1 lotosbin OP 主要解决问题,信息爆炸,冗余,质量差的问题,筛选优质信息, 但是优质是相对的,每个人的定义不同, 所以使用人工智能学习,针对个人数据学习,生成专属个人的推荐模型 |
2 lotosbin OP 大家都是使用什么 RSS 阅读器? |
![]() | 3 tonghuashuai 2019-05-28 13:05:45 +08:00 感觉我就想看个订阅内容,要用什么人工智能啊,我都自己订阅了,明显就是不想用推荐啊 个人感觉伪需求 |
4 lotosbin OP @tonghuashuai 这个问题之前没有想过,现在想想, 关于推荐 最理想但是不太现实的情况是,根据个人的历史阅读记录,对全网的数据做智能推荐, 但是这个不太现实,所以可以根据 主题 /Tag 之类的订阅作为数据冷启动,后续可以主动订阅, 另外对所有订阅源重组成 主题 /Tag,不需要单独订阅某个源, 关于垃圾过滤 /去重 / 这个应该还是有意义的,实际使用中经常遇到重复的内容,不过新闻类的比较严重,所以类似 readhub.me 和 google news 之类的都提供了 新闻的 去重合并功能。 关于系列提取 ,如果可以把系列文章聚合到一起,应该可以方便阅读和整理的, |
![]() | 5 tonghuashuai 2019-05-29 12:38:34 +08:00 |
![]() | 6 tonghuashuai 2019-05-29 12:39:13 +08:00 系列提取听起来不错。 手抖写错了 |
7 lotosbin OP 我觉推荐 和 主动有目标的获取,并不冲突,可以并存,推荐作为一种辅助手段, 另外还想增加一个空间的功能,算是另一个维度推荐,可能会划分为 工作 /学习 /休闲 /娱乐, |
8 lotosbin OP # test markdown t/462373 []( http://feathub.com/lotosbin/xread) |
9 lotosbin OP + 增加系列聚合的功能 |
10 lotosbin OP |
11 lotosbin OP |