如何测量Google Reader用户的分享活跃度

郑昀 20090918

1、背景知识

Google Reader 用户可以再次分享他订阅的文章，只要获知某一个用户的User ID，即可通过以下格式访问他的：

• shared items feed：
  • http://www.google.com/reader/public/atom/user%2F$USERID$%2Fstate%2Fcom.google%2Fbroadcast
• shared items 主页：
  • https://www.google.com/reader/shared/$USERID$
• Profile 主页：
  • http://www.google.com/profiles/$PROFILE_ID$?hl=en
• Profile Widget：
  • http://www.google.com/s2/widgets/ProfileCard?uid=$PROFILE_ID$

（0919注：UserID并不是ProfileID，你可以从shared items 主页的html代码里找到Profile ID。）
用户还可以对某篇文章表示Like。

    通过对Shared和Like行为的数据收集，并构造一个简单的公式，可以大致测量出Google Reader用户的分享活跃度，简称GRUserRank。

GRUserRank 的用途：

• 是一个参考指标，当估计用户对某一篇热门文章的推荐贡献时；
• 能有效地区别对待用户，把活跃用户、分享质量低的用户、休眠用户分开，有利于优化程序；
• 也是一种社会化的参考指标。

2、如何遍历

    xlvector 在《Google Reader的数据收集》中提及，因为每一个Shared Items Feed给出了like它的用户id（具体逻辑请参考我的文章《Google Reader的Likes操作数据如何获取？》），所以只要从某一批用户的Shared Item Feed出发，就可以通过广度优先搜索将整个Google Reader的用户数据抓下来。这个数据集可以说内容非常丰富，包含了时间和内容信息，相信在它的基础上可以做出不少工作。

3、分享活跃度的计算公式

这个思路是可以用来计算 GRUserRank 的。

第一步，

我们从 玩聚SR 的已收集GR用户ID集合（基本能保证都是中文用户）开始，扫描每一个用户的Shared Items Feed，根据正则表达式：

<gr:likingUser>([0-9a-z_!~*'()-]+)</gr:likingUser>

从中获取所有 likingUser 的ID，存入全局字典，统计每一个User最近作出Like操作的次数（变量简称Likes），保证唯一性。

第二步，

这样，我们拿到了一个很大的GReader User ID集合（简称LikingUsers），由于主要是对中文文章做like操作的用户，所以也基本是中文用户。当然这个集合里：

• 并不能遍历到所有的GReader中文用户；
• 并不是所有人都公开了自己的Shared Items；
• 只有少部分人创建了Google Profile，拥有自己的Logo。

接下来，我们遍历 LikingUsers 集合，按照 Likes 的顺序，即经常标记Like的用户优先遍历。

对于每一个用户，要拿到以下数值：

• 三十天内是否分享过文章：没有的话，说明此用户已经是休眠用户；
• 四天内分享过多少文章：变量简称Shares；
• 最近分享的三篇文章的发表时间新鲜度：变量简称FreshMeats。用每一篇文章发表时间减去一个基准时间值（我取前四天的日期作为基准，如今日是9月18日，那么基准时间是2009-09-15），然后取平均值。
• 最近分享的三篇文章的标题是否都不包含中文：如果都不包含中文，说明该用户也许不是中文用户，可以disable了。

第三步，

按照我的文章《Social Media排序算法的四种模式》，我们还要指定一个时间基数：

BaseSeconds ：12.5 小时周期内的总秒数，45000秒。

那么公式就是： 
GRUserRank = Log10(Likes*因子A+Shares*因子B)+FreshMeats/BaseSeconds

因子A、B自己调整，我取2和3。