Erst filtern, dann abonnieren!

Die Informationsflut im Internet nimmt immer mehr zu und FeedReader bieten bisher keine wirkliche Möglichkeit diese Informationen sinnvoll zu filtern und da man nicht wirklich (zeitnah) Einfluss auf die Weiterentwicklung von NetNewsWire, Google Reader & Co. hat, bleibt nur noch eins: Erst filtern, dann abonnieren!

NoisePress erlaubt Seitenbesucher, einen RSS/ATOM-Feed mit Hilfe von APML vorzufiltern.

(Zum ausprobieren braucht man ein APML-Profil. Wer keines hat, sollte sich entweder das WordPress Plugin installieren oder heimlich Carstens Profil benutzen 😉 )

Warum mit APML filtern?

Man könnte natürlich auch mit WordPress-Bordmitteln eine Menge Rauschen ausfiltern, und wirklich nur das abonnieren was gerade wichtig ist:

Das Problem: Ändert sich dieses Interesse, müssen alle Feeds mühsam aussortiert (und neue gesammelt) werden. Außerdem besteht die Gefahr, dass einige spannende Themen, die nicht genau die abonnierte Kategorie/den abonnierten Tag besitzen, durch das Raster fallen können.

Das Prinzip von NoisePress: APML ist eine Art semantische Tag-Clound die das Interesse einer Person widerspiegelt. Das Interessens-Profil wird in der Regel automatisch generiert und sollte sich somit auch den diversen Interessensveränderungen anpassen.

Am Beispiel WordPress Plugin: Das Plugin erstellt ein APML-File anhand der Häufigkeit der verwendeten Tags und Kategorien. Schreibt jemand viel über OpenID, kann man davon ausgehen, dass er das Thema für wichtig hält. Ändert sich der Fokus des Blogs, wird OpenID auch im APML-Feed immer irrelevanter.

Hört sich nach Geek-Zeugs an?

Richtig! 🙂 …aber NoisePress ist auch erst einmal nur ein Test ob meine Idee überhaupt funktioniert! Im besten Fall soll der User von all der Technik gar nichts mitbekommen. Ich hoffe dass sich Firefox‘ Account Manager oder XAuth schnell weiter entwickeln und ich eine dieser Techniken für NoisePress missbrauchen könnte.

Ich würde mich übrigens sehr über ein bisschen Feedback freuen!

Als Erstes mal ein frohes, neues Jahr euch allen… Ich hoffe ihr habt die Feiertage gut überstanden 🙂

Es war die letzten Monate ja etwas ruhiger hier, aber das soll sich jetzt wieder ändern (erster guter Vorsatz fürs neue Jahr!).

Resumé

Microformats

So, jetzt aber erstmal ein kleiner Rückblick auf 2009… ich hatte mir ja vorgenommen mich wieder etwas mehr mit Microformats und dem lowercase semantic web zu beschäftigen. Das hat, glaube ich, ganz gut hin gehauen:

… wenn ich euch eine Empfehlung geben dürfte:

Microformats Top: Ich bin seit Ende letzten Jahres ein stolzer Microformateer 🙂
Microformats Flop: Das Angekündigte „The weekly microformat“ ging total in die Hose und ich habe nicht mal einen Artikel dazu veröffentlicht 🙁 (vielleicht klappt’s ja dieses Jahr)

APML

APML kam letztes Jahr leider nicht so gut weg, es gibt zwar einen OpenWeb-Podcast zu dem Thema und eine erste Version von NoisePress (leider noch keinen Blogpost) aber das war es auch schon.

Vorsatz für 2010

Was ich dieses Jahr so alles vor habe:

  • Bei APML tut sich gerade wieder eine ganze Menge und die neue Version (1.0) wird nochmal komplett überarbeitet. Ich habe mir vorgenommen ein wenig bei der Weiterentwicklung von APML zu helfen und das NoisePress mal zu Ende zu führen.
  • Ich hoffe auch in 2010 die OpenWeb Kolumne für das Webstandards-Magazin weiter führen zu dürfen (die nächste Ausgabe ist zumindest schon gesichert 😉 ).
  • Neue, offene Standards die ich ganz spannend finde und mit denen ich mich dieses Jahr sicherlich etwas mehr beschäftigen werde, sind das Salmon Protokoll, Webfinger, XRD und OAuth WRAP.

Außerdem natürlich fleißig weiter OpenWeb podcasten und alle erwähnten offenen Standards in yiid einbauen 😉

Es hat ne ganze Weile gedauert, aber endlich ist eine erste Vorschau von APML 1.0 verfügbar: APML 1.0 Initial Draft

Unterschiede zu APML 0.6:

  • Neben Concepts und Sources gibt es jetzt auch People und Locations.
  • Optional kann über rdf:about auf andere Semantiken/Ontologien verwiesen werden ohne APML selbst unnötig kompliziert zu machen.

Es können sich zwar noch Kleinigkeiten ändern:

This comes with a very large fore note: This is a very early draft only, and nothing is set in stone. Given that the community is obviously itching to start seeing APML 1.0 progress, I felt that it would be an appropriate time to release this and assist in structuring the discussion. I intend to follow
this with a few more emails that detail individual sections I believe need substantial addressing.

…aber das grobe Gerüst steht fest. Ich freue mich besonders, dass APML weiterhin so simpel wie möglich bleibt und nicht (wie oft vorgeschlagen) mit RDF-Namespaces arbeitet.

Wenn sich in den nächsten Tagen nicht mehr viel ändert, werde ich nochmal etwas ausführlicher über die Neuerungen schreiben und mein WordPress-Plugin auf die aktuelle Version bringen…

(via)

Vor ungefähr einem Monat habe ich schon einmal darüber geschrieben, wie wichtig Filter für Informationsmedien wie Feed-Reader oder Lifestreams sind. Der Artikel beschreibt, wie man Attention-Daten benutzen könnte um die enorme Informationsflut nach Interessen zu filtern.

NoiseRiver ist ein erster Versuch die Informationsmenge von FriendFeed durch einige Filter übersichtlicher zu gestalten.

You’re an addicted user of FriendFeed, and we understand you! isn’t it just so Magic!. NoiseRiver is not intended to replace FriendFeed, it’s an experimental service still in early alpha stage of developement that aims to extend friendFeed with some cool features like ranking on your interests and/or your feelings about other friendfeed’s users. Give it a try, login with your nickname and remote Key!

Für NoiseRiver ist keine separate Registrierung notwendig, man loggt sich einfach mit seinem FriendFeed-Username und dem API-Key ein und bekommt seinen unveränderten FF-Stream präsentiert.

Um diesen Stream leserlicher zu gestalten bietet NoiseRiver zwei Filter-Arten:

Nach Interessen filtern

Über den Interessens-Filter hat der Nutzer die Möglichkeit seine Interessen als Keywords anzulegen und sie über einen Schieberegler zu gewichten.

NoiseRiver - Your interests - What you like and what you hate

Um Einträge mit einem speziellen Keyword komplett auszublenden, muss man den Schieberegler einfach nur komplett nach links ziehen und den Punkt „Hide entries with a very high hated rank? (-100%)“ aktivieren.

Diese Methode ist leider etwas umständlich, da man neben seinen Interessen auch all seine „Nicht-Interessen“ angeben muss, damit sie aus dem Stream verschwinden. Eleganter wäre ein Sortiermechanismus, nach Relevanz und Zeit, der alle Einträge die nicht zu den Interessen des Users gehören, einfach automatisch ausblendet.

…natürlich habe ich sofort nach einer Möglichkeit gesucht um APML-Feeds zu importieren.

NoiseRiver

Leider gibt es nur einen Import per Upload (der auch noch nicht ganz funktioniert) und keine Möglichkeit einen APML-Feed direkt zu abonnieren.

Der Filter über Personen

Der Personen-Filter ist im Prinzip nichts anderes als der Interessens-Filter auf Basis von Nicknames.

NoiseRiver - Your Neighborhood - Who you like and who you hate.jpg

Leider werden die Freunde von FF noch nicht in NoiseRiver übernommen und es gibt leider auch noch keine Möglichkeit sie z.B. per hCards zu importieren.

Bisher wird auch bei diesem Filter nicht nach Relevanz sortiert. Die Einträge werden lediglich farblich gekennzeichnet.

Fazit

Der Service ist sicherlich nicht ausgereift und braucht noch einige Zeit um ein wirkliches Relevance-Ranking anbieten zu können, spart durch das Ausblenden und Hervorheben von Einträgen jetzt schon eine Menge Zeit beim Lesen.

(via louisgray.com via Carsten Pötters Shared-Items (sehr lesenswert))

APML Logo

Letzte Woche ist auf Robert Basics Artikel zu APML eine interessante Diskussion zu dem Sinn und Zweck von APML entstanden. Einer der größten Kritikpunkte an dem Attentiondata-Format ist das fehlende „normierte Vokabular“ und die daraus entstehenden Probleme beim verarbeiten.

Ich kann diese Kritikpunkte zwar nachvollziehen, bin aber dennoch der Meinung dass es auch für die aktuelle Form des Attention-XMLs einige Anwendungs-Szenarien gibt, die ich hier beschreiben möchte…

Die Informationsflut im Internet wird immer größer und schneller, wie Herr Scoble in seinem Artikel „The noise reduction system“ sehr treffend bemerkt:

Oh, the glorious noise! Everyone loves beating me up for causing the noise. No, I am not the cause. I pass it along. You should see my inbound streams. Every second or two a new Twitter is aimed at me. Every few seconds, a new blog post comes into Google Reader. Every few seconds, a new thing on FriendFeed.

Der Artikel ist auf alle Fälle lesenswert und beschreibt auch einige Lösungsansätze, auf die ich aber nicht weiter eingehen möchte. Was ich viel interessante finde ist, dass APML genau der richtige Filter für dieses Signal-Noise-Ratio – Problem ist.

APML als News-Filter

Einer der Themen in Scobles Beitrag ist die enorme Flut von Informationen/News die täglich in seinem News-Reader auflaufen. Um diesem Problem Herr zu werden bräuchte man einen Filter, der selbstständig entscheidet was für ihn relevant ist und was nicht.

Ein APML-File bietet alles was für einen einfachen Filter notwendig ist:

  • Eine Gewichtung meiner Interessen
  • Eine einfache Struktur
  • URLs/Feeds die ich bevorzuge

Mit diesen Informationen sollte es doch recht einfach möglich sein, die Neuigkeiten die in (z.B.) meinem Feed-Reader auflaufen zu bewerten und mir einen (ausgewählten) News-Stream zu präsentieren. So zusagen ein Spam-Filter für News (und einem Spam-Filter sind wir ja auch nicht böse wenn mal eine Mail durchrutscht, weil er uns doch ne ganze menge Arbeit erspart).

Da es sich bei diesem Filter nur um ein optionales Feature handelt, bleibt es dem Nutzer selbst überlassen welcher Art des Informations-Konsums er frönen will.

NewsGator, einer der führenden Feed-Reader Anbieter, hat auch schon einige Schritte in diese Richtung angekündigt und bietet bei einigen seiner Produkte auch schon ein paar APML-Funktionalitäten an.

APML als Kommunikations-Filter

Der andere angesprochene Punkt ist die Kommunikation verursacht durch Microblogging-Dienste wie Twitter, Jaiku oder FriendFeed. Will man diese aktiv verfolgen ist es nahezu unmöglich nebenher noch einer normalen Tätigkeit nach zu gehen.

Um noch einmal Herrn Scoble zu zitieren:

The problem? Twitter and FriendFeed have brought new noise into our lives (at least for the early adopter types) and there aren’t good ways to reduce the noise.

But FriendFeed shows us a way out. How about seeing only posts that have at least two “likes?” Isn’t that a way to reduce the noise? Yes! […]

Auch hier würde ein Filter in Form meiner Attention-Daten den Kommunikations-Stream enorm reduzieren. Wenn Auszeichnungen wie #hashtags weiter Verbreitung finden sollte es nicht schwer sein, diese mit meinen Attention-Tags zu vergleichen und zu bewerten. Selbst ohne #hashtags ist es immer noch möglich, den Inhalt (sind ja nur 140 Zeichen) mit den Interessen abgleichen.

facebook-einstellungen.jpg

Im nächsten Schritt könnte man den User (ähnlich wie bei Facebook) entscheiden lassen, welches Ranking die Inhalte mindestens haben müssen um angezeigt zu werden.

Ich denke gerade bei diesen zwei Anwendungsbeispiele ist die einfache XML-Struktur eher ein Vorteil als ein Nachteil. Das Ranking sollte schnell und unkompliziert funktionieren und es sollte auch kein Problem sein, wenn eine Information durch diesen Filter rutschen sollte.

Via Marcel Weiss‘ Artikel „Der biblische Signal-Noise-Kampf“

Am „Tag der Arbeit“ (1. Mai) wurde ein neues Format veröffentlicht, was sich genau mit dem Thema (Arbeit) befasst (wenn das nicht Liebe zum Detail ist :)). ULML steht für User Labor Markup Language und stellt die Arbeit eines Users in einem Sozialen-Netz (z.B. eine Community oder ein Weblog) dar.

Vom Aufbau und der Idee her ist das ULML sehr ähnlich wie APML aufgebaut:

<?xml version="1.0" encoding="UTF-8"?>
<ulml version="0.1">
  <channel>
    <record>
      <actions>
        <item name="photo" type="upload">120</item>
        <item name="photo" type="tag">330</item>
      </actions>
      <reactions>
        <item name="photo" type="comment">15</item>
      </reactions>
      <network>
       <item name="connection">256</item>
      </network>
    </record>
  </channel>
</ulml>Code-Sprache: HTML, XML (xml)

Ein record besteht aus folgenden Tags:

  • <actions> — a person’s actions (video uploads, bookmarks, tags, comments, votes etc.)
  • <reactions> — other’s reactions to the person’s actions (same types as in actions)
  • <network> — efficiency of the personal social network

Mehr Infos zum Aufbau der XML-Datei findet ihr auf userlabor.org.

Der genaue Sinn dieses Formats hat sich mir noch nicht ganz erschlossen:

We believe that universality, transparency, and accessibility of user labor metrics will ultimately lead to more sustainable service cycles in social web.

Die einzige Möglichkeit die mir spontan einfällt, ist der „Wert“ eines Nutzers wenn es z.B. um die Schaltung von Werbung geht.

…ein ULML WordPress Plugin sollte auch nicht wirklich viel Arbeit bereiten 🙂

NewsGator Online, die online Version von den klassischen Feed-Readern FeedDemon und NetNewsWire, unterstützt jetzt auch APML.

NewsGator Online.jpg

Der APML-Feed beinhaltet alle RSS-Feeds mit einer Wertigkeit, wahrscheinlich nach dem selben Prinzip errechnet wie der Feed Report bei NetNewsWire oder FeedDemon.

Feed Report_ Attention.jpg

Der Online-APML-Feed ist also, wie auch der APML export bei FeedDemon nichts weiteres als ein OPML-Feed mit Attention Profile.

Leider ist NewsGator Online nur APML-Provider und bietet mir keine Möglichkeit, z.B. neue Feeds anhand meines Attention Profiling zu finden.

(via)

APML als Filter für meinen Feed-Reader

Ich höre immer häufiger von Leuten, die ihren RSS-Reader ausmisten, da einfach viel zu viele Informationen auflaufen, die in keiner annehmbaren Zeit „abgearbeitet“ werden können. Natürlich hat man mittlerweile einen Mechanismus entwickelt, mit dem man recht schnell zwischen wichtigen von unwichtigen Artikeln unterscheiden kann, aber warum sollte man diesen Vorgang nicht automatisieren?

Warum nicht einfach eines meiner Attention Profiles (z.B. der APML-Feed meines Weblogs) dazu verwenden, die Inhalte meiner abonnierten Feeds zu bewerten und dementsprechend zu filtern/sortieren. Das würde mir ne Menge Zeit ersparen und ich müsste auf keinen meiner Feeds verzichten.

…aber sicherlich arbeiten Google und NewsGator schon an genau diesem APML Filter für GoogleReader bzw. NewsGator Online 🙂

There are two big changes in the new WP-APML version:

  • Links and Feeds, are now part of the APML Feed. Sample: https://notiz.blog/apml/
  • You can search through my blog using your APML file and there is also a sidebar-widget with some meta-informations. Sample: https://notiz.blog/apml/search/?s=http://notsorelevant.com/wp-apml.php

What do you think about it? Any ideas to make something better?

If there are no more suggestions and if everythinks works fine, I would release it in the next few days.

Nachdem newsgator, die Firma hinter NetNewsWire (NNW) und FeedDemon, am Mittwoch bekannt gab dass die neuen Versionen ihrer RSS Reader ab sofort kostenlos erhältlich seien…

NewsGator Releases New Versions of Client Products; Best-of-Breed RSS Readers Now Free. #

…habe ich mir mal den neuen FeedDemon angeschaut und entdeckt, dass er ab der Verion 2.6 schon APML unterstützt.

feeddemon apml

Wie schon im Oktober angekündigt unterstützt diese Version zuerst einmal den Export der Feeds in APML (ähnlich wie beim OPML export):

The first step will be APML export, which is already underway. Once we’ve worked out a few details, we’ll also support APML import.

Die APML Sources sehen beispielsweise so aus:

APML: <Source key="http://feeds.feedburner.com/notsorelevant" from="Not So Relevant" updated="2008-01-11T00:00:28" value="0,00" type="application/rss+xml" path="Web 2.0"/>

Es handelt bei dem Feed-APML also um eine Art OPML-File mir Bewertung.

OPML: <outline text="Not So Relevant" title="Not So Relevant" type="rss" xmlUrl="http://feeds.feedburner.com/notsorelevant" htmlUrl="http://www.notsorelevant.com" description="another look on music and the web"/>

Wer genau wissen will wie sich der value Wert errechnet, kann ja mal den „How Does FeedDemon Calculate Attention?“ – Artikel bei Nick Bradbury lesen. Mal gespannt wie die APML-Importfunktion aussehen wird und wann die anderen Feed Reader von newsgator nachziehen werden.