在去三亚的飞机上和Keso聊起使用Bloglines带来的信息过载烦恼，Keso提到的“放大”和“衰减”比较形象，其实我的理解是，有些人需要信息放大，有些人需要信息衰减。对应的，优秀的系统应该有推荐(Recommanded)和过滤(Filter)功能。
解决信息过载其实有很多方法，简单的Filter可以定义关键词/作者等过滤条件，FeedRinse就提供这项服务，不过免费账号好像对Feed的项数有限制。
更多智能的方案正在浮出水面，Incomplete在RSS阅读排序与过滤的7种方式介绍了一些方向，我本人看好2个方向：
根据阅读行为进行智能排序
Findory的作者Greg Linden是Amazon的数据挖掘系统的负责人，这是他使用Amazon Recommendations技术在信息自动推荐上非常好的尝试。如果Bloglines采用这样的技术，将信息源限制在自己的订阅范畴，就可以实现我对Keso说的自动过滤了。
根据反向链接数等因素对内容进行排序
Memeorandum是典型，也可以称作Meme Engine，郑昀在系列文章中比较详细地介绍了Meme Engine的原理(一、二、三)。Memeorandum其实就是一个信息过滤器，可以迅速发现Blog圈内的热点新闻和事件。另外像Megite推出的个性化Tracker也是不错的尝试。
参考：