Flipboard是什么？
封面
标榜为“社会化杂志”，是ipad上的app应用，可以订阅twitter和facebook上的人、群组和话题，可以订阅flipboard（后面简称flip）指定的杂志类别，也可以订阅高质量的媒体站点，通过这些渠道，用户可以获得包括新闻、图片、视频、博客、微博等形式的数据，通过触屏点击进行预览、翻屏等操作，操作简单，内容组织图文并茂，类似于传统的杂志。
内容页
创始人麦克的最初想法是将杂志的阅读体验转移成为电子阅读体验，ipad的大屏和触屏交互能够很好支持杂志形式的电子阅读体验，也促成了flip在ipad上的发布。
杂志形态的阅读体验并不是flip的首创，ipad的用户体验更好地支撑了这种产品形态。flip的核心价值在于用户对数据的筛选、数据的组织和展现。
Flipboard使用分析
Flip可以订阅twitter和facebook上的人、群组和话题，也是“社会化”的根本原因。首先，这种订阅是用户的主动订阅，代表了用户信息消费的个性渠道，有别于传统站点运营产生的一致内容；其次，在twitter和facebook这种社会化平台，每个用户是信息的消费者，也是信息的生产者，信息传递的规模和及时性都远远高于传统的one to N模式；同时，用户的关注（follow）和信息的转发（retweet）机制使得用户的媒体价值以及信息的价值都能被用户行为所验证。所以flip筛选出来的信息在个性需求满足、及时性和覆盖、价值排序上都有着social平台的天生优势。（实际使用被墙，以上分析属于个人感受）
如果social平台筛选出来的数据都是火星文、spam等，flip的社会化价值会大打折扣。在www 2010的“What is Twitter, a Social Network or a News Media?”文章中，作者通过对twitter 4170万的用户，14.7亿的follow关系，4262个流行话题和1.06亿个消息进行了量化分析，得出的结论是twitter上85%的热门话题都是头条新闻（突发时效性？）和持续受关注的新闻（泛时效性or周期时效性？比如球队、品牌、比赛等），说明了social平台产生的信息是具备新闻价值的。这种新闻价值的挖掘还是具备一定的技术门槛，flip收购了ellerdale，后者是家用twitter数据流做趋势和热点分析的公司，每天可以索引分析5000万的tweet数据（2010.3的报道），并进行实时话题分析。
Flip还可从指定的站点集合中订阅某个站点的新闻，比如新闻、图片、艺术、科技等各个领域的知名站点，这些站点在其领域上都有着高知名度，属于精品资源，比如http://www.techcrunch.com，http://www.spin.com/，http://www.readwriteweb.com/。由于Flip只有9个订阅版块，如果只能订阅站点的话，数据来源会大受限制，所以flip搭建了分类体系，对数据进行聚合并提供给用户进行flip类别订阅。下面是flip的分类体系，第一列是一级类别，第二列是flip在一级类别下聚合的二级类别。
News
Flippolitics
business&finance
flipbusiness
flipfinance
tech&science
flipgreen
flipgaming
cool curators(趣味性内容)
flipcool
art&photo
flipart
design
lifestyle
fliphome
flipauto
entertainment
flipfame，pop culture and celebrity gossip
flipmusic
flipread，book reviews
flipfilm
travel&adventure
flip trip（blog也行）
food&dining
flipeats
在类别的具体组织上，包含了中文资讯中不多见的趣味性、设计和艺术等类别；类别划分主要按照数据来源站点的内容进行组织的，不同类别间的数据划分并不具备独立性。
social订阅的数据来自个人social平台上关注对象、好友的资讯，订阅站点的数据来自首页定向收录的数据（至少从techcrunch,readwriteweb等几个站点的数据展现来看是这样的）。在展现时，通过下面的timeline滑动可以选择不同时间段的新闻，不同订阅源的新闻大体按照资讯出现的时间序进行排序（social订阅源不得而知，筛选考虑因素会更多考虑用户参与），资讯的展现形式包括图片、视频、文本、微博等，比较突出富媒体资源的考虑，也符合杂志的完整体验。Flip同时会在服务器端预先处理这些资讯，会考虑是否出图，出哪张图，是否出增长摘要等问题，同时在内容的选择和排版上融合，用户可以通过资讯标题（加粗），压缩后的图片，文本摘要来了解资讯内容，点击后通过预览了解资讯的完整内容，类似于无线百度新闻的tc正文页。
flip是个性化订阅平台，可以基于social关系订阅，也可以通过flip维护的高质量数据源进行订阅。通过social平台的用户参与，让用户行为对媒体价值作出筛选。完成数据的定向收录、分析后，通过杂志形态展现。在商业模式上，个性化平台能够提高广告推荐命中用户需求的精确度，social平台的用户参与和好友推荐可能会激发更多潜在购买力（fashion对大多人来说就是流行和盲从），同时时尚、游戏、旅行等频道内容同广告有更高的相关性，以及杂志形态对各种富媒体广告形式支持，所以flip的商业模式还是有很多尝试的可能。
杂志形态对数据质量提出了高要求，所以flip面对的最大技术问题是数据筛选、组织和筛选的问题。另外个性化平台的隐私问题，以及flip自身并不产生内容而可能导致的版权问题可能比技术问题更尖锐。
Flipboard页面信息抽取
由于social数据组织和筛选部分没有看见，其他数据源的数据和展现基本依照时间序进行组织。所以只具体介绍一下flip的页面信息抽取，类似于我们的正文提取。
Flip的技术类似于Safari 5的阅读器功能和Arc90的readability功能，如下图描述。
原始页面
点击safari 5导航栏后的阅读器预览效果
点击readability插件以后页面预览效果
两者的功能类似于flipboard的页面预览功能，把正文、图片等主要内容保留，把广告、导航链接等内容去除。Safari 5开始支持阅读器功能，但只能对页面结构良好的网页进行阅读预览，比如http://video.sina.com.cn/p/ent/y/2010-08-22/180661085937.html，该新闻是视频新闻，包含视频和文本描述，但并不支持预览。Readability是arc90出品的一个浏览器插件，处理效果也类似，比如http://www.yn.xinhuanet.com/video/2010-08/22/content_20686684.htm会把声明信息提取出来。虽然flip的页面抽取技术不等同于上述两者，但页面抽取技术本身比较成熟，不依赖wrapper和模板的全自动提取技术不具备绝对的泛化能力，需要针对具体问题特制一些解决方案。
以readability为例进行分析(http://code.google.com/p/arc90labs-readability)，readability是一个js库，通过自动化提取算法对网页的dom树进行改写，并在浏览器上展现页面抽取后的网页。工作流程：
/***定义一些规则***/
unlikelyCandidates:/combx|comment|community|disqus|extra|foot|header|
menu|remark|rss|shoutbox|sidebar|sponsor|ad-break|agegate|pagination|
pager|popup|tweet|twitter/i,
okMaybeItsACandidate:/and|article|body|column|main|shadow/i,
positive: /article|body|content|entry|hentry|main|page|pagination|post|
text|blog|story/i,
negative:/combx|comment|com-|contact|foot|footer|footnote|masthead|
media|meta|outbrain|promo|related|scroll|shoutbox|sidebar|sponsor|
shopping|tags|tool|widget/i,
1．清除JavaScript，css等html标签
2．根据定义的规则集合过滤结点，根据id和class字符串特征进行过滤
3．结点权重计算
a) 结点类型调权
switch(node.tagName) {
case 'DIV':
node.readability.contentScore += 5;
break;
case 'PRE':
case 'TD':
case 'BLOCKQUOTE':
node.readability.contentScore += 3;
break;
case 'ADDRESS':
case 'OL':
case 'UL':
case 'DL':
case 'DD':
case 'DT':
case 'LI':
case 'FORM':
node.readability.contentScore -= 3;
break;
case 'H1':
case 'H2':
case 'H3':
case 'H4':
case 'H5':
case 'H6':
case 'TH':
node.readability.contentScore -= 5;
break;
}
b)结点Id和Class特征调权
/* Look for a special classname */
if (e.className != "")
{
if(e.className.search(readability.regexps.negativeRe) !== -1)
weight -= 25;
if(e.className.search(readability.regexps.positiveRe) !== -1)
weight += 25;
}
/* Look for a special ID */
if (typeof(e.id) == 'string' && e.id != "")
{
if(e.id.search(readability.regexps.negativeRe) !== -1)
weight -= 25;
if(e.id.search(readability.regexps.positiveRe) !== -1)
weight += 25;
}
c)逗号分隔调权
contentScore += innerText.split(',').length;d)文本长度调权
contentScore += Math.min(Math.floor(innerText.length / 100), 3);e) 权重向父母转移
parentNode.readability.contentScore += contentScore;
grandParentNode.readability.contentScore += contentScore/2;f)链接文本比的权重调整
倍积因子 = 1 – 链接文本比
contentScore = contentScore * (1-node.LinkDensity);4．定位文本统领文本结点，兄弟结点考虑
ContentScore最大的结点作为文本统领结点Max；
对Max的兄弟结点进行尝试，contentScore满足一定阈值且满足一些强制要求者，加入到dom树中。
5．展示新的dom树
上述的网页抽取流程类似于无线新闻TC页的展现，算法框架优化借鉴价值有限，个别的特征选取（逗号分隔调权，权重向父母转移等）上可以借鉴考虑。
给我们的启发
社交性平台的媒体价值，一方面可以直达个人资讯需求，另一方面通过用户参与可以对资讯价值进行传递、推荐和筛选，并保证了即时性。新浪、搜狐、网易、腾讯、凤凰、和讯、搜房等门户都开始布局微博是一个佐证。
数据分类组织值得我们参考，比如趣味性、设计、时尚、艺术、旅游等类别的定义，可以很好的丰富我们的数据体系，提供传统门户无法提供的服务。Flip在数据分类组织上通过站点的定向收录，比较多地考虑了来源站点的属性和价值，值得参考。
Flip在收录源上是精简版本的百度新闻，内容贡献站点远少于我们。在资源组织上是放大版本的百度新闻，一方面更多考虑了图片、视频、博客等各种体裁的资源，另一方面提供了更丰富和个性化的资源类别体系，我们可以朝这个方向尝试。
技术上，social平台的数据组织还没有揭开神秘面纱，在定向展现、分析和收录环节，我们的技术储备没有问题，个别细节可以借鉴flip的做法。
参考资料
[1] What is Twitter, a Social Network or a News Media?,WWW 2010
[2]http://cn.advfn.com/news_Ellerdale-Turns-Twitter-Stream-Into-Trends-and-Hot-Topics_41777724.html
[3] http://hidigi.net/post/ipad-we-media-flipboard.html
[5] http://article.yeeyan.org/view/105279/120538?all=1
[6] http://shangjin.blog.techweb.com.cn/archives/532
[7] http://mmdays.com/2010/07/22/social-media-flipboard-for-ipad/
[8] http://tech.163.com/10/0726/14/6CHA0K9L000915BD.html
[9] http://code.google.com/p/arc90labs-readability
By yueyifan
