如何找到Twitter上最有趣的中文用户
郑昀@玩聚锐推榜 20090222 (follow @zhengyun)
1、我要follow谁
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。
我总结了一下自己的需求：
1：发布频率至少一周一两次(follow 哪些一年半载推特一下的名人会不必要地增加全球碳排量，so，可以无视)；
2：相对来说，和我(@zhengyun)的Twitter以往历史比较接近。不要光凭followers多就推荐给我，譬如虽然@bookhotel拥有高达1,190个followers，但显然我不可能follow这个疑似Spammer的机器人；
3：我已经 follow 过的就不必再向我推荐了；
4：他/她/它的 Tweet 对我来说足够有趣。“有趣”，多么含混的需求啊。
2、Twitter 用户评价体系
看上去我们需要一个 Twitter (中文)用户评价体系。
followers/friends 的维度不足以作为这个 Twitter 用户是否有趣的判断依据，就像Google的PageRank不会单纯靠inbound links来判断网站是否有用一样。哪有什么依据呢？
譬如，你可以根据一个Twitter用户名被其他用户提及多少次来判断他的流行程度。当然，如果有一群用户拿Twitter作为群聊聊天室，那么这群人的名字(如@zhengyun)必然被常常提及，所以这个维度只能是复杂公式中的一个变量。所以这个维度要被你有多么个followers以及你推特的频率等维度呈正比地抵消。
看上去，要估算出这么一个 Twitter 用户评价体系，比想象中的复杂哦。
whoshouldifollow 貌似推荐的还不错，不过不知道它的技术细节，它只说是“finds interesting people to follow based on who your friends are, and who they follow.”。
twellow 是依据你的Twitter Profile中的关键词来对你分类的；wefollow 应该也是类似原理，并且允许你在Twitter里发表格式化好的tweet来主动向 @wefollow 声明自己的标签和分类。它们俩的分类，也可以作为一个参考维度。
Twitalyzer 的五项衡量指标倒是有指导意义，但毕竟我们不是为了评估某个Twitter用户的影响力，而是为了尽量准确地个性化推荐 twitter 用户。
3、Rank可以参考的变量
这个需求要多少个变量来计算呢？我姑且列出一些供参考的老外统计方式：
1：Ryo Chijiiwa的 TwitterRank (ZDNet、Mashable都给出了正面的评价)。
2：可以统计你有多少时间浪费在 Twitter 上的 Tweetwasters 。
3：可以给出某一个地区Twitter用户排名的 Twitterholic (只是根据Twitter中你设置的Location字段汇总的，排名因素是你的Followers和Friends数量)。
4：Twitalyzer 给出的一个用户的五项指标。
5：twellow或wefollow对一个用户的分类和标签，假如有的话。
4、Rank可能涉及的变量
据此，可以总结出一个公式，来帮你匹配到值得你follow的最有趣的中国Twitter用户。
变量A : 仿照 Tweetwasters 给出的 your total tweets*30 seconds/per tweet ，用户消耗在Twitter上的时间。
变量B: 用户的 TwitterRank 数值，Float类型。
变量C : 用户的 followers 数量；
变量D : 用户的 friends 数量；
变量E : 用户被 retweet 的数量；
变量F : 用户被人提及的次数；
变量G : 用户的Location。系统应该自动映射不同的Location名字为一个地名。譬如，映射“北京”和“Beijing,china”为“Beijing”。
变量H : 用户发言频率，即 your total tweets/timespan your account joined 。
变量I : 用户 retweet 他人的次数。
5、公式
略。
6、mashup一下
看了上面列出的变量，你就知道，这注定是一个 mashup 应用，因为它所引用的数据都来自于其他站点，包括twitter。
#附录A：
疑问1：
是否必须引入自然语言处理来判别Twitter用户的软分类呢？即判断用户的发言百分之多少科技成分、多少娱乐成分等等。而不只是像 twellow 一样只根据用户Profile来计算分类。
这么做的好处：
可以按照分类目录寻找有趣用户；
更容易基于某一个给定用户推荐相似分类的用户群。
坏处是：
一条Tweet字数太少。分类未必会准。
疑问2：
是针对每一个发言做分类判别，还是针对所有发言呢？
需要测试看看。
疑问3：
需要对两两用户进行文本相似性计算吗？
不用这么复杂吧？
郑昀@玩聚锐推榜 20090222 (follow @zhengyun)
