薄 璐 ，莫 倩，王 芳

（1.陜西職業(yè)技術(shù)學(xué)院，西安 710100 2.北京工商大學(xué)，北京 100048 3.北京航空航天大學(xué)，北京 100191）

0 引言

社會(huì)計(jì)算的交流平臺，開辟了一個(gè)令人振奮的Internet 新局面，它正從根本上改變著人們共享信息和交流的方式，深刻的影響著全球經(jīng)濟(jì)、社會(huì)互動(dòng)和人們生活的各個(gè)方面，教育也必然身置其中。作為提高公眾素質(zhì)的一個(gè)重要因素，科普教育構(gòu)成了現(xiàn)代教育的核心。本文提出了一種基于社會(huì)計(jì)算的科普教育平臺框架，旨在有助于科普知識的普及和全民素質(zhì)的普遍提高。

1 平臺框架設(shè)計(jì)

基于社會(huì)計(jì)算的科普教育平臺是一個(gè)集Wiki 和社會(huì)化科普搜索引擎于一體的面向科普領(lǐng)域的開放教育平臺。在此平臺中，科普領(lǐng)域的專家、教師、學(xué)生、甚至對科普感興趣的任何人都可以添加科普領(lǐng)域的術(shù)語詞條，日積月累逐漸形成一個(gè)科普完整的、嚴(yán)密的和相對權(quán)威的專業(yè)知識系統(tǒng)——科普Wiki。圖1 描述了基于社會(huì)計(jì)算的科普教育平臺框架。

社會(huì)計(jì)算是同互聯(lián)網(wǎng)密切相連的，是一門現(xiàn)代計(jì)算技術(shù)與社會(huì)科學(xué)之間的交叉學(xué)科，分為微觀技術(shù)和宏觀社會(huì)兩個(gè)層面。由于Web2.0 文化是一種平等、開放、自由的網(wǎng)絡(luò)社區(qū)文化，所以在這個(gè)背景下的用戶對搜索引擎提出了更高的要求。融入了社會(huì)計(jì)算概念的科普搜索引擎更加社會(huì)化，通過用戶通過對搜索結(jié)果進(jìn)行評分能夠影響科普搜索引擎對結(jié)果的排序，搜索Wiki 元數(shù)據(jù)包括詞條編輯時(shí)間、編輯次數(shù)、點(diǎn)擊率等人文因素，在檢索時(shí)的分檔評分中這些社會(huì)因素乘以一定的閾值也將影響到結(jié)果排序，對搜索結(jié)果排序更加人性化，使用戶享受到更為透明的搜索服務(wù)。其主要由科普主題分類機(jī)器人、索引器、查詢器和查詢接口組成。

2 關(guān)鍵技術(shù)

2.1 社會(huì)化科普搜索引擎設(shè)計(jì)

2.1.1 主題分類機(jī)器人架構(gòu)設(shè)計(jì)

主題分類機(jī)器人主要完成從Web 中采集科普領(lǐng)域信息并入庫的工作。機(jī)器人的制作使用基于工作流/組件技術(shù)的網(wǎng)頁信息抽取系統(tǒng)VWIE 來完成。利用VWIE 的組件可擴(kuò)展性，我們?yōu)槠涮砑恿朔诸惼鹘M件以及域名判斷組件，用以實(shí)現(xiàn)具有頁面過濾和站內(nèi)頁面判斷功能的主題分類機(jī)器人。

2.1.2 分類器核心算法

2.1.3 分類器準(zhǔn)確率實(shí)驗(yàn)

圖1 基于社會(huì)計(jì)算的科普教育平臺框架

1）分類訓(xùn)練樣本設(shè)置

SVM 算法分類需要給出訓(xùn)練樣本。本文的實(shí)驗(yàn)訓(xùn)練樣本分為科普和非科普兩類，但由于兩類覆蓋范圍較大，無法用一個(gè)簡單合理的特征集來描述兩個(gè)主題，因此我們對這兩類進(jìn)行了細(xì)分，盡可能多的將其劃分為小類，若網(wǎng)頁屬于小類，則其必屬于此小類所屬的大類。我們的子類別劃分及各個(gè)類別訓(xùn)練樣本如表1 所示：

2）實(shí)驗(yàn)結(jié)果

我們從搜狗互聯(lián)網(wǎng)分類語料庫中依照非科普類子類目錄，共選出5000 篇語料作為非科普測試集，從百度百科開放分類中的自然、地理和歷史三個(gè)大類中抽取每個(gè)子類的前20～30個(gè)詞條，共抽取5000 篇文章作為科普測試集，兩者合計(jì)共10000 篇用作實(shí)驗(yàn)的開放測試數(shù)據(jù)集。測試結(jié)果如表2 所示：

衡量分類器的重要指標(biāo)是召回率和準(zhǔn)確率。召回率（Recall）是檢索出的相關(guān)文檔數(shù)和文檔庫中所有的相關(guān)文檔數(shù)的比率，準(zhǔn)確率（Precision）是檢索出的相關(guān)文檔數(shù)與檢索出的文檔總數(shù)的比率。本文分類器召回率和準(zhǔn)確率如下所示：

實(shí)驗(yàn)結(jié)果表明：本文基于SVM 算法的科普主題分類器具有較高的分類準(zhǔn)確率和召回率，能提供專業(yè)的科普知識搜索功能。

2.1.4 基于Lucene 的檢索機(jī)制

科普社會(huì)化搜索引擎在信息檢索部分使用Lucene 實(shí)現(xiàn)索引器和查詢器功能，Lucene 具有索引文件格式獨(dú)立于應(yīng)用平臺、優(yōu)秀的面向?qū)ο蠹軜?gòu)、分塊索引、語言和文件格式易于擴(kuò)展等諸多優(yōu)點(diǎn)，并且已經(jīng)默認(rèn)實(shí)現(xiàn)了一套強(qiáng)大的查詢引擎，我們無需自己編寫代碼即使系統(tǒng)可獲得強(qiáng)大的查詢能力，但Lucene 中文分詞并不十分理想，因此利用Lucene 的可擴(kuò)展性我們使用現(xiàn)較為流行的開源中文分詞庖丁解牛技術(shù)代替原有的分詞。實(shí)踐證明，替換后效果非常明顯，很大程度上優(yōu)化了索引質(zhì)量和查詢效果。

2.2 科普Wiki 的實(shí)現(xiàn)

隨著Wiki 技術(shù)的發(fā)展，出現(xiàn)了種類繁多的Wiki 引擎，使用較為廣泛的有JSPWiki、WikiMedia、WakkaWiki 、CooCooWakka 等。本系統(tǒng)采用JSPWiki 引擎，JSPWiki 引擎是一個(gè)基于文本文件的簡易Wiki 系統(tǒng)，包括了版本控制、身份認(rèn)證等基本功能。JSPWiki引擎中的用戶只分為注冊用戶和非注冊用戶，用戶信息在XML 文件中存儲，為了便于用戶權(quán)限管理，本文采用MySQL 數(shù)據(jù)庫來存放用戶信息。

3 小結(jié)

本文綜合運(yùn)用主題搜索引擎技術(shù)和Wiki 等技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于社會(huì)計(jì)算的科普教育平臺。該平臺中科普搜索引擎部分針對科普領(lǐng)域信息的特點(diǎn)，采用人工干預(yù)與先采集后過濾相結(jié)合的主題搜索引擎信息采集策略，應(yīng)用基于SVM 分類器的主題分類機(jī)器人進(jìn)行數(shù)據(jù)采集，在檢索部分引入社會(huì)因子并且允許用戶對搜索結(jié)果評分使得此平臺能夠?yàn)橛脩籼峁└訉I(yè)準(zhǔn)確的搜索服務(wù)?；谏鐣?huì)計(jì)算的科普教育平臺對普及科普知識，提高全民素質(zhì)，推進(jìn)素質(zhì)教育具有重要意義。

[1]劉潤英;胡航;任友群.社會(huì)計(jì)算視野下的教與學(xué)[J].現(xiàn)代教育技術(shù),2008,18(13):10-14.

[2]M Parameswaran,AB Whinston.Whinstone Social computing:an overview.Communications of the Association for Information Systems Volume 19,2007,P762-780.

[3]Yutaka M.Junichiro M.Masahiro H.An Advanced Social Search Engine System from the web.In Proceedings of the 15th International Conference on World Wide Web,May,2006,Edinburgh,Scotland:397-406.

[4]Jo T,Japkow Icz N,Stephens.The Class Imbalance Problem:A Systematic Study[J].Intelligent Data Al1alysis,2002,6(5):203-231.

[5]李東方.Web2.0 環(huán)境下互聯(lián)網(wǎng)信息過濾理論與方法研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2009.

[6]Mo Qian,Du Junping.The Design of a News Knowledge Portal System with Topic Tracking Technology.Proceedings of the 2006 International Symposium on Artificial Intelligence,Beijing,China,2006.8:258-262.