Findory.com 是一个内容聚合网站，但与传统的一勺烩式的聚合不同，它专注于为用户提供个性化的阅读体验。Findory.com 的后台是一套基于 Collaborative Filtering 技术的推荐引擎，它通过分析用户在 Findory.com 站点上的点击记录，学习用户的兴趣，找出相似的其他用户，并据此向用户做出新内容的推荐。Findory.com 创办于2004年2月，最先提供了 news 推荐服务。随着不断发展，其推荐的内容，逐渐扩展到了 Blog，vedio 和 podcasts，后来甚至还提供了个性化搜索服务。Findory.com 对用户隐私的尊重，给我留下了很深刻的印象，用户可以不进行任何的注册，就能够享受到具有一定 personalized 程度的推荐服务。

Findory.com 的创始人 Greg Linden 是华盛顿大学计算机学院的一名博士生，毕业后于 1997 年加入了 Amazon.com。在那里，他与工程师团队一起，开发出了 Amazon.com 的个性化服务系统。迄今为止，Amazon.com 的推荐系统一直被认为是最领先的推荐系统，Greg Linden 也因此在业界赢得了声誉。其开创的 Collaborative Recommendations Using Item-to-Item Similarity Mappings 算法，也已经成为了业界最被广泛使用的推荐算法之一。

在 Findory.com 运营的高峰时期，也曾受到了比较广泛的关注。Wall Street Journal、ReadWriteWeb 和 PC World 等等，都有过分析和报导。在 PC World 的那篇文章里，作者 Ryan Singel 将 Findory 和 Google News 进行了直接对比，并给出了他的结论，“[Google's] recommendation engine seems less intelligent and transparent than Findory’s”，“Findory’s recommendation system works rather nicely.”。虽然这是 Ryan 的一家之言，但我也同样认为，在2007年以前，这是对 Findory.com 的正确评价！进入2007年以后，伴随着 Greg Linden 停止新 Features 的开发，以及 Google 越来越重视 Personalized，Google News 确实已经变得越来越好。但不管怎样，从总体来讲，无论商业上还是技术上，Findory.com 与 Greg Linden 的口碑都很好！

不愧为一个技术牛人，Greg Linden 成功维持 Findory.com 低成本平稳运营了 4 年：6 台低端服务器，使用单核的 AMD CPU，1G RAM，普通的 IDE 硬盘；清一色的开源软件，包括 linux 操作系统（不过 Greg Linden 倒是说，选择 Fedora Linux 是个错误），Apache，MySql，Perl 和 Berkeley DB。做 Web 后台开发的技术人员可以看看这 3 篇文章 [1] [2] [3]，挺有意思。

Greg Linden 于2007年1月14日首次公告了将停止 Findory.com 的运营。2007年11月1日，Findory.com 上终于放出了关站的通知。但不知何故，Findory.com 至今仍然还在提供服务。Greg Linden 在关站声明页面的 Update 里说，“The shut down of Findory has been postponed. The website will remain active past November 1, 2007. More information when I can.”。 希望“More Information”是好消息！

在 Findory.com 可能离我们远去之前，希望能有更多的人记住或是知道这个 Personalized Content 领域里的先行者。也祝愿 Greg Linden 可以开创新的辉煌。

进一步阅读：Starting Findory。

因为喜欢研究个性化推荐，所以崇拜 Greg；因为崇拜 Greg，所以喜欢上了 Findory，喜爱上了那个桔红色的小标记。虽然用得还是没有 Google Reader 多，但每天总是要上去转一转的。Findory 是历史最悠久的个性化内容服务站点，它正式启动于2004年1月2日，刚刚度过他3岁的生日。Findory 对用户的隐私保护，在初期曾经给我留下了非常深刻的印象。你可以不进行任何 的注册，就可以享受到具有一定 personalized 程度的内容。当你在 Findory 中点击自己喜欢的文章的时候，Findory就会在后台学习你的 阅读习惯，之后，Findory 就会把他计算出来的推荐结果呈献给你。你阅读的文章越多，Findory 对你的阅读习惯的学习越全面，就可能为你推荐越准 确的内容。

和另外一个类似的 personialized news 网站 reddit 被高价收购相比，Findory 今天的结果确实令人惋惜。RWW 上曾经有一篇 Blog 其中对比了这两个网站，“Personalied Content 国外市场纵览”。我个人其实也更加看好 Findory，因为就我的体验，无论从功能还是算法的效果来看，Findory 都要好于 reddit！可世事难料，最后退出的竟然是 Findory！Greg 曾经写过这么一篇 Blog，“Ruthless enough for a startup?”，表达了他自己的一些困惑。现在我再来看这篇 Blog，心里更加不是滋味，难道——“Is ruthlessness the key to success for Web 2.0 startups?”我不禁联想到了我喜爱的豆瓣。豆瓣，你够 ruthless 吗？

不管怎样，祝福 Greg 日后取得更辉煌的成就！

Reddit的UI设计，是典型的外国式的Web2.0网站的界面形式：简洁的页面，极少的图片，快速的打开。我个人非常喜欢这样的UI设计，国内的douban也 是这样的UI。他和douban还有另外一个很像的地方，都是使用Python开发，都在持续release新的features。Reddit最开始使 用Lisp语言开发，后来转而使用Python。这还在Reddit和Lisp社区内引起不少的争议。有人就发起号召：“用Lisp写一个更好的Reddit！”。

Reddit由一个四个人的团队维 护，2个维吉尼亚的，一个harvard的，1个Stanford中途退学的（看来传说中退学的高人又要多一个了）。乍一看，Reddit和digg很 像，但不同的是，他们采用的应该是完全不同的算法。digg使用的是聚类的方法，他的用户分成group，然后计算group内用户对文章赋予的digg 值，把最popular的内容放到该group的顶端。digg其实有一个根本的问题：按照digg数得到的popular列表，并不一定是你感兴趣的， 除非你的兴趣和整个group用户的兴趣一致。Reddit不一样，他的目标是实现personalized。我个人初步使用了一下Reddit，发现其实还是存在一些不足的。而且，网上也有其他人在抱怨，Reddit的推荐不准确。但我必须说，personalized涉及的算法是比较复杂的，想要一下子达到一个好的效果是非常困难的。据猜测，Reddit使用的是“基于内容的推荐”。通过从文章内抽取关键字，得到和这些关键字相关的推荐。从Reddit团队的blog中可以看到，他们非常谦虚，而且还在持续进行改进。

Findory给我的感觉要比Reddit好！据说他是历史最悠久的个性化内容服务站点。他对用户的隐私保护，给我留下相当深刻的印象。你可以不进行任何 的注册，就可以享受到具有一定personalized程度的内容。当你在Findory中点击自己喜欢的文章的时候，Findory就会在后台学习你的 阅读习惯，之后，Findory就会把他计算出来的推荐结果呈献给你。你阅读的文章越多，Findory对你的阅读习惯的学习越全面，就可能为你推荐越准 确的内容。Findory的创办人Greg Linden，是Personalized content方面的资深评论人，并且是Amazon商品推荐引擎与个性化界面的主导开发者。Findory系出名家之手，因此推荐效果自然不一搬。

我把我的RSS提交到Findory的“Favorites”里面，在首页中马上就可以看到带有“”图标的推荐内容，而且我看来还比较准确！暂时不能肯定Findory采用的是哪种算法。但通过他的技术说明，我猜可能使用的是“协同过滤推荐”，或者是“协同过滤与基于内容相结合的推荐”。据说，Findory已经实现正向现金流。

附：在《推荐系统：主要推荐方法》一问中，对“基于内容的推荐”和“协同过滤推荐”有简要的介绍。