社会化推荐和FriendFeed
Yun Zheng
【由于此文以及此产品的诞生与TopLanguage有很大关系，所以就不避讳有推销SR之嫌，删掉一些文字后贴到咱们这个讨论组，望各位赐教】
继上周末推出玩聚SR这个被我们命名为“社会化推荐引擎Social Recommendation Engine”的工具后，流量一下子翻了
三倍，也许是大佬们推荐我的文章带来的效应，也许是这么一个打着 Social 旗号的山寨概念比较吸引眼球。还得到了不少朋友的反馈，这里表示感
谢。
1、用户体系
keso 评价说“SR 确实很酷。但我觉得，要为它找到用户。就像Digg和Techmeme，没有用户，就只能是个技术或概念，有了用户，
他们才成为媒体。”
SR 需要找到一种引入用户的办法。当然，成为一种工具，作为阅读分享解决方案，毕竟能贴近刘未鹏的这个需求已经非常实用耐用了：
“TopLanguagers里面有大量的高手，我个人是非常想看到高手们平时阅读什么东西，应该是一个极好的拓宽知识的途径。特别是
以前也有人提到过，在网络上获取高价值信息的途径总是代价偏大，而高手的阅读分享，则是一个极好的途径。
每每在一个熟悉的ID的发言中发现，原来这个家伙还有这个隐藏的知识面啊！:P
其实我一直在想如何才能把这个社群的价值最大的分享出来，不仅分享给外界的朋友，也是分享给互相之间，用自己的知识为别人打开通往新知
识的窗口，同时也从别人的知识中得到不同的东西。 ”
SD( http://it.ju690.com/ )是分享IT业界意见领袖们的热点对话和思考，SR( http://sr.ju690.com/
)则是分享IT业界普罗大众们的阅读，相比SD更宽泛更悠闲。
2、重复阅读
老乐也指出“目前，我不认为“来，做一个社会化推荐引擎”那种是好的，那只不过是一种尝试。对我来说，最大的问题是社会化引擎推荐出来的，往往
都是我已经看过的文章，那只不过是把数据重新整理了一下，别无它用。”
对于重度RSS阅读器使用者来说，SR 的功能确实尴尬，可能多数都是看过一遍被分享多次的文章，这是肯定。
甚至对于我而言，订阅其他人的Google Reader Shared都是浪费时间，因为他们分享的文章作者我多半也都订阅过或者在玩聚SD
里聚合过的。所以，对于重度阅读器使用者来说，GReader自己的What’s Hot功能是最贴心的，期待他们早点推出这个功能的中文版。
3、推荐引擎还是推荐聚合引擎？
一位名为 fisher 的网友留言“应该叫社会化推荐聚合。像friendfeed那样，就是种子的再聚合？”说得有道理。本质上还是聚
合。
他在 FriendFeed 中还针对冯大辉的推荐，留言说：“玩聚算是friendfeed的衍生实践？”。
我们在《来，做一个社会化推荐引擎》中说过，玩聚SR 就是把FriendFeed的lifestream类型服务、rssmeme/
Techmeme/SD的memeTracker类型，鲜果热文的热文类型，三合一。唯一不同的就是信息源的有目的选择， 保证热文贴近IT同仁的阅读
趣味同时又带有一定的发散性。
4、你可以知道谁分享了你的博文
某人说“这下我终于知道谁在分享或推荐我的文章了”
是的，用FriendFeed要想知道这一点，您要订阅每一位可能推荐您的人，用Twitter你可以在search.twitter.com
上搜索，那鲜果、饭否、叽歪、delicious呢，ok，SR可能或多或少能搞定这事儿。
5、希望大家都来实践，找到中国人自己的Social Media聚合之道
我们把算法和技术细节都写在文章里，因为我们就是基于 rssmeme/feedzshare/reddit 的思路和算法基础之上，所以也希
望其他勇于实践的开发者能基于这一系列思路改良优化mashup，开发出更切合实际的产品。
郑昀@玩聚SR http://sr.ju690.com/
Yun Zheng
1：《来，做一个社会化推荐引擎，http://blog.csdn.net/zhengyun_ustc/archive/
2008/12/21/3575578.aspx 》；
2：12月5日pongba发起的讨论：《一个整合的阅读共享方案，http://groups.google.com/group/pongba/
tree/browse_frm/thread/5c6075a5b33b171f/911ca89a687ebac3?rnum=21&_done=
%2Fgroup%2Fpongba%2Fbrowse_frm%2Fthread%2F5c6075a5b33b171f%3Fq%3D
%26#doc_0dacdf04f5180c5b 》；
3：即本文原文，《社会化推荐和FriendFeed， http://blog.csdn.net/zhengyun_ustc/archive/2008/12/29/3631436.aspx
》；
一个链接：
玩聚SR http://sr.ju690.com/
pongba
当然，从另一方面来说，也许digg.com的手动推荐能够获得成就感，用户会在别人评论的激励下进一步推荐，这一激励效应对积累用户也许很有好处。不过玩聚SR可以走另一条商业化道路，因为是自动聚合，所以并不需要玩聚用户生成内容，不像依赖用户生成内容的站点。作为新闻聚合类的站点，完全可以直接放广告嘛:D 也不怕用户流失。
至于内容，目前来看对我来说有专业价值的内容较少，关于社会，人文，娱乐的内容较多，不过我本来也没指望在任何RSS源获得专业内容就是了，而且另一方面，过分小众也对成功不利。我觉得在内容方面也许可以和cnbeta或草根网作一个比较，如果自动聚合的内容能够有cnbeta或草根网的质量，同时又不需要cnbeta或草根网的编辑或用户投递，这也许就是对他们的超越了:D
keso 评价说"SR 确实很酷。但我觉得，要为它找到用户。就像Digg和Techmeme，没有用户，就只能是个技术或概念，有了用户，
他们才成为媒体。"
SR 需要找到一种引入用户的办法。当然，成为一种工具，作为阅读分享解决方案，毕竟能贴近刘未鹏的这个需求已经非常实用耐用了：
"TopLanguagers里面有大量的高手，我个人是非常想看到高手们平时阅读什么东西，应该是一个极好的拓宽知识的途径。特别是
以前也有人提到过，在网络上获取高价值信息的途径总是代价偏大，而高手的阅读分享，则是一个极好的途径。
每每在一个熟悉的ID的发言中发现，原来这个家伙还有这个隐藏的知识面啊！:P
其实我一直在想如何才能把这个社群的价值最大的分享出来，不仅分享给外界的朋友，也是分享给互相之间，用自己的知识为别人打开通往新知
识的窗口，同时也从别人的知识中得到不同的东西。 "
--
刘未鹏(pongba)
Blog|C++的罗浮宫
http://blog.csdn.net/pongba
TopLanguage
http://groups.google.com/group/pongba
Yun Zheng
网的编辑或用户投递，这也许就是对他们的超越了”
:D，需要收集更多的信息源，同时加强对信息源的把关。
xuanfei
--
祝你
天天天蓝：）
Yun Zheng
On 12月29日, 下午2时46分, xuanfei <xuanfei2...@gmail.com> wrote:
> 不觉得cnbeta的资讯广告占的比例不少吗：）
>
> --
> 祝你
> 天天天蓝：）
Huang...@gmail.com
est
的 semantic 体现在？
2008/12/29 Yun Zheng <zhen...@gmail.com>:
Yun Zheng
如果您看了我们的简单首页 http://www.ju690.com/ 就会知道，我们还有其他两个互联网应用：玩聚SD和宝聚。
那么语义就体现在：
1：
宝聚：
语义引擎针对爬虫抓回来的各大股吧、证券公司的文章和帖子，经过情感分析，提取该文章中作者谈论的是哪一支股票，对此股票是短线看法还是长线看法，是看
空还是看多，属于哪种操作建议等等，提炼这些元数据(metadata)，然后汇总，就可以实时得知，市场上对该股票的多空比例以及操作建议趋势。
2：
玩聚SD：
语义引擎针对爬虫抓回来的IT、体育、娱乐界博客们的文章，分析文章内容，将互相引用的、互相内容关联的合并为一个对话，称之为"社会性对话"。
3：
奥运前，我们还运营着一个项目，热点自动发现，就是每天从抓取到的数十万篇博客、论坛文章中自动发现热点，按照热点聚合新闻、博客、论坛文章和帖子。
这三个应用，实际上是由一套平台提供的计算能力。
也就是智能语义聚合应用框架。
玩聚SR只是试图加入语义技术，到目前为止，还没有加入。
--
郑昀
玩聚网
【Blog】 http://blog.csdn.net/zhengyun_ustc/
【Social Recommendation】http://sr.ju690.com/
【Social Dialogue】http://it.ju690.com/
On Jan 24, 9:06 pm, est <electronix...@gmail.com> wrote:
> 弱弱的问一下"智能语义聚合应用框架(Intelligent Semantic Aggregation Framework, ISAF)" 里
> 的 semantic 体现在？
>
>
> > 郑昀@玩聚SRhttp://sr.ju690.com/
jiang li
TREC每年都会组织自动问答系统的评测，但目前看来，现在的自动问答系统水平非常的有限；但另一方面，以百度知道为首的社区型问答系统却已经开始实用，并大获成功。
digg很像是百度知道，虽然是靠手工完成的，但是它的准确度要高得多，它所提供的信息要有用得多；
而玩聚更像是自动问答系统，虽然采用了很多NLP或者统计算法，技术上要更先进，更复杂，但效果未必能够达到digg的水平。毕竟现有的信息检索和NLP技术还是非常有限的。最后，玩聚很有可能只是成为一个互联网上的"玩具"。
对玩聚还不太熟，有什么不对的地方尽管批评：）
