如何設計一個簡單的新聞聚合產品？文章介紹了制作極簡的新聞聚合產品的7步驟，好奇的你和我一起來看看。

你知道在三四線的縣城，用戶在哪里看新聞么？不是在今日頭條里，而是在微信中的阿誰騰訊新聞里。這是我在安徽青陽做用戶調研時絕大多數給我的回答。這或許說明一點：用戶沒有像設計師那樣的潔癖，期望每一個app都有明確的界限。誰說不能在一個社交app里看新聞，我還要加一句，誰說不能在當地頭條（我正在負責的產品）里看全國頭條。說是這么說了，但是心里清楚這只是產品的外延，既然是外延就應該追求做產品的性價比，所以才有了這個極簡的新聞聚合產品。

先定個產品的小目標：通過全技術的方式，給用戶提供一個高頻更新的新聞列表，運營可進行微調干預。

整個過程7步完成，對，就是七步成詩那七步。

1.構建標簽庫

標簽庫其實就是詞條庫，詞條哪里來？或者換一個問法，互聯網上誰最懂中文？答案當然是百度咯。跑到百度百科首頁一看，我們要的東西就躺不才面的紅框里。

那我們還客氣啥，，爬呀，等等，1400萬是不是有點太多了？那我們就去掉一點吧，只留下名詞好了，這樣可以把詞庫控制在百萬量級。

2.抓取新聞

接下來，就是抓新聞，新聞哪里有，找門戶網站唄，公眾號app就算了，費時費力，爬PC站不是一樣的嘛，以體育為例，我們可以挑選新浪體育，搜狐體育，鳳凰體育，還有什么體育？你也看出來了其實我對體育無感，這里就假設有10個體育專題網站吧。

我們要抓的是熱門新聞，啥叫熱門，出現在第一屏的就是熱門，所以我們抓取的時候，只抓取首屏新聞。結果就是我有了一堆標題和鏈接，還有鏈接后面的正文。

3.建立新聞和標簽的關聯

現在到了建立新聞和標簽關聯的時候了，首先當然是要分詞，怎么分？呃，這個好像有很多自然語言詞庫的吧，你本身去找吧，分詞完了之后，計算各個詞的出現頻率，出現頻率越高說明它越可能是這篇文章的關鍵詞。出現在標題里的詞是不是比出現在正文里的詞更重要呢？所以你可以把標題里的詞加個N倍權重，N等于幾？關注我私信我就告訴你。

這里分出來的詞，其實就是標簽庫里的標簽。這樣每一篇文章就有一個對應的詞頻由高到低的標簽列表了，太長了也沒用，就取TOP5吧。

這里有個問題留給你，既然文章要分詞，文章分出來的詞直接做詞庫不就好了，為啥要去百度爬呢？答案還是要關注我私信我才告訴你。

4.標簽熱度排序

現在我們為體育頻道選擇了10個數據源（就是新浪體育這樣的網站），每個數據源下抓了50篇文章，每篇文章都有5個標簽，現在我們要看哪個標簽最熱了。我們的方式簡單得很，不然怎么說我們設計了一個極（jian）簡（lou）的產品呢，方法是如果一個標簽在一個數據源出現了，就加1，在10個數據源都出現了那就是10。通過這種方式你會得到每一個標簽的值，這個值除以數據源總數就是“熱度值”，在我們這里就是0.1到1之間的分布。

這個時候運營的妹子來亂入了，她說她的特長就是八卦，并且是先人一步的八卦，讓我們千萬要相信她判斷熱點的是否會大熱的能力。這句話的意思是：她想來人肉預先提升一個標簽的熱度值，雖然現在它還沒有大熱。嗯，平常關系辣么好，我不信也得做個姿勢選擇相信，于是就有了下面的線框。她可以調整一個標簽次的熱度值。

呀，最后怎么還有兩個詞連接在一起的？實際上多個詞比單個詞更接近于一個熱點事件。當然對于這種二元詞，計算方式和一元詞略有差別，細節此處不展開。

5.文章按頻道排好序

到這里我們已經有了標簽的熱度排序，那文章的熱度怎么算呢？文章不是有5個標簽嘛，阿誰最高熱度值標簽的熱度就是文章的熱度。

實際上熱度只是文章的一個維度，要給文章排序，你自然還會想到以下的幾個維度：

質量分：一篇結構完整、圖片豐富的文章顯然具有更高的質量時效分：越新的越優先，大家是來看新聞的嘛。

具體算法上可以用高斯衰減，好比72小時內基本無衰減，超過72小時后每過12小時就衰減一點。說到衰減，比來看了采銅的效益半衰期理論感覺頗為受用，大意是：一個人辦理本身日常的行為，可以考慮這個行為對本身長期受用程度來衡量，有些事情效益半衰期很長好比讀書和健身，就應該多做，別的一些事情效益半衰期很短好比游戲，就可以少做。

扯一扯防松一下，接回來說。

標簽：鹽城 林芝 東營 九江 烏魯木齊