1. Digg的算法和Amazon不同，他不是給用戶推薦和他們的歷史行爲相關的物品，而是更加依賴於集體智能，給用戶推薦和他們興趣相似的用戶喜歡的文章。換句學術的話，Digg用的是UserCF算法，而不是ItemCF算法
2. Digg一開始是讓用戶提交他們喜歡的文章的鏈接，如果別的用戶喜歡這個文章，可以頂一下，不喜歡可以踩一下。而原先digg的首頁展示了被頂的最多的熱門文章。因此，在Digg的系統中，熱門度是文章很重要的屬性。UserCF的算法可以在提供個性化的同時保證熱門度，而很多基於Item的算法不能保證這一點，這也是Digg選擇UserCF的一個原因。
3. 系統在利用UserCF的同時，也考慮到了主題(Topic)的影響。Digg認爲，如果兩個人digg了很多同樣的體育文章，不代表他們的政治觀點也是一致的。因此，他們會計算不同topic中的用戶的興趣相似度。也就是說用戶在體育領域興趣相似，不會擴展到政治領域。當然，digg的topic都是很大的topic，所以並不會太多的影響推薦結果的多樣性。
4. 我們知道，UserCF在計算用戶的興趣相似度時，兩個用戶有相似的興趣是因爲他們共同看過同一篇文章，但如果這樣的話，一個用戶看過一篇熱門的文章，就會和很多用戶產生相似度。Digg注意到了這個問題，並儘量去除了這種影響。
文章摘自：http://www.resyschina.com/2011/09/recsys_effect_digg.html