1. Social Graph. Hier nutzt der Algorithmus die Beziehung zwischen Personen zur Relevanzbestimmung von Inhalten: der Leser bekommt Inhalte, die von mit ihm verbundenen Kontakten gelesen und bewertet wurden (Facebooks EdgeRank)

2. Interest Graph. Der Algorithmus nutzt die aus vergangenem Verhalten erkannte Beziehung zwischen Leser und Inhalten zur Bestimmung der Relevanz anderer Inhalte (Amazon)

3. Social Interest Graph. Hier verwendet der Algorithmus eine Kombination der beiden oben genannten Graphen (Twitter, Goole+)

Die Wahl des Graphen als Grundlage eines Algorithmus bestimmt ganz wesentlich seine Leistungsfähigkeit.

In der Tat führt der Social Graph zu einer Art “Sozialer Blase”: die Inhalte basieren auf dem Mainstream meiner Kontakte. Bereits im Kindesalter bestimmen so die Mitschüler eines Kindes dessen Inhaltsangebot.

Der Interest Graph führt – je nach Qualität der genutzten Ontologie – schnell zu einem Echo Chamber-Effekt, durch den sich das Inhaltsangebot ständig stärker fokussiert.

Die Nutzung des Social Interest Graph verspricht, die Nachteile der beiden vorgenannten Grundlagen zu kompensieren: Die (bekannten) Interessen des Lesers werden durch die Popularität von (unbekannten) Themen ergänzt. Hervorragende Beispiele für die Praxistauglichkeit dieses Ansatzes finden sich in Form der iPad-App Zite (http://zite.com/) sowie des Online-Angebots Eqentia (http://www.eqentia.com/). Wer die Leistungsfähigkeit von Algorithmen beurteilen möchte, sollte dies unbedingt erst nach Verwendung dieser Systeme über mehrere Tage tun.