据国外媒体报道，科技新闻聚合网站Techmeme编辑马亨德拉·帕素勒（Mahendra Palsule）在科技博客Techcrunch上以《关联时代》为题撰文称，关联（Relevance）内容将是继社交网络后IT界的新浪潮，互联网正在走进关联时代，兴趣图谱（Interest Graph）将变得越来越重要。关联是解决信息超载的唯一办法。
以下是文章全文内容：
社交网络之后的下一个大的浪潮是什么？
这一直是多年来科技迷最热衷讨论的话题。我想我们已经在见证了新浪潮的到来：从简单的社交共享走向个性化、相关联的内容。
这个大浪潮的关键因素在于：作为社交图谱（Social Graph）补充的兴趣图谱（Interest Graph）将变得越来越重要。Facebook、Twitter和谷歌已经在研究如何提供相关内容，此外大量的初创公司也正专注于这个话题。
关联是解决信息超载的唯一办法。
上述矩阵图展示了随着时间推移，网上信息的发现过程。
第一阶段：搜索至上
通过被链接的数量来判断哪些是热门网页，再利用网页排名将最热门的网页放在最顶端。这就是20年前谷歌占领互联网的方法。
第二阶段：Web 2.0时代的社交书签
在Web 2.0时代，社会书签服务取得了长足发展，让许多热门内容浮出水面。即使在今年，Reddit和StumbleUpon等网站也非常受欢迎，驱动着成千上万的网页浏览量。
第三阶段：个性化推荐
像Hunch、GetGlue等网站专注于为用户建立兴趣图谱，并使用“口味引擎”来传递个性化推荐。
第四阶段：个性化的“手气不错”
最新一批初创公司使用兴趣图谱和社交图谱来关注个性化。个性化的“手气不错”就是杰夫·贾维斯（Jeff Jarvis）称的“意想不到的关联”。例子包括Gravity、my6sense、Genieo和TrapIt等。
究竟是什么关联？
解决信息超载一般有两种选择：关联性和流行度，关联性与“个性化”等同，与流行度相对。
然而，关联性并不总是意味着个性化。关联性是动态变化的，它取决于特定时间点里每个人的需要。大部分时间，用户都想了解最热门的故事，但其他时间他们寻找的是个性化内容。
关联内容的过滤有很多方法。谷歌、Paper.li和PostRank是算法过滤的代表， Reddit、Hacker News则采用众包（crowdsourcing）方法。Klout则被用来根据影响力过滤Twitter数据流，Facebook则在新的评论插件中使用社交关系来进行过滤。位置则是传递关联内容的另一个重要指标，在移动领域变得越来越重要。
换句话说，关联性横跨上图中的四个象限，上面所说的关联过滤方法都不是最好的。对于关联性来说，没有哪个方法可以一劳永逸、百试不爽。TrapIt首席营销官亨利·诺斯哈福特（Henry Nothhaft, Jr.）就说完美的解决方法就是个神话。支持多种发现方法，多种过滤方法，具有灵活性，并支持多种移动平台的服务才会有竞争优势。
Quora：兴趣图谱的展示窗
Quora开创了使用兴趣图谱作为其主要新闻源的先河。作为注册的一部分，Quora要求新用户选择感兴趣的话题，第一次揭示了关注话题和关注用户同样重要。
Quora展现了兴趣图谱和社交图谱相互混合后的样子，结果是有经验的用户莫名的对它上了瘾，但又很难说清楚为什么会上瘾。新闻源中弹出一个话题，并不是因为用户跟随了某个人，而是他跟随了某个话题。
这往往导致个性化的“手气不错”或是意想不到的关联，这就是Quora让许多人上瘾的原因。
去年，Twitter和Facebook掀起了兴趣图谱之战。那么Quora是如何打败它们的呢？
Quora从建立的一开始就将兴趣图谱作为框架支柱。Twitter的“按兴趣类别浏览”（Browse Interests）即便到现在范围也太广，功能也太原始。虽然Facebook允许发行商推送新项目至用户的信息源中，但大多数发行商都不知道有这个功能。
这就是为什么Facebook的“喜爱”按钮会成为发布完整新闻源的原因。未来将属于那些能更好捕捉兴趣图谱的公司。
受关联驱动的互联网产生的影响是广泛而又深远的。利用好兴趣图谱的服务机构将获得更好的广告投放效果，也可以潜在降低对CPM/CPC为基础广告的依赖。盈利的重点将是通过交易和订阅获得更高的收入。网络媒体出版商将侧重于使用关联度量来显示网站用户的参与度和花在网站上的时间，而不是网页浏览和流量这样的原始指标。
社交媒体可能也不会再痴迷于关注者人数和流量，而且进化到内容驱动的名誉系统和算法上。
兴趣图谱将用来打造更好的社交图谱。现在一体化的兴趣图谱将进一步细化为品味图谱、金融图谱、本地网图谱等等，以便根据不同的目的获得更高的关联度。
关联时代已经在向我们招手了！（柯山）
