专访郑昀：探索语义聚合为你呈现精彩信息
互联网的信息很庞大也很杂乱，很大的精力浪费在了寻找信息而不是吸收信息上，感觉玩聚网是个充满想象力的东西。玩聚网致力于语义聚合，最大化地寻找有价值的信息，并有效聚合起来。本期中国站长站站长访谈栏目，请来玩聚网（www.ju690.com）创始人郑昀，就这一精彩图景做一展示。
图：玩聚网（CHINAZ配图）
中国站长站《站长访谈》主持人王小东：欢迎郑昀做客中国站长站！首先向郑昀表达一个敬意，在互联网的“好文章”后面，常常可以看到你的勤奋身影。
郑昀：我们一直关注如何找到互联网上最优秀的内容和人，基于各种各样的数据和方法，把它们有效整合，并力图完美呈现。
王小东：对，你也曾经说过，玩聚网的内容取舍很大程度上源自你的审美趣味，很多内容特别是早期的玩聚网，多是你平时阅读的RSS订阅列表。那么，呈现玩聚网现在的样子，相信不仅仅是列表的呈现吧。可否详细介绍一下你所说的语义技术作为二层过滤，达到一个有价值主题呈现的这一图景？甄选好文章，主要有哪些途径呢？
郑昀：发现互联网最优秀最新鲜的文章或热点，我们探索的大致有两种测量维度：
一，找到用户或站方信赖的信源。比如，天涯社区的一些板块，Twitter，FriendFeed，某些博客，等等，相对值得信赖，它们上面的信息相对好。
二，找到用户或站方信赖的人。
具体的测量方法，有三种途径：
一，监测信赖的信源。如果足够多的资讯都在说同一件事，那么这件事可能是值得看的热点；如果足够多的资讯都在重复传播同一篇文章，那么这篇文章可能值得阅读。
二，监测信赖的人。如果足够多的人都推荐、分享和转发了同一个资讯，那么这个资讯就可能是优质的、值得被你信赖的。
三，把上面两点混合起来用。
其中，检测不同文章是讲同一件事，以及检测不同文章其实是一篇文章，这都需要语义计算。
王小东：有另外一个类似的网站——FeedzShare。FeedzShare 是统计Google Reader和鲜果的读者在RSS阅读器里面分享的内容， 然后把用户分享最多的文章呈现在首页上。玩聚网和FeedzShare有哪些区别吗？我看到内容重合度很高的。
郑昀：我曾经说过，玩聚SR = （RssMeme + TweetMeme + Popacular + …）+ 语义计算。FeedzShare 是 RssMeme 的模式在中国的第一个实现者。
对互联网科技社群来说，大部分分享和阅读行为都发生在RSS阅读器中，但也有相当比例的推荐行为第一时间发生在 Twitter 为首的微博客中。而且微博客的热点追踪能力更强更快，所以在中国要想做好实时的优质内容发现，必须要加强对微博客领域的监控。
微博客的热门链接追踪虽好，但在中国也有缺点，就是容易剑走偏锋，过于新特奇，缺少让人沉稳耐读的资讯。这就需要 RssMeme 的模式来补充。
另外，站方必须考虑的一点就是，流行的社会化媒体，都往往存在被封锁的风险，所以也必须考虑多种信源聚合，而不是把自己绑在Twitter或者Google Reader战车上，避免因信源被封而无米下锅，比如近期我们整合进来饭否的统计数据。
至于不同聚合服务内容有一定重合，我认为在现阶段中国这是必然的。因为活跃的中国互联网用户其实就这么多，尤其是社会化媒体，基本都是科技社群这批人作为主力军，每天产生出来的好内容也就那么多，那么作为RSS分享聚合的FeedzShare和鲜果热文，与多种信源聚合的玩聚SR，内容有一定重合，这是必然的。这就像网易新闻和新浪新闻多数是重合的一样。对于此，我的建议是，保持对一个聚合服务的关注即可。你犯不上新浪新闻和网易新闻全都看。
王小东：玩聚网是使用Django构建的吗？介绍一下这方面的情况，以及关于Python 编程语言。
郑昀：玩聚网的Web部分都是Django框架搭的，便于快速构建。
后台则跑了很多很多的服务，如爬虫，如语义计算，如统计，如数据挖掘，等等，都是用Python写的独立服务。
自然语言处理部分，如分类、相似性计算、标签提取、重复检测等，都是C++写的。
王小东：自己一个切身体验。我发现豆瓣网（douban.com）的数据分析很厉害，检索一个自己喜欢的电影或者书籍，豆瓣网向你推荐的相关内容，十之八九就是你喜欢的，这很不简单。豆瓣网现在也采取了IMDB评分机制，豆瓣九点和玩聚网相关度也很高，其实本质上，豆瓣网和玩聚网都是社会化推荐。我也是这次向你请教关于玩聚网的事情，更加发现豆瓣很不简单。
郑昀：这个不知道该怎么回答。相对于没有用户的玩聚网，豆瓣有海量用户，拥有高质量的用户行为数据，有强力的协同过滤算法，这些玩聚网都没有，而且互联网上也没有这么好的开放数据。国内没有谁能和他们比的。