高青青

摘要：本文試圖從一些特定的領(lǐng)域來闡述網(wǎng)絡(luò)信息計(jì)量學(xué)的發(fā)展成果和可供發(fā)展的方向,主要包括了搜索引擎、網(wǎng)頁分布以及網(wǎng)絡(luò)信息的計(jì)量（即影響因子）等方面。筆者認(rèn)為在目前的網(wǎng)絡(luò)環(huán)境和技術(shù)條件下，對(duì)網(wǎng)絡(luò)信息的計(jì)量顯得困難重重，但隨著研究的不斷深入和研究工作者的不懈努力，網(wǎng)絡(luò)信息計(jì)量學(xué)仍然可以取得長(zhǎng)足發(fā)展并付之實(shí)踐。筆者同時(shí)認(rèn)為網(wǎng)絡(luò)信息計(jì)量的前提是對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的計(jì)量研究，其中，圖論和拓?fù)浣Y(jié)構(gòu)是很重要的工具。

關(guān)鍵詞：網(wǎng)絡(luò)信息計(jì)量;搜索引擎;影響因子;圖論分類號(hào)：G350

引言

自20世紀(jì)90年代中期以來，對(duì)互聯(lián)網(wǎng)的性能方面的研究日益增多，并于初期將其命名為網(wǎng)絡(luò)文本研究，它主要是把現(xiàn)在信息計(jì)量學(xué)運(yùn)用于互聯(lián)網(wǎng)信息的內(nèi)容、鏈接構(gòu)成以及搜索引擎等方面。1997年正式將這一研究領(lǐng)域稱為網(wǎng)絡(luò)信息計(jì)量學(xué)，英文名稱為“webometrics”或“cybermetrics”[1] 。本文闡述了最近業(yè)內(nèi)對(duì)網(wǎng)絡(luò)信息搜索的研究，并對(duì)網(wǎng)頁的鏈接和網(wǎng)絡(luò)文獻(xiàn)的影響因子進(jìn)行了研究，而且筆者還簡(jiǎn)述了圖論與拓?fù)鋵W(xué)在網(wǎng)絡(luò)結(jié)構(gòu)研究中的重要作用，希望能從中找出一些具有價(jià)值的研究方向。

1網(wǎng)絡(luò)搜索引擎的查準(zhǔn)率與查全率的研究

搜索引擎是網(wǎng)上的導(dǎo)航工具，它是通過采集、標(biāo)引眾多網(wǎng)絡(luò)站點(diǎn)來提供全局性網(wǎng)絡(luò)資源控制與檢索機(jī)制，并對(duì)全球網(wǎng)絡(luò)中所有的信息資源進(jìn)行集合、整理和分配，方便用戶查找所需的信息。雖然搜索引擎越來越多，功能越來越完善，但查全率、查準(zhǔn)率、可到達(dá)性等都不能盡如人意。這些可以通過網(wǎng)絡(luò)信息計(jì)量的研究結(jié)果加以改善。

1997年12月，AltaVista、HotBot、NorthernLight、Excite、Lycos和 Infoseek六個(gè)商業(yè)網(wǎng)絡(luò)搜索引擎全面運(yùn)行，共索引了32億個(gè)網(wǎng)頁，但這同時(shí)也表明了任何一個(gè)網(wǎng)絡(luò)搜索引擎的檢全率都愛到極大的限制，單個(gè)搜索引擎最多只能檢索網(wǎng)頁總量的1/3[2]。之所以如此，原因很多，例如搜索引擎對(duì)本站服務(wù)器的深入訪問必將受到該網(wǎng)站的結(jié)構(gòu)的限制，不同的檢索策略與不同的檢索詞也會(huì)關(guān)系到搜索引擎的檢全率。目前學(xué)術(shù)界對(duì)搜索引擎的研究和報(bào)道主要集中于網(wǎng)絡(luò)的各個(gè)站點(diǎn)和網(wǎng)頁的鏈接兩個(gè)方面，這很現(xiàn)實(shí)地把研究重點(diǎn)對(duì)準(zhǔn)了搜索引擎的覆蓋面，說明了搜索引擎的在時(shí)間上的序列性與連續(xù)性。例如英國文獻(xiàn)學(xué)家Ingwersen以及Snyder 和 Rosenbaum等人就著重對(duì)AltaVista覆蓋范圍內(nèi)的網(wǎng)頁和站點(diǎn)的鏈接結(jié)構(gòu)進(jìn)行了研究，并提出了搜索引擎應(yīng)該聯(lián)合起來以促進(jìn)信息的共享[3]。筆者亦認(rèn)為這是可行的。搜索引擎的聯(lián)合有利于對(duì)信息的量化，對(duì)信息的規(guī)范起來了保障作用。同時(shí)，搜索引擎在信息網(wǎng)站的選擇上也應(yīng)該有選擇地覆蓋，這樣可以很好的避免信息量大但實(shí)用性小的現(xiàn)象，對(duì)搜索引擎的檢準(zhǔn)率是一個(gè)很大的幫助。

2網(wǎng)頁分布的研究

計(jì)算機(jī)專家Cronin和McKim提到“網(wǎng)絡(luò)正在改變著學(xué)術(shù)交流，任何新的學(xué)術(shù)理論和著作很快便能在網(wǎng)上共享，我們應(yīng)該感謝計(jì)算機(jī)網(wǎng)絡(luò)”[4]。然而，怎么促進(jìn)網(wǎng)絡(luò)信息的更好交流，則需要對(duì)各網(wǎng)絡(luò)站點(diǎn)結(jié)構(gòu)進(jìn)行量化分析，得出網(wǎng)絡(luò)結(jié)構(gòu)及其迅速增長(zhǎng)的模型，只有如此才能正確地比量出網(wǎng)絡(luò)信息與網(wǎng)絡(luò)高速公路的關(guān)聯(lián)。這些正是網(wǎng)絡(luò)信息計(jì)量研究者們需要做的工作。

網(wǎng)絡(luò)的結(jié)構(gòu)是各網(wǎng)絡(luò)站點(diǎn)相互鏈接的反映，而網(wǎng)絡(luò)鏈接又使網(wǎng)絡(luò)文獻(xiàn)呈現(xiàn)出各種聚類關(guān)系，促使各網(wǎng)站間存在著復(fù)雜的引用關(guān)系。網(wǎng)絡(luò)信息計(jì)量學(xué)的一個(gè)重要研究?jī)?nèi)容便是網(wǎng)絡(luò)中的Web網(wǎng)頁之間的鏈接引用關(guān)系以及同被引與引文耦關(guān)系，最終用以揭示站點(diǎn)之間的相關(guān)性。互聯(lián)網(wǎng)是一個(gè)由節(jié)點(diǎn)和鏈構(gòu)成的信息資源網(wǎng)絡(luò)，是一個(gè)非純屬結(jié)構(gòu)的超文本系統(tǒng)，不僅適合表達(dá)多媒體信息資源，還善于構(gòu)造和表示網(wǎng)絡(luò)信息資源之間的多方面、多層次的復(fù)雜關(guān)系。

有關(guān)網(wǎng)絡(luò)結(jié)構(gòu)的研究，涉及到計(jì)算機(jī)、人工智能、拓?fù)鋵W(xué)、社會(huì)學(xué)、圖論等多種學(xué)科、領(lǐng)域的知識(shí)。一方面各個(gè)領(lǐng)域的研究者不得不吸收其它領(lǐng)域的研究方法，而另一方面又使不同領(lǐng)域的研究者都能找到研究切入點(diǎn)。最后導(dǎo)致的結(jié)果就是這方面的研究者和研究方法的構(gòu)成最大化，也是最容易引起爭(zhēng)議的研究領(lǐng)域，成為各個(gè)相關(guān)學(xué)科的“必爭(zhēng)之地”。

3網(wǎng)頁影響因子分析

1997年，Rousseau在他的文章“Stations:An Exploratory Study”中分析了網(wǎng)絡(luò)站點(diǎn)的分布與內(nèi)部鏈接情況。他與后來的Ingwersen一樣使用了舊版本的AltaVista進(jìn)行統(tǒng)計(jì)研究，他利用“信息計(jì)量學(xué)+文獻(xiàn)計(jì)量學(xué)+科學(xué)計(jì)量學(xué)”搜索出了共343個(gè)相關(guān)網(wǎng)頁，通過分析研究，他不僅發(fā)現(xiàn)了網(wǎng)絡(luò)各搜索引擎具有相對(duì)獨(dú)立性，更重要的是他的研究顯示這些網(wǎng)頁的分布都符合洛特卡定律[5]。

Ingwersen通過對(duì)某一國家網(wǎng)站的研究，試圖從網(wǎng)絡(luò)影響因子（Web Impact Factors，Web-IF）來說明網(wǎng)頁鏈接之間的關(guān)系[6]。他的主要研究成果體現(xiàn)在三個(gè)方面：1）每一個(gè)搜索引擎都不可能全部搜集網(wǎng)站，但很多網(wǎng)站的信息都已經(jīng)被鏈接進(jìn)來，自鏈接不會(huì)影響到總體的影響因子?！?com”域名的網(wǎng)絡(luò)站點(diǎn)的影響因子大約是0.5，但平均影響因子只有0.39；2）某一域名站點(diǎn)的影響因子比其域名網(wǎng)絡(luò)的影響因子更可靠，而且可以從前者推導(dǎo)出后者；3）通過差異計(jì)算可以評(píng)價(jià)一個(gè)搜索引擎的好壞。

此后還有很多學(xué)者對(duì)網(wǎng)頁影響因子進(jìn)行了大量的研究，但都沒能得出一個(gè)統(tǒng)一而又具體的標(biāo)準(zhǔn)和計(jì)量方法，這也正體現(xiàn)了網(wǎng)絡(luò)信息計(jì)量的復(fù)雜性。

其實(shí)，就目前網(wǎng)絡(luò)的規(guī)范程度，要對(duì)網(wǎng)頁進(jìn)行很實(shí)用的影響因子評(píng)價(jià)還不太具備可操作性。首先，網(wǎng)頁的量太大，網(wǎng)絡(luò)的飛速發(fā)展使得網(wǎng)頁的數(shù)量急劇增長(zhǎng)，個(gè)人主頁、主題頁（某一主題的專指網(wǎng)頁）、各機(jī)構(gòu)性主頁、指南頁、資源頁等各種網(wǎng)頁都在不斷地增多，而且新的網(wǎng)頁類型也在產(chǎn)生；然后，網(wǎng)頁的內(nèi)容也多樣化，不僅哪方面的都有，而且形式也很多樣，有視頻的、音頻的、文字的等等,而且這些內(nèi)容的產(chǎn)生程序也各不相同。

4用圖論來理解網(wǎng)絡(luò)信息計(jì)量學(xué)

圖論（Graph Theory）是數(shù)學(xué)的一個(gè)分支。它以圖為研究對(duì)象。圖論中的圖是由若干給定的點(diǎn)及連接兩點(diǎn)的線所構(gòu)成的圖形，這種圖形通常用來描述某些事物之間的某種特定關(guān)系，用點(diǎn)代表事物，用連接兩點(diǎn)的線表示相應(yīng)兩個(gè)事物間具有這種關(guān)系。圖論多用于描述社會(huì)關(guān)系、生態(tài)鏈以及Internet網(wǎng)絡(luò)等關(guān)系網(wǎng)絡(luò)，在信息計(jì)量學(xué)中，圖論也發(fā)揮了重要作用，例如在引文關(guān)系和概念分類系統(tǒng)等方面。理所當(dāng)然，圖論也能在網(wǎng)絡(luò)信息計(jì)量中發(fā)揮重要角色，一般的，我們可以用點(diǎn)來表示網(wǎng)頁或網(wǎng)絡(luò)文獻(xiàn)，用線來描繪鏈接關(guān)系。

利用圖論可以很好地對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析。2000年，布羅德（Broder）等人首先利用圖論得出了一個(gè)針對(duì)網(wǎng)絡(luò)的結(jié)構(gòu)模型[7]。并且他們利用該模型建立了一個(gè)包含2億網(wǎng)頁和15億鏈接的數(shù)據(jù)庫，通過研究分析，他們把這些網(wǎng)頁分成了五個(gè)完全不同的類型：外鏈性網(wǎng)頁，內(nèi)鏈性網(wǎng)頁，內(nèi)外鏈綜合性網(wǎng)頁，零鏈接的網(wǎng)頁與指示性網(wǎng)頁。他們所建立的模型與數(shù)據(jù)庫在網(wǎng)絡(luò)結(jié)構(gòu)的研究方面價(jià)值很大，為人們弄清網(wǎng)絡(luò)復(fù)雜的鏈接關(guān)系提供了很好的基礎(chǔ)。

圖論的發(fā)展過程中，衍生出了一種專門用于計(jì)算機(jī)領(lǐng)域的學(xué)科即拓?fù)鋵W(xué)。在網(wǎng)絡(luò)領(lǐng)域里，拓?fù)浣Y(jié)構(gòu)得到完美的運(yùn)用，我們完全也可以把它當(dāng)成是網(wǎng)絡(luò)信息計(jì)量的一種運(yùn)用。目前網(wǎng)絡(luò)信息的計(jì)量問題主要還是集中在網(wǎng)絡(luò)文獻(xiàn)（或網(wǎng)頁）的分布研究上，從上文中可以看出，網(wǎng)頁的影響因子的研究還很粗淺，筆者認(rèn)為，在弄清網(wǎng)頁的結(jié)構(gòu)并對(duì)其結(jié)構(gòu)有一定的理論基礎(chǔ)之前，網(wǎng)絡(luò)信息的計(jì)量問題很難取得實(shí)質(zhì)性的進(jìn)展。因此，利用圖論的拓?fù)鋵W(xué)的相關(guān)方法和理論來加強(qiáng)對(duì)網(wǎng)絡(luò)的結(jié)構(gòu)研究將會(huì)是奠基性工作，這也會(huì)是一大難點(diǎn)。

筆者之所以認(rèn)為對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的研究才是當(dāng)前最重要的網(wǎng)絡(luò)信息計(jì)量工作主要是因?yàn)楫?dāng)前學(xué)術(shù)界所持的網(wǎng)絡(luò)信息計(jì)量研究的幾個(gè)重點(diǎn)都寓于其中。網(wǎng)絡(luò)媒體信息本身的計(jì)量研究的實(shí)質(zhì)就是對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的具體研究，各種媒體信息的具體分布，各數(shù)據(jù)庫的組織結(jié)構(gòu)等都和網(wǎng)絡(luò)結(jié)構(gòu)息息相關(guān)；網(wǎng)上文獻(xiàn)信息的計(jì)量分析主要是考慮著者與文獻(xiàn)的分布、文獻(xiàn)的增長(zhǎng)與老化規(guī)律以及引文分析，在這幾個(gè)因素中，網(wǎng)絡(luò)結(jié)構(gòu)都起到了支配作用；網(wǎng)頁影響因子與數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)的進(jìn)行也很顯然是網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上的研究工作。因此，加強(qiáng)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的研究將是網(wǎng)絡(luò)信息計(jì)量的突破口。

5結(jié)語

顯然，本文所闡述很多都是學(xué)術(shù)界一致的成果表達(dá)，但就筆者看來，當(dāng)今的網(wǎng)絡(luò)信息是屬于“失控”局面，即不能有一種完善的辦法對(duì)其進(jìn)行計(jì)量統(tǒng)計(jì)。要用一種模式把網(wǎng)絡(luò)上全部形式的信息都聯(lián)系在一起不僅技術(shù)和理論上都還沒達(dá)到這個(gè)水平，而且基礎(chǔ)設(shè)施方面也很欠缺；但筆者相信，只要從根本著手，能夠?qū)W(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行量化統(tǒng)計(jì)表述，網(wǎng)絡(luò)信息的計(jì)量問題也就迎刃而解了，為此，筆者認(rèn)為圖論與拓?fù)浣Y(jié)構(gòu)是很好的研究工具。

參考文獻(xiàn):

[1]邱均平,張洋.網(wǎng)絡(luò)信息計(jì)量學(xué)綜述[J].高校圖書館工作,2005(1):1-12.

[2]LAWRENCE, C L GILES.Searching the World Wide Web[J]. Science, 280:98-100.

[3]Ingwersen P. The Calculation of Web Impact Factors[J].Journal of Documentation, 1998, 54 (2):236-243.

[4]Cronin, G. Mckim.Science and scholarship on the World Wide Web:A North American Perspective[J].Journal of Documentation,1996,(52):163-172

[5]R Rousseau.Sitations:An Exploratory Study[J].Cybermetrics,1997,(1):175-181.

[6]Ingwersen P. The Calculation of Web Impact Factors[J].Journal of Documentation, 1998, 54(2):236-243.

[7]BRODER. Graph structure in the Web[J]. WWW9 Conference.2000.http://www.almaden.ibm.com/cs/k53/www9.final;visited08.11.2000.