“内容中心点”，指的是一篇内容的中心意思，作者最想反映出来的情况。很多情况下，一篇内容只会有一个中心点，但有些内容，会有两个或者更多的中心点。出于讨论的方便，我们只谈一个“内容中心点”的情况。
这里继续上一篇的话题，“相关新闻”可以从人性化的角度出发，显示贴近个人潜意识中最想阅读的内容链接，不要仅仅地显示“内容的中心点”的内容链接。例如，上文提到的新闻是指一件“抢劫案”，那么，相关新闻里都显示“抢劫案”吗？那确实太没劲了，还很容易会让读者觉得社会很可怕，这不合适！那么，我们又该如何显示相关内容呢？郭继(路线图) 认为，要从用户的兴趣点出发，显示出既与“抢劫案”有关的，用户又想看的内容（关联的兴趣点）。
一、兴趣点的思路
就“抢劫案”来说，以下这些主题，会引出阅读的兴趣。
1、当前治安的重大社会新闻；
2、人们如何避免自己受抢劫，或者是，遇到疑似情况时，该如何防范，最大限度地降低损失；
3、最新的保险资料（有商业潜力的兴趣点）；
4、讨论抢劫的热门社区（“抢劫案”的想来不会多，但有些话题会有很多讨论）；
5、以“抢劫案”为主题的新影片或电视剧；
6、正在流行着的劲爆音乐推荐（同样有商业潜力的兴趣点）。
想来有点意思，象是“标题党”们的玩法，呵呵。这些兴趣点，组成了一个TAG云组。这要求我们要有一个准备工作，事先要组织好广泛的兴趣TAG云。有没有比这更好的 AI 算法呢？
二、有关的思路，发散性与尽可能地自动化
确定内容的中心点，与内容的内聚性有关，在一些环境（讨论类/问答类的内容）下，关联度越强越好。郑昀提出来“用户真的会按照你的这种思路浏览吗？” —— 这引出了与内聚性相对立的，阅读用户也会想发散性地阅读（在这种情况下，用户行为统计的作用会失效）。在实际应用中，有时候要有离散性，有时候又要有内聚性，两者都兼顾会比较合适。我们是否可以设置一个比例，在10条推荐榜中，分别加入3条离散性的内容链，和7条内聚性的内容链，或者是5：5。
还有，郑昀提到了“事先把昨天一整天的社会民生的文章计算，整理出许多内聚性很强的文章组，每组这样就会有一组词语来代表这组的主题思想。然后，读者阅读其中一篇时，那么这片文章所属的组的代表词语，就可以关联到很多其他文章。” —— 通过自动运算，将当前的内容重组成一个大的TAG云，迫近主题，好处是不用人工干预，耗时不多，但相对而言，兴趣点的匹配度会稍低。
总结，这是一个思路，通过内容的中心点捕捉到内容的潜在兴趣点。其优点很强，容易引导用户去使用搜索功能，提高对用户的阅读粘性。其难度在于，不同的主题会有不一样的兴趣点，要耗费大量的时间去做积累工作，可行的是，我们可以先从通用化的兴趣点入手，一步步地迫近。你认为呢？
========================
郭继(路线图) 昨天出远门到中山市，提交本文的时间也就推延了半天。下篇打算谈一下对六间房和Google定制搜索引擎的认识。
Trackback: http://tb.donews.net/TrackBack.aspx?PostId=1069433