随笔分类 -  新媒体观察

摘要:现在再讲讲个性化阅读的过去、现在和未来,也算是这个话题的延续。 阅读全文
posted @ 2011-04-14 22:53 旁观者 阅读(10184) 评论(2) 推荐(1) 编辑
摘要:【注:去年的旧文。上一篇是《02-在 Kuber SocialBadge 基础上再前进一步》和《01-学习 Kuber 的 SocialBadge 好榜样 | 02.技术预研 | Social》,下一篇是《04-WebFinger的利用 | 02.技术预研 | Social》】 阅读全文
posted @ 2011-03-07 22:06 旁观者 阅读(2119) 评论(0) 推荐(0) 编辑
摘要:【注:去年的旧文了。上一篇是《01-学习 Kuber 的 SocialBadge 好榜样 | 02.技术预研 | Social》】 阅读全文
posted @ 2011-03-07 21:59 旁观者 阅读(1734) 评论(0) 推荐(0) 编辑
摘要:集中回答一下网友对互联网信息监测的提问。 阅读全文
posted @ 2011-03-07 00:31 旁观者 阅读(1994) 评论(0) 推荐(0) 编辑
摘要:Amir Salihefendic(他是Plurk、Todoist的Co-Founder)在今年10月份撰文《How Hacker News ranking algorithm works 》完整地解释了Hacker News的Ranking算法,从中我们才得以知道那个神秘的“1.5”是什么。稍后我们还会拿这个排序规则与Reddit的排序规则做对比。 阅读全文
posted @ 2010-12-15 02:01 旁观者 阅读(27576) 评论(3) 推荐(7) 编辑
摘要:假设微博网站允许导出(双向关注的)好友email列表,那么招致非议的MSN式病毒式推广又将卷土重来。我之所以极少确认MSN或Gtalk的好友请求,就是因为,我无法保证对方以及他所使用的第三方服务不滥用这个好友列表 阅读全文
posted @ 2010-11-25 17:08 旁观者 阅读(7650) 评论(1) 推荐(1) 编辑
摘要:我平时喜欢玩Mashup,所以对国外各种开放接口都有兴趣看两眼。像Twitter的,Yahoo!的(Yahoo! Pipe、YQL),Google(Buzz、Google Reader、Chart、WebFinger等)的,即使是很不着调的Social Graph API,都能很快测试通过然后嵌到自己的所谓“智能语义聚合框架”里。但对于国内哪怕是所谓“开放平台”提供的API都会比较犯憷。 阅读全文
posted @ 2010-08-19 14:11 旁观者 阅读(12459) 评论(6) 推荐(1) 编辑
摘要:Cutt.com在组织资讯时,我把它划分到Topic Engine一类,暂且不谈它的阅读模式和群体智慧。(Updated:我拼写错误,应该是“王靖雯”,这样就可以找到王菲) 阅读全文
posted @ 2010-07-27 00:54 旁观者 阅读(6848) 评论(4) 推荐(2) 编辑
摘要:Kuber 的 SocialBadge 还利用了 WebFinger ,从而可以根据用户输入的 Email 地址获取它的关联信息。当然 Kuber 还是走 Social Graph 来得到关联信息,因为 WebFinger 的数据能被 Social Graph 调用。 阅读全文
posted @ 2010-05-26 13:57 旁观者 阅读(1600) 评论(0) 推荐(0) 编辑
摘要:最近 Kuber 推出了 SocialBadge ,是利用 google social graph api 做的。 SocialBadge 算是社会化推荐封闭社区的预研 demo 了。有了这个雏形,面向全球 Social 重度用户的个性化推荐计算有了可能。 阅读全文
posted @ 2010-05-25 00:38 旁观者 阅读(1447) 评论(0) 推荐(0) 编辑
摘要:可以认为这是一个理想的自动问答机器,利用协同过滤原理和语义技术,同时又有人工编辑审核问题和答案保证机器学习的质量。 阅读全文
posted @ 2010-03-08 16:20 旁观者 阅读(3910) 评论(0) 推荐(0) 编辑
摘要:leondellee抱怨说:“玩聚SR 最近老是有 N 多的Solidot、cnBeta、瘾科技上榜,就不能调整下阈值么... ” 阅读全文
posted @ 2009-11-20 00:22 旁观者 阅读(2359) 评论(0) 推荐(0) 编辑
摘要:项亮在《关于GRSuggest的一些思考》中说:“去重的问题,这个问题在文章推荐中非常常见,很多文章都被转载N次了,经常发现一个几年前的老贴又被转载,其实我的推荐系统本身也是转载”。 这个延伸出来的是3个常见问题,确实不好解决。 阅读全文
posted @ 2009-10-04 01:50 旁观者 阅读(8759) 评论(3) 推荐(0) 编辑
摘要:这样,这个信息过滤器既引入了微博客的实时性,又抑制了它的过度泛滥,还参考了Social Media用户在原体系中的活跃度、受欢迎程度等指标,能有效地摒弃质量不高的社会化媒体用户,算法不复杂,最终达到一个较好的过滤效果和效率。 阅读全文
posted @ 2009-09-19 17:53 旁观者 阅读(5318) 评论(0) 推荐(0) 编辑
摘要:这样大致能遍历了Google Reader中文用户,对分享能力低迷的用户识别效果良好。从Rank数值上看,基本能判定: Rank 0 :用户有一定活跃度;Rank越大,用户越活跃,而且分享的文章质量越高。 阅读全文
posted @ 2009-09-19 05:23 旁观者 阅读(7419) 评论(0) 推荐(0) 编辑
摘要:在Social Media领域,不管是搜索结果,还是页面展示,只要不是编辑挑选的,只要是机器智能决定的,都需要以某种顺序排列。 那么,除了按时间顺序或按投票数排列外,还会有哪些有效的展示模式呢? 阅读全文
posted @ 2009-09-06 01:11 旁观者 阅读(9480) 评论(2) 推荐(0) 编辑
摘要:社会化媒体的可携带可传播数据是海量的,从中打捞珍珠并串成线,还是需要一些手段的。你不能简单地获取那些像水一样流动的数据来展示,无论你的界面多么漂亮,都没有太大价值,你必须增加一些附加价值。 阅读全文
posted @ 2009-08-31 00:26 旁观者 阅读(7920) 评论(0) 推荐(0) 编辑
摘要:好了,就是这些了。这就是2009年7月和8月国外情感分析方向的一些进展。 阅读全文
posted @ 2009-08-19 20:21 旁观者 阅读(5412) 评论(2) 推荐(0) 编辑
摘要:无意中看到M Jia在《豆瓣好友热点 v0.2.3》中提及: “以前很喜欢看Techmeme/Digg这样的聚合/社区工具,现在超级喜欢Hacker News和Reddit Programming,简洁又超级有活力(虽然我不太能参乎进去,呵呵),如果能够使用玩聚SR的方式来作豆瓣上的“物”并加上豆瓣原来就有的社区,可以非常简洁并有活力,我会非常喜欢,不过我代表不了广大用户。” 顺着他的这个思路,那么如何一步一步做呢 阅读全文
posted @ 2009-05-04 11:49 旁观者 阅读(1045) 评论(0) 推荐(0) 编辑