老白最近在说给 blog
打分的事情，不管到底该怎么打分，对订阅数量很多的人来说，一套自动给
blog 排名、筛选的机制看来是急需的了。
说到打分，我觉得有三点需要重点谈一谈：
第一是作弊。
当你把投票权交给用户的时候，怎样才能够保证其中不会有人疯狂地作弊，使得打分结果出现严重偏差？一个机制首先要有效防范人性恶的一面，才够资格让人信赖，否则的话就要靠其他人的力量－－比如说站点管理员－－来制衡。但很多时候就算投入人力也无法制约，比如经常能够见到有人到论坛中请人帮忙投票，这种投票是无法防范的。
第二是方便。
说实话，看完文章后愿意打分的用户是少之有少，毕竟要看这么多文章工作量也实在太大，搞不好到最后只有作弊者愿意打分了。所以，要让用户参与评价，“投票”方法越方便越好，最好的当然是不劳用户自己动手，比如未完成在《RSS阅读排序与过滤的7种方式》中介绍的几种统计分析方式。
第三是排名的合理性。
个人以为像 Google Rank
那样一个大杂烩式的排名是不适合 blog
的，因为每个人的口味偏好都不相同，大多数人认为最好的 blog
并不一定就是我最喜欢的，所以，需要根据某一部分与你偏好差不多的特定人群来决定排序。这不是一个简单的打分就能够实现的，也不是仅仅一个
blog 排序页面能够展现的。
既要防范作弊，又要方便操作，还要能够细分数据，符合这三个条件的，我首先就想到了
Last.Fm。
在你听音乐的时候，Last.Fm 的 AudioScrobbler
插件在后台就已经把歌曲信息上传到了服务器，你听过哪支乐队的哪支歌曲，就决定了在
Last.Fm
上显示的统计数据。这样提交信息的成本几乎是0，只要第一次配置正确了，后面的工作完全不用操心，而作弊比不作弊的成本高太多，又没有什么好处，可以说基本不会有人作弊。
Last.Fm
提供的统计数据也是非常详尽的，无论是根据歌曲寻找同好，根据同好寻找歌曲都非常方便，还是按照风格等分类寻找资源，都不在话下，只要用户数的规模够大，即使是品位另类的人也不用担心找不到有用的信息。
回到 blog 打分这个话题上面来，我想其实完全可以借鉴
Last.Fm 的方式。Blogger
对应的就是乐队或歌手，blog 相当于专辑，因为一个 blogger 可能有多个
blog，而一篇 post 即相当于一首歌曲。
生搬硬套也不行，至少有以下几个问题：
第一，是根据阅读 RSS Feed 还是根据浏览的页面进行统计，是通过类似
Bloglines
的在线订阅服务、为离线阅读器开发插件还是为浏览器开发插件来收集信息？不论用什么方法，都要注意保证用户学习的东西别太多，这个是吸引尽可能多的用户的基础，而用户数足够多的时候，即使只是一部分
blog 读者，其产生的统计数据也足够作参考了。
第二是音乐文件有现成的 tag，blog 大概只有 URL 和 RSS Feed
地址能够作为标识，所以处理的时候会复杂一点；音乐文件有时间长度的概念，听完自然就切换到下一首，很少有人会同时听数首或者反复播放同一首歌，可你很难知道一个用户阅读
feed 或者 post
的准确时间，可能他只是忘记关闭窗口，或者先阅读其他文章，过一会儿再切换到这一篇。
第三，用户规模不容乐观。
相对于传统用户，订阅、浏览 blog
的用户本来就不算多，和使用电脑听音乐的用户数也有很大差距。
订阅 blog 数量太多，需要有服务帮忙筛选的人只占其中一小部分。
愿意寻找优秀的 blog 的人比愿意寻找感兴趣的音乐的人更少。
愿意安装插件、换用服务的用户比例也不会高，即使并不麻烦。
用户不多又会带来难以吸引新用户的恶性循环。
想到这里，到底还是和操作系统捆绑有优势啊…
当然 Last.Fm
也有不足之处，如要么根据某支乐队、某支歌曲，要么根据某个用户听过的所有歌曲预测相关的资源，却不能够根据某个用户的部分歌曲集合预测，假如我想找同时喜欢
U2、Beatles、Eels 和 Akira Yamaoka 的 Silent Hill
系列音乐的用户－－这个预测不应该被其他乐队、歌手的信息干扰，如 James
Blunt－－那么现在的 Last.Fm 是无能为力的。
同样的道理，我经常阅读的 blog 既有 IT
类的又有人文类的还有娱乐类的，如果另一名用户在后两类 blog
中的选择与我口味相近，我该怎么找到他呢？
如果这个 blog
评价系统行得通，那么针对不同类型用户的分类广告也就好做一些了。另外如果是基于
feed 进行信息收集，也许可以实现这样的功能，blog
作者能够知道谁、多少人正在通过 feed 阅读他的 blog。