??? zhengyun_ustc 20070406

劉韌的《 4 月 6 日 CSDN 軟件英雄會(huì) 》中，這句話無意中透露出了 CSDN 的一個(gè)野心：

“ CSDN 這個(gè)過濾器，將 108 人篩選出來，給了這 108 人拋頭露面的機(jī)會(huì)，這 108 人同時(shí)也成了投資人、創(chuàng)業(yè)者、合作者的機(jī)會(huì)。 ”

4 月 5 日 參觀 CSDN 的時(shí)候，他們用超大投影墻播放的幻燈片中也提及了一個(gè)細(xì)節(jié)： CSDN 要成為一個(gè)信息過濾器，根據(jù)用戶參與行為、版塊、地域，來決定推送給用戶什么信息。 CSDN 還展示了他們的專家系統(tǒng)，為社區(qū)內(nèi)的專家提供更為豐富的服務(wù)和推介，比如首頁(yè)直通車、企業(yè)付費(fèi)的問答平臺(tái)。

過去的幾年，我一直受 CSDN 的強(qiáng)力推介，我的 blog 常出現(xiàn)在 CSDN 首頁(yè)，給我?guī)砹撕艽蟮牧髁浚瑤砹撕芏嗟呐笥选Ｋ晕覍?duì) CSDN 的專家系統(tǒng)非常期待。專家系統(tǒng)相當(dāng)于一個(gè)過濾器，為 CSDN 的 150 萬(wàn)注冊(cè)用戶，為 IT 企業(yè)，也為專家，提供了更直接更快速找到你所需的平臺(tái)，不管你是需要傳道授業(yè)解惑，還是尋找人才，或是尋找合作機(jī)會(huì)。

我們清楚地看到，面對(duì)龐大的社區(qū)，不管是 CSDN 、 JavaEye 、 ITPub ，還是 天涯 、 Donews ，都必須解決以下問題：

信息過載 。

就像我在《 創(chuàng)業(yè) + 社區(qū)點(diǎn)評(píng)：信息會(huì)過載嗎？ 》中所說的：“ 如果人數(shù)多了起來，不知道以現(xiàn)有的挖掘資源和提示資源存在方式，未來如何為創(chuàng)業(yè)者或者擁有資源者提供方便的遴選方式，迅速找到合適的資源？ ”

那么 CSDN 現(xiàn)在正致力于解決這個(gè)問題。讓更多人通過這個(gè)平臺(tái)凸現(xiàn)出來僅僅是一個(gè)小問題，讓用戶知道專家是哪些人、在哪里，和淘寶的誠(chéng)信通是一個(gè)層面的東西。這還僅僅是解決了人們?nèi)粘］^少的一部分需求。更多的需求是什么？

我相信是： 我看到的內(nèi)容和我是相關(guān)的，并且隨著我的興趣變化而自動(dòng)變化的，而且這些內(nèi)容應(yīng)該可以自由按照某種規(guī)律排列組合，而不僅僅是一股腦地把 URL 鏈接丟給用戶。

?

那么，有什么可能的手段呢？

Google 資訊提供了其中一種解決方案：

“ Google 資訊和豆瓣網(wǎng)的做法類似：

? ?? ?????? Google 資訊會(huì)使用智能算法來分析您的選擇，并專門針對(duì)您推薦相關(guān)報(bào)道。該算法會(huì)將您的口味與其他 Google 資訊用戶組的總體口味加以比較。簡(jiǎn)而言之， Google 向您推薦的資訊是閱讀趣味與您類似的眾多其他用戶讀過的報(bào)道 。隨著時(shí)間的推移，您登錄到 Google 帳戶時(shí)使用 Google 資訊的次數(shù)越多，推薦內(nèi)容的效果就越好。

”

也就是說， CSDN 肯定可以采用這種方式，因?yàn)? CSDN 已經(jīng)可以有大量用戶的點(diǎn)擊行為可以分析，從而形成如下的推送模式：

點(diǎn)擊過 RoR 和 SOA 新聞的網(wǎng)友們，還都點(diǎn)擊了哪些博文，這樣就可以在 RoR 新聞下列出，對(duì)此則新聞感興趣的網(wǎng)友還對(duì)以下博客文章、論壇帖子感興趣。

這個(gè)是利用了用戶對(duì)網(wǎng)站的主動(dòng)交互行為。

到底有多少 CSDN 注冊(cè)用戶養(yǎng)成了上首頁(yè)看業(yè)界新聞和社區(qū)帖子的習(xí)慣呢？

如果這種比例不高，那么是否還存在其他方式來智能推送呢？

?

我和金山的 許式偉 在 CSDN 現(xiàn)場(chǎng)聊的時(shí)候，都提到了一個(gè)概念：

用戶的寫作就是一種交互行為 ，它 (Blog 、論壇帖子 ) 和點(diǎn)擊行為一樣重要，甚至更能反映人心。

這就是另外一種解決之道。

希望 CSDN 的信息過濾器能考慮這個(gè)思路。

?

去年， 曾登高 也談及哪些方式可以解決信息過載，他是這么說的：

“更多智能的方案正在浮出水面， Incomplete 在 RSS 閱讀排序與過濾的 7 種方式 介紹了一些方向，我本人看好 2 個(gè)方向：

根據(jù)閱讀行為進(jìn)行智能排序
Findory 的作者 Greg Linden 是 Amazon 的數(shù)據(jù)挖掘系統(tǒng)的負(fù)責(zé)人，這是他使用 Amazon Recommendations 技術(shù)在信息自動(dòng)推薦上非常好的嘗試。如果 Bloglines 采用這樣的技術(shù)，將信息源限制在自己的訂閱范疇，就可以實(shí)現(xiàn)我對(duì) Keso 說的自動(dòng)過濾了。

根據(jù)反向鏈接數(shù)等因素對(duì)內(nèi)容進(jìn)行排序
Memeorandum 是典型，也可以稱作 Meme Engine ， 鄭昀在系列文章中比較詳細(xì)地介紹了 Meme Engine 的原理 ( 一 、 二 、 三 ) 。 Memeorandum 其實(shí)就是一個(gè)信息過濾器，可以迅速發(fā)現(xiàn) Blog 圈內(nèi)的熱點(diǎn)新聞和事件。另外像 Megite 推出的 個(gè)性化 Tracker 也是不錯(cuò)的嘗試。

”

?

只不過，去年我沿著原來我寫的《 Meme Engine 話題 ( 一 、 二 、 三 ) 》信息過濾器思路往下走，不像老外所采用的反向鏈接技術(shù)，而是文本挖掘技術(shù)。原因很簡(jiǎn)單，中國(guó)人的文章中很少嵌入鏈接。文本挖掘更符合國(guó)情，反向鏈接是死胡同。

而且這條自然語(yǔ)言處理的路走下去，越來越寬，已經(jīng)不再僅僅是“ 用主題來重組互聯(lián)網(wǎng)內(nèi)容 ”和“ 發(fā)現(xiàn)新熱點(diǎn) ”這么簡(jiǎn)單了，更重要的就是“ 按人來重組互聯(lián)網(wǎng)內(nèi)容 ”，這要求我們“ 更精確地了解人 ”。通過什么？就是通過人們的寫作，通過博文通過帖子，了解一個(gè)個(gè)虛擬 ID 背后的人性欲望。

?

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1556148