个性化阅读的过去和未来【上】
个性化阅读的过去和未来
|
编写者 |
日期 |
关键词 |
|
郑昀 |
|
个性化阅读 |
你是否每天经常访问许多站点，来跟踪你感兴趣的新闻或博客？
你订阅的Feed是否每天都有太多太多的文章，根本读不过来？
你需要保持敏锐的触觉，但它是不是花费了你太多时间？
上面这段话是wizag说的。
如果你深有同感，那么就请继续往下看，否则你可以跳过这篇文章了。
去年11月readwriteweb 说RSS内容过滤应该是2006年的热门话题之一，因为这是RSS聚合的下一步，我们中的许多人每天都会有太多的信息涌过来：“Back in April I looked at this space and at the time noted that filtering would be a hot topic in 2006. Why? Because it's the next step up from RSS aggregation, as many of us now have too much information coming at us.”
不过中国去年还在Blog和RSS普及推广阶段，甚至于2007年了还在为博客搬家而撕咬。国人对于内容过滤的需求，2008年估计才有大市场。虽然互联网瞬间可以连到北美，但一般北美的趋势都要一年乃至两年之后才会波及中国。
那么北美发展出了什么内容过滤的工具呢？无非就是三个思路：驾驭群众智慧、机器智能和关键词过滤。
GoogleReader的Share功能算一个，我订阅了keso的shared item，让keso变成我们的信息过滤器，一个很取巧但非常sharp的作品；
Techmeme，利用反向链接算法，自动计算精英博客和新闻媒体的对话，展现短期内的热点话题，同类的还有tailrank,megite，后二者更强调针对用户的A-List进行计算；
Blastfeed，很简单，就是你来定义用什么接收过滤结果，邮件还是IM还是短信还是RSSReader；你来选择哪些feed，可以是你的OPML文件导入的，也可以是你在Blastfeed非常全的feed库里选择的feed；你来选择或创建channel，即通过输入关键词，来从你的阅读Feed列表中过滤到你想读的Feed或文章。也就是利用关键字匹配的方式对blog文章进行过滤，然后以Email、IM、SMS或者RSS阅读器的形式投递给用户。至于投递的时间，其实和Googl快讯一样，可以选择“出现新结果时”“一天一次”“有5个匹配时”“有10个匹配时”。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。
国内，这方面的先行者，无疑比国外做得更出色更睿智。
豆瓣9点，基于群众性智慧的筛选Blogger和Blog的机制，做得很聪明，尤其是起初通过做“我上”来召集高质量Blogger来认领来添加自己的Blog，从而让用户自发筛选了大量上乘的Blogger。难能可贵的是，它既照顾到了以文章为中心的阅读方式，也照顾到了以人(作者)为中心的阅读方式，提供了优秀的推荐Blogger的过滤算法。这是抓虾的好看和热文所不及的。
=========
为什么谈到两种阅读方式呢？
一种阅读是以文章为中心，持此观点的有的XerdocTogether“在blog这个层面做推荐，个人觉得是比较困难的，这个范畴太大了，而且每个人写的文章不一定就始终保持那一个主题。文章应该是更准确的推荐资源。所以，个人觉得内容阅读的推荐系统或者说协同过滤应该建立在文章的基础上，而不是blog的基础上”。
另一种则认为很多人以人为阅读中心，比如方军“许多人的blog阅读体验和阅读闲谈专栏是相似的，他们选择读什么不读什么的判断依据不是话题，而是作者，因为只有这样才能保证阅读到的内容的质量”？
其实还有一种，就是BlastFeed锁定的这种，只要是一篇文章谈及了某一个主题或者关键词，你也许就有阅读的欲望，比如最近你关心俄罗斯Vista中国巡演会的主题，那么要么你可以通过OneJoo锁定这个热点主题，要么你可以通过Blastfeed和ZapTxt来锁定Vista+演唱会关键词来推送内容。
还有一种就是sayonly说的SNS阅读方式“建立一个Social Network，每一个用户都推荐出自己喜欢的内容，那么被推荐得最多的，就一定是大多数人最受欢迎的内容。如果把这些推荐内容的用户区分成不同的群体， 就会得到特定群体欢迎的内容。Digg的想法就源于此。不过，这需要用户有足够的动力去推荐自己喜欢的内容，否则，Network也无法形成”。
这四种阅读方式在一个用户身上肯定是共存的。
但说实话，现有的任何一种工具都很难同时满足这四种阅读方式，豆瓣9点是最有希望的。
那么如何尽可能把握这些个性化阅读的需求呢？
========
郑昀
相关阅读：
1：个性化阅读的过去和未来【一】 个性化阅读的过去和未来【二】
2：玩聚热点新发现–中国的techmeme 郑昀
3: 写在Google Reader推出Trends之后 Xerdoc Together
