于一个称为用户-项目矩阵的数据结构来进行计算的。该数据结构如下： 余弦相似性：把用户评分看作是n维项目空间上的向量，通过计算两个向量之间的夹角余弦来度量两个用户之间的相似性。 皮尔森系数：又称相关相似性，通过Peason相关系数来度量两个用户的相似性。计算时，首先找到两个用户共同评分过的项目集，然后计算这两个向量的相关系数。 调整余弦相似性：将余弦相似性中的向量，减去用户平均评分向量后，再计算夹角余弦以修正不同用户评分尺度不同的问题。 在数据比较稀疏的情况下，这几种方法均存在一定问题：余弦相似性和调整余弦相似性对于用户未评价项目评分为0的假设；皮尔森系数中用户共同评分项目集可能很小。 在垂直搜索引擎中，用户数据具有相当的稀疏性。所以需要通过一定的手段来消除这种稀疏性。我的思路： 1.垂直搜索中存在一个项目的目录（树形结构），如果自顶向下进行评分，并将子项目分数与父项目分数按一定规则运算后作为最后评分。从而填充稀疏矩阵为密集矩阵。 2.按照密集矩阵进行推荐。...
- 新闻：GAE开始支持Java了 4月7日，Google宣布其Google App Engine支持Java语言。此次升级支持原有的所有GAE API，且与Java Servlet API, JDO and JPA, javax.cache, and javax.mail兼容。与此同时，Google还提供了GAE的Eclipse插件。 此前Google App Engine只支持Python。 详情可见这里：Seriously this...
