Meme Engine话题(三)：从噪音中寻找信号

<iframe align="center" marginwidth="0" marginheight="0" src="http://www.zealware.com/csdnblog336280.html" frameborder="0" width="336" scrolling="no" height="280"></iframe>

从噪音中寻找信号

<shapetype id="_x0000_t75" coordsize="21600,21600" o:spt="75" o:preferrelative="t" path="m@4@5l@4@11@9@11@9@5xe" filled="f" stroked="f"><stroke joinstyle="miter"></stroke><formulas><f eqn="if lineDrawn pixelLineWidth 0"></f><f eqn="sum @0 1 0"></f><f eqn="sum 0 0 @1"></f><f eqn="prod @2 1 2"></f><f eqn="prod @3 21600 pixelWidth"></f><f eqn="prod @3 21600 pixelHeight"></f><f eqn="sum @0 0 1"></f><f eqn="prod @6 1 2"></f><f eqn="prod @7 21600 pixelWidth"></f><f eqn="sum @8 21600 0"></f><f eqn="prod @7 21600 pixelHeight"></f><f eqn="sum @10 21600 0"></f></formulas><path o:extrusionok="f" gradientshapeok="t" o:connecttype="rect"></path><lock v:ext="edit" aspectratio="t"></lock></shapetype><shape id="_ctl0_ucMain_imgLeftEmail" style="MARGIN-TOP: 3.1pt; Z-INDEX: 1; LEFT: 0px; MARGIN-LEFT: 0.3pt; WIDTH: 27pt; POSITION: absolute; HEIGHT: 131.25pt; TEXT-ALIGN: left" o:spid="_x0000_s1026" type="#_x0000_t75" alt=""><imagedata src="file:///C:%5CDOCUME~1%5CVICTOR~1%5CLOCALS~1%5CTemp%5Cmsohtml1%5C01%5Cclip_image001.gif" o:href="file:///C:\Inetpub\WebPages\My%20Windows%20Mobile%20Site\My%20Windows%20Mobile%20Site.files\hm_c1.gif"></imagedata><wrap type="square"></wrap></shape>现在的Rss Reader们(如Bloglines)都做得很好，他们简化了我们的生活，但是当RSS已经或即将成为过量信息时，我们都会烦恼如何从噪音中找到信号。herock在《Attention.xml初探》也提到：

“Attention.XML试图解决的，就是尽量减轻RSS阅读过程中的信息过载给读者造成的压力，这种过载已经渐渐成为一个普遍性的问题，未完成（对付RSS信息过载的初步想法与实践）和keso（信息过载与市场机会）和其他很多人，都在被这个问题所困扰，我坚信，“RSS信息过载”一定是一个市场的“痛点”，因为至少我自己现在就很“痛”。”

虽然还有些人在争论RSS到底如何如何，也许你可以为了追求宁可错点击三千页面也决不放过一个精彩的blog，但是对于某一部分人，他们确实需要一个简单的解决方案，他们的生活不应该被RSS所充斥。就像google/douban所做到的那样，用户看到的是简约的操作，而背后隐藏着庞大的服务器端计算量，挑选和过滤RSS信息，不应该由用户自己或者keso来做，他们应该去做更有价值更能够体现人类智慧的事情。

首先，我们要来看看某一类人在面对RSS时的反应：

Alex Barnett 说，为了知道有什么“big news”或者“little news”，他会做以下5条：

1. 知道谁在写某一主题；

2. 遍读正在发生的讨论的每一篇blog post（通过两种方法：clustering / threading）；

3. 找到睿智的思想；

4. 定义我感兴趣的主题；

5. 通过我的A-list过滤。

Alex Barnett为此创建了一个“An Attention Gap Analysis”表格，列出了当下代表这前景的四个服务提供商，对照上面列出的5种功能看看还差什么：

服务	符合标准#1~#5	不符合标准#1~#5	解决 – filling the gaps
Memeorandum	1#满足； 深入地解决了2#；	4#不行，无法定义用户关心并追踪的话题； 5#不行，实际上是由Gabe定义的A-List；	增加搜索功能，针对整个blog生态系统进行搜索，而不仅仅是Gabe的一张A-List； 但问题是，现在的Memeorandum编辑过程需要人的主动干涉，所当前的模式无法扩展到来满足4#。 如果我能够Memeorandum向提交我的OPML，并基于此查看和过滤，那么就能够满足5#。
FeedDemon	1#和4#满足了； 由于订阅的内容都是我定义的，所以5#也可以；	2#不行； 3#不行；	增加“see clustered / threaded view”来解决2#；
Technorati	1#是他的核心功能； 通过“authority”部分地解决了3#； 由于拥有强大的搜索(如Technorati Mini)和Tags功能，满足了4#。	2#不行； 3#不行，用户只能看到“Total”权威，因为每一个账号不可能在所有话题上都是权威，所以这种权威算法比较地刚性，无法动态变化； 无法定义自己的A-list，所以5#不满足。	增加“see clustered / threaded view”来解决2#； 如果我能够Memeorandum向提交我的OPML，并基于此查看和过滤，那么就能够满足5#。
Windows Live	满足1#和4#，因为可以针对我的feeds进行搜索。 满足5#。	2#和3#不行。	增加“see clustered / threaded view”来解决2#。

目前3#的需求尚没有有效的算法来解决，所以如何从噪音中找出信息，还是一个问题。

Tags: Attention, RSS, OPML