豆瓣猜是Web2.0下群体聚合后一个很有用的功能。具体猜测的算法不得而知，只是凭自己的理解猜下具体可能有的规则，也希望豆瓣猜能够不断的完善以提高准确度。

首先是豆瓣的标签体系，现在豆瓣标签体系我没有看到完整的层次结构。整个标签体系应该是有层次的分类结构树而不是单层的，而层次分类树的形成即我们常说的知识体系结构的整理和不断的完善。现在的猜基本上会根据你看过的书的出现的标签频度来批评该标签下其他豆友最关注的图书或热评的图书。而如果有了分类结构树，则形成一种纵深结构，下可宏观，下可专注。

你加为好友的豆友，如果有多个好友同时关注某一个本书或者都读过某一个本书，这个时候豆瓣也会猜测为你喜欢，而且完全不用去考虑具体的标签能问题。从而有效的拓展推荐书籍的广度。知识本身就是相同的，每个人除了专业的书籍，都还会关注其它类似心理，健康，生活，旅游等方面的书籍。

你如果同时读过一个作者的多本书籍，这个时候豆瓣会毫不犹豫的推荐该作者的其它书籍给你。这也是豆瓣猜可以不借助整个Web2.0互动就可以完成猜测的地方。豆瓣通过对你读过的书籍的标签分析，可以得到你最关注哪个业务领域和知识分类的书籍，关注哪几个作者的书籍，这个时候一旦有新书出来，豆瓣也会猜测你也会喜欢阅读。

如果你加入一些豆瓣读书小组或一些豆瓣专题组，这这个群组大家极力推荐的书籍豆瓣会猜测你喜欢。你如果经常光顾某个豆友的空间，或者你选择了关注哪几个豆友，那么这些豆友如果有新喜欢的书籍，而且书籍的Tag也是你关注的内容，则豆瓣会猜测你喜欢该书。

现在豆瓣已经引入了Blog和RSS订阅，如果再深入一点的话豆瓣可以对你的博客文章进行中文分词分析，对比的Blog中使用的标签进行分析，找出频度最高的词语。然后根据词语和豆瓣本身的图书分类结构＆目录进行匹配，匹配后进行相关书籍的推荐。当你刚在Blog写了近期会关注哪方面的内容时候，豆瓣如果能够马上把你期望的书籍猜测来推荐给你，那整个过程应该是很愉悦的。

Web2.0的一个要素，即类似抓虾的推荐＆收藏，虽然现在豆瓣也有该功能，但是现在看来并没有得到广泛的应用，也导致了豆瓣很难根据群体关注来分析趋势，并进行猜测。