随笔分类 - 语义应用 / 个性化阅读
摘要：前面说到Topic Engine/个性化阅读/Meme Tracker这几个方向所需要的研发团队大致是12个人起。下面着重说一下在现如今如何做个性化阅读。
阅读全文
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
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
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
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
摘要：即，选择一个高质量专家池，可以是你组建的团队，也可以是你选中的专家群，即使是相当小的一个群体，你的推荐系统也会有一个非常好的开端。少数人的智慧，此时此刻，可以解决推荐系统的冷启动问题。这也是玩聚SR最开始选择Experts Pool作为起源，一上来就有很好信息过滤器效果的原因。
阅读全文
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
摘要：当Social能完整地提供三重元素：
1、 你的身份标识（Indentity）：Who you are；
2、 你的联系人或圈子（Contacts）：Who you know；
3、 你的网际行为（Activities）：What you do 。
时，
阅读全文
摘要：3月17日的SXSW Panel主题是超越聚合，Beyond Aggregation。
会议内容Dawn Foster记录得比较全。FF上的讨论也挺热闹。
阅读全文
摘要：作为一个各种 memeTracker 工具制造者，我(@zhengyun)一直想知道Twitter上什么样的人值得follow、对我的胃口，当然他得是中文用户，说的事儿怎么着也得跟中国有点儿关系。
阅读全文
摘要：Kuber 就是我经常说的那种技术 Geeker ，一旦有一个想法，或者看到一个好 Idea ，马上卷起袖子就干，瞬间搞定的人。
阅读全文
摘要：正如这次有人评论说的一样“假如给我一两篇精彩的综述，那我是不愿看其他的98%文章的”，文章质量和是否足够具有代表性，只有人(编辑)才能下判断，这是机器智能的缺陷，但可以通过确认信息源的权威性来补，还是有不错的效果的，典型如 techmeme。“报道数”也不是bignews的杀手锏，它的特色我在日志《》和日志《》中都作了阐述，它更强调历史脉络、多媒体性，与玩聚网不谋而合。
阅读全文
摘要：BigNews
把多媒体特性
把后续追踪
都提升到了很高很高的位置，与百度和谷歌均不同。
这也是差异点。
阅读全文
摘要：其实，Pandora、Last.fm之前并不是没有音乐紧密或松散相关的推荐，无非就是榜单和归类嘛，但如此便捷自如地专注演绎，凸显了专注的威力。
音乐可以如此无止境地欣赏。文章呢？
现阶段的文章阅读，IT互联网里大家要么是通过RSS阅读器，比如抓虾鲜果GR，要么是通过人工编辑挑选组合的文章，比如donews新浪科技cnBeta，要么根据好友主动分享，比如GoogleReaderSharedItems鲜果分享del.ici.ous抓虾收藏。
阅读全文
摘要：如果你订阅了一个博客，这个博客的一篇文章中提及某些链接，那么，SharpReader会自动在你目前的订阅列表的所有文章中寻找共同指向这个链接的所有文章并以非常方便阅读的Threaded方式列出来，并且可以迭代查找而不仅仅只是列出一层关系。不得不承认这个功能很贴心，虽然从技术上来说无非就是反向链接计算很简单的。
希望能够在Web RSS Reader上能够看到这一特性。
阅读全文
摘要：昨天和思践聊天，论及上面这些FriendStreams服务，还都是主动通知你好友的所作所为，它们都需要你特别抽出精力去处理这些信息。有时候，这是一种无声的轰炸。
这只适合那些有很多时间关心好友行为的“闲人”，==|||。
我所喜欢的是，在你不去注意你的好友干什么的情况下，也就是不分散你的注意力，你还是有你自己的生活的，在你浏览的时候，机器人主动告诉你，你的好友对于这个主题曾经什么时候关注过，是在哪个网站。
也就是，好友行为在该出现的时候出现。
阅读全文
摘要：请给出您的建议，有什么方法使得RSS阅读器更高效？
注：这篇文章并不是提示用户如何运用上面提到的方法获取高效的阅读体验，而是讲述了当下国内外RSS阅读器正在拥有的智能特性。
阅读全文
摘要：曹增辉在《RSS阅读器：工具化还是媒介化》提出了对抓虾新动作的定义：“对于抓虾这次调整的思路，不少人将之归结为“社区化”，其实，我觉得说是“媒介化”更准确一点”。
那么媒介化是不是可以理解为“从订阅走向发现之旅”呢？
如果是这样，那么这个概念和“从搜索到发现之旅”是一样，都是着眼于从用户主动行为（搜索关键词、订阅RSS）到系统帮助用户找到潜在资源。
林嘉澍在《从搜索到发现》文中有一段非常精彩的话，是这么定义这个发现之旅的“搜索是你明确地知道自己要找什么东西时所做的事情，而发现是你并不明确地知道一些好东西存于世上的时候，这些东西主动找到了你。”
阅读全文
摘要：ZapTxt的提醒姗姗来迟，都已经设定了半个月了，才终于给我送过来一篇Alert。
我在上一篇《个性化阅读的过去和未来【一】》中提到：“Zaptxt，也是同样的思路，搜索范围也是非常广，从你指定的RSS Feed、新闻站点到招聘贴士，只要符合你的关键词，就可以筛选出来以某种方式投递给你。既可监视你的Feed列表，也可以专门监视特定网站。”
阅读全文
摘要：那么是否可以存在一个服务，象watchmojo所说的那样（News is Still a Wide Open Game），兼容并蓄，囊括编辑模式、机器智能模式、群众智慧模式，杀入新闻聚合服务领域呢？
对此，Google黑板报有一个注脚“Larry Page说，搜索就是发现内容…，而维基百科发现了一个更好的方法来组织信息。他似乎很喜欢这种同时使用人力、流程和机器的模型。所以这是另一项证据，表明谷歌正敞开胸怀，寻求可扩展的方法来利用人的力量。”
watchmojo给出的答案是“Topix + TechMeme + Digg”。
你的呢？
阅读全文