做了一個新產品,叫「HoloRead」(二)
(一)在這裡。
上次我們說到,HoloRead 從產品功能角度看,希望幫助用戶:有技巧地分配閱讀時間,及時不拖沓,拓展和發現,打破語言障礙。這篇就講講它的內容是如何聚合而來的。
A:算了吧,我們都知道聚合是怎麼一回事
感謝機器,感謝爬蟲,感謝演算法。好了,信息都在我們的後台啦。
B:相對客觀地完成涉及主觀判斷的工作
對比 @Fenng 全自動的 Readhub,HoloRead 是半人工的。
從聚合的第一步,爬取信息源開始,編輯會參與到「篩選信息源」「從信息庫里推送哪些文章」「如果編輯標題」「哪些文章值得推薦」「如何撰寫摘要」「拉黑哪些源」這些環節中。但和 Morning 還有灣區日報極端個性化推薦不同,HoloRead不強調個性,我們呈現給用戶「今天發生了什麼」,而不是「我認為今天有什麼更重要」。
不過你完全可以在你的收藏里創建「我認為今天有什麼更重要」list。
C:我仍然相信編輯的價值
編輯不表達「個人觀點」是不是就代表編輯價值降低了?不。
在HoloRead 首頁里,我們看到的主體——標題流,並不是自動產生的。幾乎每一個標題都有編輯加工的痕迹,可能是改錯,可能是加工,還可能是重寫。摘要更是全部由編輯撰寫。這麼說,80%的閱讀內容(瀏覽標題+閱讀摘要),都是由編輯呈現出來的。編輯在一定程度上決定了你的下一步:繼續下滑?點擊收藏?閱讀全文?直接分享?
「標題閱讀的效率」可能是這個產品成功的關鍵。
D:別誤會,機器仍被寄予厚望
Readhub 目前絕大多數都是中文源,這也是它能全自動的一個原因。如果加入外文源,我們不得不面對語言的問題。(這可能是RSS 效率低的原因。)機器翻譯是我們的一個解決方案,我們期待的不僅僅是它可以準確翻譯標題、文本,甚至可以自動提取文章中心內容、編輯成摘要,然後準確翻譯。加上演算法能自動識別熱門和高質量文章,哈!編輯能做的工作就剩下「表達個人觀點了」。
但夢想實現之前,我們還是多點擊「翻譯」按鈕,讓它承擔你一個月的笑點吧。
推薦閱讀:
※<模型匯總_3>深度學習中最貪玩的模型dual-learning NMT
※戰勝棋手只是開始,AI 下一步要挑戰「翻譯官」
※魏劍峰:人工智慧的發展會讓翻譯失業嗎?
※Google的翻譯黑科技究竟表現如何?讓我們來做實驗
※目前各種機器翻譯服務質量均不佳,技術難點有哪些?