如何找到Twitter上最有趣的中文用戶

鄭昀@玩聚銳推榜 20090222 (follow @zhengyun)

1、我要follow誰

    作為一個各種 memeTracker 工具制造者，我(@zhengyun)一直想知道Twitter上什么樣的人值得follow、對我的胃口，當然他得是中文用戶，說的事兒怎么著也得跟中國有點兒關系。

    我總結了一下自己的需求：

    1：發布頻率至少一周一兩次(follow 哪些一年半載推特一下的名人會不必要地增加全球碳排量，so，可以無視)；

    2：相對來說，和我(@zhengyun)的Twitter以往歷史比較接近。不要光憑followers多就推薦給我，譬如雖然@bookhotel擁有高達1,190個followers，但顯然我不可能follow這個疑似Spammer的機器人；

    3：我已經 follow 過的就不必再向我推薦了；

    4：他/她/它的 Tweet 對我來說足夠有趣。“有趣”，多么含混的需求啊。

2、Twitter 用戶評價體系

    看上去我們需要一個 Twitter (中文)用戶評價體系。

    followers/friends 的維度不足以作為這個 Twitter 用戶是否有趣的判斷依據，就像Google的PageRank不會單純靠inbound links來判斷網站是否有用一樣。哪有什么依據呢？   

    譬如，你可以根據一個Twitter用戶名被其他用戶提及多少次來判斷他的流行程度。當然，如果有一群用戶拿Twitter作為群聊聊天室，那么這群人的名字(如@zhengyun)必然被常常提及，所以這個維度只能是復雜公式中的一個變量。所以這個維度要被你有多么個followers以及你推特的頻率等維度呈正比地抵消。

    看上去，要估算出這么一個 Twitter 用戶評價體系，比想象中的復雜哦。

    whoshouldifollow 貌似推薦的還不錯，不過不知道它的技術細節，它只說是“finds interesting people to follow based on who your friends are, and who they follow.”。

    twellow 是依據你的Twitter Profile中的關鍵詞來對你分類的；wefollow 應該也是類似原理，并且允許你在Twitter里發表格式化好的tweet來主動向 @wefollow 聲明自己的標簽和分類。它們倆的分類，也可以作為一個參考維度。

    Twitalyzer 的五項衡量指標倒是有指導意義，但畢竟我們不是為了評估某個Twitter用戶的影響力，而是為了盡量準確地個性化推薦 twitter 用戶。

3、Rank可以參考的變量

    這個需求要多少個變量來計算呢？我姑且列出一些供參考的老外統計方式：

    1：Ryo Chijiiwa的 TwitterRank (ZDNet、Mashable都給出了正面的評價)。

    2：可以統計你有多少時間浪費在 Twitter 上的 Tweetwasters 。

    3：可以給出某一個地區Twitter用戶排名的 Twitterholic (只是根據Twitter中你設置的Location字段匯總的，排名因素是你的Followers和Friends數量)。

    4：Twitalyzer 給出的一個用戶的五項指標。

    5：twellow或wefollow對一個用戶的分類和標簽，假如有的話。

4、Rank可能涉及的變量

    據此，可以總結出一個公式，來幫你匹配到值得你follow的最有趣的中國Twitter用戶。

    變量A : 仿照 Tweetwasters 給出的 your total tweets*30 seconds/per tweet ，用戶消耗在Twitter上的時間。

    變量B: 用戶的 TwitterRank 數值，Float類型。

    變量C : 用戶的 followers 數量；

    變量D : 用戶的 friends 數量；

    變量E : 用戶被 retweet 的數量；

    變量F : 用戶被人提及的次數；

    變量G : 用戶的Location。系統應該自動映射不同的Location名字為一個地名。譬如，映射“北京”和“Beijing,china”為“Beijing”。

    變量H : 用戶發言頻率，即 your total tweets/timespan your account joined 。

    變量I : 用戶 retweet 他人的次數。

5、公式

    略。

6、mashup一下

    看了上面列出的變量，你就知道，這注定是一個 mashup 應用，因為它所引用的數據都來自于其他站點，包括twitter。

#附錄A：

疑問1：

是否必須引入自然語言處理來判別Twitter用戶的軟分類呢？即判斷用戶的發言百分之多少科技成分、多少娛樂成分等等。而不只是像 twellow 一樣只根據用戶Profile來計算分類。

這么做的好處：

可以按照分類目錄尋找有趣用戶；

更容易基于某一個給定用戶推薦相似分類的用戶群。

壞處是：

一條Tweet字數太少。分類未必會準。

疑問2：

是針對每一個發言做分類判別，還是針對所有發言呢？

需要測試看看。

疑問3：

需要對兩兩用戶進行文本相似性計算嗎？

不用這么復雜吧？

鄭昀@玩聚銳推榜 20090222 (follow @zhengyun)