车东[Blog^2]

渴望“寻找到同类”是人的一种基本需求，如何在这个充满了“噪音”的世界中将内容相互之间更好地相互组织/引用起来的确是一件比较复杂的事情：不只是新闻网站的内部在想办法实现文章之间的相互引用/关联，只要稍微观察一下，你就可以发现其实更多实现“相关文章”引用机制的努力：
BLOG的内部引用聚合
我使用的是MT的related entry plugin
安装方法查找一下MTRelatedEntriesByKeyword
需要在模板中加入：
<MTRelatedEntriesByKeyword>
<ul>
相关文章:
<MTEntries lastn="5">
<li><a href="<MTEntryLink>"><$MTEntryTitle$></a>
<$MTEntryDate format="%Y/%m/%d"$></li>
</MTEntries>
</ul>
</MTRelatedEntriesByKeyword>
这个和很多新闻网站的发布机制类似：这个方式需要作者主动给每篇文章加入多个关键词实现文章和文章之间的多对多分类。

BLOG的外部引用聚合： TrackBack
很多BLOG都允许外部引用者向自身发送引用通知（TrackBack ping），从而将“未知”引用者的能动态的聚合到自己的文章下面。

此外：基于第三方的“相关文章”实现：
通过TechnoRati的相关文章
很多blog之间通过TechnoRati的TAG登记进行主动聚合：
Blogger之间通过一些特定关键词标记：
<a href="http://apple.com/ipod" rel="tag">iPod</a>
<a href="http://en.wikipedia.org/wiki/Gravity" rel="tag">Gravity</a>
<a href="http://flickr.com/photos/tags/chihuahua" rel="tag">Chihuahua</a>
将文章“登记”在TechnoRati服务器上，然后通过这些特定关键词的搜索：就能将各种特定的主题汇聚起来，

为了搜索/聚合方便，Blogger之间还充分利用了：CamelWord造词机制，比较有名的：吾城十处 通过这样的造词，对10placesofmycity相当于一次"10 places of my city"这样的短语检索，会比10 places of my city这样的全文检索更精确和方便实现：TAG检索其实是可以非常方便的通过传统数据库引擎实现的。

但是互联网大部分内容还是缺乏用户主动主题提取的，这时候Y!Q就是一个很方便的主题搜索工具(修正javascript escape()函数错误的版本很快就会发布了)。
基于Y!Q的主题搜索
Y!Q的原理是这样：网站自己不用自己提取每篇文章的主题关键词/TAG，只需将当前文章的部分段落文字，或者简单的将文章标题发送给Y!Q服务器，服务器从这些文字中自动提取主题，然后在全网中进行主题搜索。

相关文章引用机制的最重要的还是主题词的提取，我了解到的提取主题词主要有以下一些途径：
1 内容作者的编辑主动输入：这是缺点是不一定所有的人都有耐心提取主题/tag 我在MT中设置了自己输入关键词还是改了MT的缺省编辑模板才实现的
2 利用REFERER中的搜索引擎来源关键词统计：
缺点，不一定所有的内容都能得到搜索来源，而且文章发表的时候无法得到关键词；
3 简单算法提取：从订阅的WSJ看：感觉就是提取标题中的头2，3个名词，看来标题还是非常重要的特征来源；
4 自动主题提取：
4.1 中文分词：分词是的基础，引申的人名/地名的识别也是需要加入一些特别的权重；
4.2 词频统计：排除噪音词，就是大部分文章中都会出现的高频词；
4.3 相似度分析(Likelihood)：相关文章机制的实现不仅要将相近主题的内容类聚起来，还要将几乎完全一样的内容排重。
5 结果分类：和分光棱镜一样的效果。

小结：
基于自动摘要/分类的相关引用为CMS内部和CMS之间提供了一种内容自动发现机制，通过当前文章可以动态的发现更多其他的参考。从而实现：
良好引用，良好结构，良好导航 Well organized, Well referenced, with easy navigation!。