揉入2005年以来的协同过滤算法，至少能做到make something people want吧。

　　 四、Interest Graph的变化

　　 以前，郑昀针对不同人群做的信息聚合，单纯从内容分类做，属于从信息本身下手。这种方式有一个问题：

　　 某一类人群，虽然有一些集中的阅读点，但还有边缘的共同兴趣。举例，如IT人群，虽然共享和推荐的大多数是IT科技，但也涌现出很多受欢迎的兴趣点，如韩寒的，如冷笑话，如创意趣味产品。

　　 这也就是为何基于 Tag 方式的阅读模式，以及基于指定主题的追踪模式，都不容易持久耐用的原因。一个人群的阅读兴趣点是比较模糊的。对于一个人来说，如果一个信息过滤器供应点科技，供应点娱乐，适当补充些人文历史，就能保证一定的粘度。

　　 所以，郑昀后来觉得从内容分类，由于不引入人工，只靠比较大条的自然语言处理分类，对于博文、微博、论坛帖子等文字质量不稳定的信息会分得很粗糙，所以改变思路，从人群分类开始做。

　　 也就是，划分出目标人群，依靠人群来挑拣信息，NLP算法为辅。这样有一个额外的好处，人群的兴趣点在动态变，短期地变，长期地变，但由于锁定人群，所以筛选出来的信息也在变。而相比之下，自动分类做出的信息，隔几个月或半年后，就要重新训练机器，因为往往信息包含的语言特征变了。

　　 这也是信息聚合中的一个实际考虑点。

　　 现在，中国也有了自己的Interest Graph，比如新浪微博，它的数据天然就表明一个人的兴趣喜好，以及连续波动，都可以跟踪和挖掘出来。以前依靠遍历Twitter、Google Reader、FriendFeed的好友所得到的社群分离，现在通过新浪微博等Social Graph都可以得到类似的。

　　 五、人员配比

　　 一般我对这个领域，研发人员配比是这么建议的：

　　 爬虫2人，文本挖掘4人，数据挖掘和分析2人， Web前端展现3人，产品经理1人， 12人是一个比较不错的开局。