基于简单用户反馈的机器学习RSS阅读器

Question

我创建了一个RSS阅读器，它使用机器学习来解构用户标记为受欢迎/不喜欢的文章，对文章的元素(单词、类别、作者.)进行评分。并允许用户过滤掉与其兴趣无关的文章。用户也可以按分数而不是日期订购文章，显示列表中最相关的文章。

我很想知道这里是否有人想在这个系统上线后再试一试？或许它可以帮助研究人员，每天浏览大量关于他们主题的文章，甚至是普通人，试图找到一辆他们梦寐以求的汽车，过滤掉与他们无关的网上拍卖的噪音。

我知道有些RSS阅读器已经做了部分工作，比如NewsBlur、馈线或读取器，但它们要么要求用户手动设置大量过滤器，要么让用户逐个对每个有效/无效的单词进行评分，从而使其变得过于复杂。

如果可能的话，我更愿意避免评论RSS的衰落。

编辑:您可以尝试的早期测试版本现在位于http://54.175.218.217。

Answer 1

2分钟解说视频：https://www.youtube.com/watch?v=tZWUCaQ_nUo

应用：http://54.175.218.217/