RSS智能订阅的解决方案.pptVIP

可以订阅多个站点的更新内容，并统一展现到自己的阅读器中，如鲜果，google阅读，UC阅读等，省下了在多个网站上费时费力寻找自己感兴趣新闻的时间和精力，实时性较高，遗漏率较低。 但随着订阅量的增多，每天数百条甚至上千条未读条目是不可避免的事实，哪些条目较为重要？能否精选100~200条新闻？对于信息的过滤，google阅读和其他常见RSS阅读器均未提供较好的解决方案，同时UC阅读存在反复刷新流量偏高的情况。 面对数百条未读新闻，不读，是遗憾，读了，又麻烦。 如果有这样一个应用，它可以按照用户的偏好推送相关的条目，包括新闻，博文，微博等媒介，并自动按用户的偏好分配条目的权重，将前100~200条展现给用户，会不会比较受欢迎？ 如果它既有网页阅读版（兼容主流浏览器），又有PC的客户端阅读版（Win/Mac/Linux各平台均有），还有手机版（iOS/Android/Symbian/MeeGo各系统均有），会不会被更多人所接受？ 实现智能订阅的核心问题将围绕三个词展开： 权重，热度，衰减 原理很简单，将新闻中权重靠前的条目推送给用户即可，然而权重如何确定？主要由标题中关键字被搜索次数决定，一个热门头条的关键字必然在短期内搜索量骤增，即热度较高。 但头条的重要性会随着时间的推移慢慢降低，公众会更关注更新的热门条目，这就是衰减。 如果一个新闻被追踪报道，那相关关键字的最新搜索量就会一直较高，对于这种热度持续的新闻，需要减缓热度的衰减速度，即进行一定的热度修正，从而影响权重。 每隔半小时从海量的订阅源抓取信息，保存在服务器上，并对原先的结果衰减一次，搜索结果称为“RSS海”。 服务器上有一组各分类中今日热度较高/骤增的关键词，称为“关键词池”，将RSS海中的各条目与关键词池比对，计算各条目权重，各分类选出权重前100的信息，此次筛选结果称为“RSS湖”。 按照用户的偏好，从RSS湖中选出100条条目，保存成xml文件反馈给用户。 对于提供给用户的分类，如互联网，房产，教育等频道，完全按默认方式确定权重。 若用户选择订阅了某个博客或微博，而此博客或微博已在服务器订阅的海量订阅源中，则将此博客和微博归类到相关分类，但在分配权重时给予较高的权重。 若上述博客或微博并未被服务器收录，但用户给出了大致的分类，则依然按上述方法确定权重。 若上述博客或微博既未被服务器收录，用户也未给出大致分类，则将此订阅源的更新内容基本原版地推送给用户。 大部分用户对实时性的要求并不很高 假使某个新闻刚出炉就被收录，而相关关键字还未被大量搜索，则这条新闻在分析权重时会被认为是无关紧要的内容，从而可能被忽略。但经过半小时到一小时后，关键词的热度将会骤增，此时即可给予正常的权重。 标题中的核心关键词只有3~5个 标题的核心关键词是有限的，所以经过3~5次的关键字比对符合后即可结束比对，减轻服务器负载。热门头条的关键词可能只有1~2个。 标题中的核心关键词的热度相仿 一条新闻的相关关键词被搜索的概率是差不多的，所以在3-5次的关键字比对符合后，它的首尾关键词在热度排行中的距离是相近的。 最新热门条目的关键词搜索量是骤增而非持续较高 一个新的热门条目，它的关键词热度一定是骤然增高，而非之前就一直很高，所以如果一条新闻的关键词热度骤增，则认为是新条目，而如果它最近的热度增加速率并没有脉冲式的变化，即使热度的基数较高，也认为是一条已经播报过的热门条目，不予录入。 热度持续较高的新闻通常会有后续故事 每隔6小时进行一次刷新，即对于标题与关键词比对时，若在很靠前的部分即完成了2~3次符合比对，且相应关键字在最近6小时内搜索量一直居高不下，则认为此新闻需要更新，给予一次录入（在之前每半小时抓录一次的情况下，除非关键词均为短期热度骤增，否则认为是重复新闻，不予录入） 重要的新闻，应该保留得久一些 对于关键词热度靠前的新闻，每隔半小时的热度衰减中给予较慢的衰减速度。 较为专业的条目，不能全依赖关键词搜索量 例如医学，软件开发等较为专业的分类，公众的参与度可能并不高，此时如果因为关键词搜索量较低就忽略此条目，可能将造成订阅结果偏向大众化，专业细分的订阅结果差强人意。所以在各分类中设定少量信息源的权重较高，使得相关信息源更新的条目即使其搜索量并不高，也能拥有较高的权重。 人才能实现真正的智能 不能全凭借公式化的筛选方法，在各分类设置专业人士负责信息的筛选以及审核，可能效果要更好。 每隔半小时所做的工作（从RSS海到RSS湖） 更新关键词池中各词的最近半小时搜索量，以及最近一段时间内搜索量的变化曲线，以半小时为单位。 衰减一次RSS湖中各条目的热度，权重靠前的衰减得慢。 清空RSS海的内容，再保存新的抓取结果。 将RSS海中各条目与相关分类的关键词池比对，比对符合3~5次则结束比对，