王 華，趙東杰，楊海濤，趙洪利，李 智，李申龍

(1.軍事醫(yī)學(xué)科學(xué)院，北京 100850;2.中國(guó)航天員科研訓(xùn)練中心，北京 100094;3.裝備學(xué)院，北京 101416)

0 引言

互聯(lián)網(wǎng)在促進(jìn)大眾獲取信息、拓展人際交往、鼓勵(lì)社會(huì)參與、提供實(shí)際生活便利等方面發(fā)揮的積極作用越來(lái)越突出，可以說(shuō)網(wǎng)絡(luò)無(wú)處不在?；ヂ?lián)網(wǎng)大規(guī)模發(fā)展，并與移動(dòng)網(wǎng)和傳感網(wǎng)等進(jìn)一步互連互通，互聯(lián)網(wǎng)已進(jìn)入Web 2.0 時(shí)代，“大數(shù)據(jù)時(shí)代”已經(jīng)來(lái)臨，“大數(shù)據(jù)”正逐漸對(duì)各個(gè)領(lǐng)域產(chǎn)生重要影響。Web 2.0 將互聯(lián)網(wǎng)和社會(huì)網(wǎng)進(jìn)一步結(jié)合，注重大眾用戶的參與以及用戶之間的交互作用，通過(guò)網(wǎng)絡(luò)應(yīng)用促進(jìn)網(wǎng)絡(luò)上人與人之間的廣泛深度交互與協(xié)作，并在大眾持續(xù)交互中涌現(xiàn)出一種群體智能。而對(duì)這種群體智能是什么、有什么特征、如何產(chǎn)生以及可對(duì)人類社會(huì)產(chǎn)生怎樣的影響等問(wèn)題，是人們?cè)谶M(jìn)入信息社會(huì)，了解這種群體智能時(shí)所關(guān)心的基本問(wèn)題，如何有效研究這種群體智能，加深人類對(duì)它的認(rèn)識(shí)理解，為人類更好地利用互聯(lián)網(wǎng)和這種群體智能提供借鑒，是擺在人類面前亟需解決的問(wèn)題。2011 年2 月，美國(guó)哈佛大學(xué)公布了當(dāng)前及未來(lái)需要重點(diǎn)解決的十大社會(huì)科學(xué)問(wèn)題，其中“人類如何增加自身群體智能”、“我們?nèi)绾尾拍芗厦總€(gè)人所擁有的信息來(lái)作出最佳決定”和“怎樣理解人類創(chuàng)造和表達(dá)知識(shí)的能力”這3 個(gè)問(wèn)題位列其中。本文對(duì)大眾廣泛深度交互的互聯(lián)網(wǎng)環(huán)境進(jìn)行分析闡述，分析大眾交互的互聯(lián)網(wǎng)環(huán)境下的群體智能(以下稱為網(wǎng)絡(luò)群體智能，Web Collective Intelligence)特性，提出網(wǎng)絡(luò)群體智能研究方法，對(duì)網(wǎng)絡(luò)群體智能進(jìn)行有益探索，可深化對(duì)網(wǎng)絡(luò)群體智能和以上3 個(gè)社會(huì)科學(xué)問(wèn)題的認(rèn)識(shí)。

1 大數(shù)據(jù)時(shí)代下的網(wǎng)絡(luò)群體智能

1.1 大數(shù)據(jù)時(shí)代下大眾深度交互的互聯(lián)網(wǎng)環(huán)境

以Web 2.0 為代表的互聯(lián)網(wǎng)產(chǎn)生了大量新的應(yīng)用模式，極大地改變了互聯(lián)網(wǎng)的秩序形態(tài)和大眾在網(wǎng)絡(luò)上的行為方式，促進(jìn)了大眾基于網(wǎng)絡(luò)交互的信息傳播、知識(shí)共享和智能提升，網(wǎng)絡(luò)結(jié)構(gòu)及信息資源分布在大眾交互下不斷演化。互聯(lián)網(wǎng)激發(fā)了大眾信息服務(wù)需求，形成了無(wú)處不在的在線搜索、實(shí)時(shí)交互、即時(shí)通訊和協(xié)作，催生了一系列新的網(wǎng)絡(luò)文化和行為，典型的Web 2.0 應(yīng)用有:維基、博客、微博、社交和電子商務(wù)等(本文稱其為“在線復(fù)雜信息系統(tǒng)”)。以Web 2.0 為代表的互聯(lián)網(wǎng)應(yīng)用，把人作為重要因素接入網(wǎng)絡(luò)，是基于用戶創(chuàng)造內(nèi)容和利用大眾智能的，互聯(lián)網(wǎng)正在逐漸建立起一個(gè)人與人可以充分溝通的公用計(jì)算環(huán)境，把人參與交互下的智能融入網(wǎng)絡(luò)。用戶需求行為實(shí)際上是在真實(shí)物理網(wǎng)絡(luò)的大量用戶對(duì)網(wǎng)絡(luò)信息資源進(jìn)行操作的隨機(jī)過(guò)程;信息網(wǎng)絡(luò)呈現(xiàn)出的無(wú)標(biāo)度拓?fù)涫侨祟愑脩粜枨笮袨閰⑴c網(wǎng)絡(luò)發(fā)展與演化的必然結(jié)果［1］?；ヂ?lián)網(wǎng)逐漸形成了網(wǎng)絡(luò)化軟件層、用戶層、虛擬實(shí)體資源層、網(wǎng)頁(yè)層、自治域?qū)雍吐酚善鲗拥炔煌瑢用妫?］。

圖1 互聯(lián)網(wǎng)結(jié)構(gòu)層次及特性映射示意圖

可將互聯(lián)網(wǎng)分為圖1 所示的4 個(gè)層次［2］。圖1中4 個(gè)層次分別映射為網(wǎng)絡(luò)的用戶體驗(yàn)、用戶行為、信息組織和信息安全4 種特性，這4 種特性相互關(guān)聯(lián)影響，在相互作用迭代過(guò)程中，為用戶提供安全可靠網(wǎng)絡(luò)支撐環(huán)境，確保各種信息高效穩(wěn)定可靠傳輸，使網(wǎng)絡(luò)服務(wù)質(zhì)量和智能水平不斷提升。其中用戶行為介于信息組織和用戶體驗(yàn)之間，對(duì)于提升網(wǎng)絡(luò)服務(wù)智能水平具有關(guān)鍵作用。

用戶行為對(duì)互聯(lián)網(wǎng)動(dòng)力學(xué)特性影響越來(lái)越大，互聯(lián)網(wǎng)演進(jìn)的主要驅(qū)動(dòng)力是用戶行為，用戶不斷變化的需求行為促使互聯(lián)網(wǎng)演進(jìn)變化，出現(xiàn)了很多不同的網(wǎng)絡(luò)應(yīng)用。用戶行為對(duì)網(wǎng)絡(luò)服務(wù)影響也越來(lái)越大，造成網(wǎng)絡(luò)服務(wù)質(zhì)量差異化，網(wǎng)絡(luò)服務(wù)呈現(xiàn)出不同的智能化水平，且智能化水平不斷提高;同時(shí)互聯(lián)網(wǎng)演進(jìn)也在影響著用戶行為變化。在互聯(lián)網(wǎng)演進(jìn)過(guò)程中，用戶需求行為經(jīng)歷著從信息需求到知識(shí)需求再到智能需求的變化。當(dāng)前互聯(lián)網(wǎng)正處在“知識(shí)需求”演進(jìn)階段，未來(lái)演進(jìn)方向是“智能需求”階段，網(wǎng)絡(luò)數(shù)據(jù)也開(kāi)始成幾何倍數(shù)增加，我們正進(jìn)入大數(shù)據(jù)時(shí)代(Age of Big Data)。在互聯(lián)網(wǎng)計(jì)算環(huán)境及云計(jì)算模式下，通過(guò)用戶間的在線交互(回復(fù)、跟貼、加為好友等)，用戶與用戶間形成一定的影響關(guān)系，并會(huì)逐步形成在線社交網(wǎng)絡(luò)中的影響力，這些頻繁交互、增量交互、主動(dòng)交互、廣泛交互、多樣交互、持久交互等多種顯性或隱性的交互形態(tài)，體現(xiàn)出各種群體行為，形成規(guī)?？纱罂尚?、主題可粗可細(xì)、門檻有高有低、劃分無(wú)窮無(wú)盡、演化有消有漲的虛擬社區(qū)。

1.2 網(wǎng)絡(luò)群體智能及其特性

中國(guó)有句古話:“三個(gè)臭皮匠，頂個(gè)諸葛亮”，又有“眾人拾柴火焰高”、“人多力量大”的說(shuō)法，這些其實(shí)都是群體智能在人類社會(huì)的原生態(tài)版本。傳統(tǒng)的群體智能廣泛出現(xiàn)在智能體的集合中，如蜂群、蟻群、鳥(niǎo)群和人類社會(huì)等［3-6］。這些群體基于自身經(jīng)驗(yàn)的簡(jiǎn)單法則發(fā)揮“1 +1 ＞2”的功效，為人類提供了解決復(fù)雜問(wèn)題的策略。

Web 社會(huì)網(wǎng)絡(luò)的興起被O’Reilly 稱為一個(gè)“擁抱群體智能的時(shí)代”［7］，在Web 2.0 社會(huì)性應(yīng)用中，人類交互能夠更清晰、更便捷地突破時(shí)空的阻礙在更大的規(guī)模上進(jìn)行，大眾通過(guò)互聯(lián)網(wǎng)的持續(xù)交互形成了群體行為，會(huì)涌現(xiàn)出多種結(jié)構(gòu)模式，表現(xiàn)出多層次水平的群體智能，在此稱為網(wǎng)絡(luò)群體智能。網(wǎng)絡(luò)群體智能是指在大眾廣泛深度交互的互聯(lián)網(wǎng)環(huán)境下大規(guī)模個(gè)體為了特定目標(biāo)基于在線協(xié)作信息系統(tǒng)進(jìn)行在線協(xié)作、問(wèn)題求解，從宏觀上涌現(xiàn)出群體完成特定任務(wù)或解決復(fù)雜問(wèn)題的能力。大眾交互的互聯(lián)網(wǎng)環(huán)境下，個(gè)體通過(guò)改變環(huán)境的方式與環(huán)境交互，個(gè)體對(duì)環(huán)境的改變促使了其他個(gè)體做出各種不同的改變，變化驅(qū)動(dòng)變化，并引發(fā)宏觀上新現(xiàn)象的產(chǎn)生，這種由于大量的微觀交互導(dǎo)致的宏觀系統(tǒng)形態(tài)的躍遷現(xiàn)象在復(fù)雜性科學(xué)中稱為“涌現(xiàn)”。在大量用戶通過(guò)社會(huì)評(píng)注達(dá)成共識(shí)的過(guò)程中，互聯(lián)網(wǎng)上會(huì)逐漸形成不同群體結(jié)構(gòu)，涌現(xiàn)出網(wǎng)絡(luò)群體智能;這個(gè)過(guò)程形成了大量用戶操作數(shù)據(jù)，可作為研究網(wǎng)絡(luò)群體智能的高價(jià)值數(shù)據(jù)資源，其能夠根據(jù)大眾實(shí)際參與和貢獻(xiàn)的內(nèi)容進(jìn)行定量分析和挖掘。

社會(huì)評(píng)注突出以用戶為主，通過(guò)把具有相同興趣和愛(ài)好的人匯集在一起，從而產(chǎn)生源于用戶貢獻(xiàn)的網(wǎng)絡(luò)效應(yīng)，其本質(zhì)是利用網(wǎng)絡(luò)群體智能，是網(wǎng)絡(luò)群體智能涌現(xiàn)及應(yīng)用的典型實(shí)例。社會(huì)評(píng)注中的維基、評(píng)閱、評(píng)論和標(biāo)簽等類型均可認(rèn)為是網(wǎng)絡(luò)群體智能的載體。例如，在協(xié)同標(biāo)簽過(guò)程中，用戶給資源指定標(biāo)簽，并且和其他用戶共享，整個(gè)標(biāo)簽系統(tǒng)會(huì)從大眾參與過(guò)程中涌現(xiàn)出一定的信息組織結(jié)構(gòu)來(lái)，甚至形成分眾分類(Folksonomy)［8］;Luis von A.還提出了一種human computing 的理念［9］，其通過(guò)游戲收集眾多用戶提交的結(jié)果，然后綜合分析加以利用，比如收集用戶對(duì)圖片的標(biāo)簽并產(chǎn)生圖片整體組織結(jié)構(gòu)，也是一種利用網(wǎng)絡(luò)群體智能的典型案例;維基對(duì)數(shù)字資源對(duì)象直接給出補(bǔ)充、修正或刪減等，與標(biāo)簽、評(píng)閱和評(píng)論等形態(tài)相比，是用戶介入數(shù)字資源對(duì)象的最深層次，自然地形成了大眾參與的對(duì)等生產(chǎn)模式(Peer Production)［10］，是網(wǎng)絡(luò)群體智能較為復(fù)雜、較為高級(jí)的表現(xiàn)形式;其利用網(wǎng)絡(luò)大眾的參與來(lái)完成多媒體識(shí)別、標(biāo)識(shí)與分類等圖靈機(jī)邏輯運(yùn)算難以完成的任務(wù)。

網(wǎng)絡(luò)群體智能與圖靈機(jī)智能、傳統(tǒng)群體智能相比均存在差異，如表1 所示。圖靈機(jī)智能具有數(shù)值計(jì)算、信息存儲(chǔ)、信息檢索和邏輯推理等方面的優(yōu)勢(shì);網(wǎng)絡(luò)群體智能是對(duì)大眾智能的反復(fù)交互、提升、抽象和利用，可能動(dòng)地感知與反饋現(xiàn)實(shí)世界中的各種模式，可利用人的常識(shí)，具有形象思維、聯(lián)想感悟等不確定性認(rèn)知和柔性聚合優(yōu)勢(shì)，具有層次性、涌現(xiàn)性和不確定性等特性;可將兩者有機(jī)結(jié)合，優(yōu)勢(shì)互補(bǔ)，增強(qiáng)人類完成特定任務(wù)或解決復(fù)雜問(wèn)題能力。傳統(tǒng)群體智能側(cè)重對(duì)自然環(huán)境下動(dòng)物群體智能的研究，而網(wǎng)絡(luò)群體智能側(cè)重對(duì)大眾廣泛深度交互的互聯(lián)網(wǎng)環(huán)境下大眾群體智能的研究，兩者之間具有不同特性;網(wǎng)絡(luò)群體智能具有“網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動(dòng)，交互形式復(fù)雜，網(wǎng)絡(luò)效應(yīng)強(qiáng)大，知識(shí)生產(chǎn)為主，不確定性認(rèn)知”等特性，如表2所示。

表1 網(wǎng)絡(luò)群體智能與圖靈機(jī)智能比較

表2 網(wǎng)絡(luò)群體智能與傳統(tǒng)群體智能比較

2 網(wǎng)絡(luò)群體智能研究方法

網(wǎng)絡(luò)群體智能研究是信息科學(xué)與社會(huì)科學(xué)的多學(xué)科交叉研究，具有現(xiàn)實(shí)性、前瞻性和挑戰(zhàn)性。盡管群體智能研究已取得較多成果，但這些成果大多集中在以螞蟻、蜜蜂和魚(yú)鳥(niǎo)等為代表的社會(huì)性昆蟲(chóng)的群體智能研究，對(duì)網(wǎng)絡(luò)群體智能研究較少，且研究相對(duì)比較零散，缺乏有效的研究理論方法和對(duì)網(wǎng)絡(luò)群體智能整體認(rèn)識(shí)，對(duì)網(wǎng)絡(luò)群體智能進(jìn)行深入研究的成果不多，理論仍嚴(yán)重落后于實(shí)踐，需要借鑒已有成果對(duì)其展開(kāi)深入研究?；诰W(wǎng)絡(luò)群體智能特性的分析，提出網(wǎng)絡(luò)群體智能研究方法，包括研究方法論、研究層次和研究框架等方面內(nèi)容。

2.1 網(wǎng)絡(luò)群體智能研究方法論

復(fù)雜性科學(xué)是系統(tǒng)科學(xué)發(fā)展的新階段，其方法論具有非線性、不確定性、自組織性、涌現(xiàn)性等特征。就科學(xué)思維層面來(lái)看，復(fù)雜性科學(xué)的融貫論要求把整體論和還原論結(jié)合起來(lái)，在整體的觀照下分析，在分析的基礎(chǔ)上綜合，在分析和綜合的矛盾運(yùn)動(dòng)中實(shí)現(xiàn)從整體上認(rèn)識(shí)和解決復(fù)雜性問(wèn)題。就哲學(xué)層面來(lái)說(shuō)，復(fù)雜性科學(xué)的融貫論要求把還原方法和整體方法相結(jié)合，微觀分析和宏觀綜合相結(jié)合，定性判斷和定量描述相結(jié)合，認(rèn)識(shí)理解和實(shí)踐行動(dòng)相結(jié)合，科學(xué)推理和哲學(xué)思辨相結(jié)合。黃欣榮認(rèn)為融貫論的精髓是:既包括客觀的過(guò)去和現(xiàn)在，也包括未來(lái);既重視分析，也重視綜合;在研究具體系統(tǒng)時(shí)，既注意部分也注意整體;從內(nèi)外上下、橫縱前后認(rèn)識(shí)和解決問(wèn)題［11］。在復(fù)雜性科學(xué)研究中應(yīng)堅(jiān)持整體著眼和細(xì)處分析相結(jié)合的原則。融貫論是在整體觀的指導(dǎo)下，把向下和向上的2 條路徑結(jié)合融貫起來(lái)，形成還原論和整體論有機(jī)結(jié)合的方法論，這是復(fù)雜性科學(xué)的新方法論。網(wǎng)絡(luò)群體智能研究具有不同于傳統(tǒng)群體智能研究的復(fù)雜性和特殊性;基于對(duì)網(wǎng)絡(luò)群體智能特性分析，對(duì)網(wǎng)絡(luò)群體智能研究應(yīng)以復(fù)雜性科學(xué)方法論為指導(dǎo)，堅(jiān)持融貫論，突出網(wǎng)絡(luò)群體智能特色研究，采用系統(tǒng)分析、建模分析和仿真分析相結(jié)合技術(shù)途徑對(duì)網(wǎng)絡(luò)群體智能涌現(xiàn)問(wèn)題進(jìn)行多尺度多層次研究。

2.2 網(wǎng)絡(luò)群體智能研究層次及研究框架

以網(wǎng)絡(luò)群體智能研究方法論為指導(dǎo)，將網(wǎng)絡(luò)群體智能研究分為以下5 個(gè)層次，從多個(gè)層次視角認(rèn)識(shí)網(wǎng)絡(luò)群體智能研究，以便于研究有效開(kāi)展深入。

1)對(duì)象基礎(chǔ)層:該層是開(kāi)展研究的基礎(chǔ)，包括網(wǎng)絡(luò)群體智能的研究對(duì)象確定及研究載體選擇。根據(jù)網(wǎng)絡(luò)群體智能概念及其研究的科學(xué)問(wèn)題，確定網(wǎng)絡(luò)群體智能研究對(duì)象，包括群體中的參與個(gè)體、群體協(xié)作交互環(huán)境等;選擇合適的研究載體，包括群體協(xié)作交互平臺(tái)、群體協(xié)作交互留下的“足跡”——網(wǎng)絡(luò)數(shù)據(jù)等。

2)理論方法層:科學(xué)有效研究理論方法是開(kāi)展網(wǎng)絡(luò)群體智能研究的關(guān)鍵，根據(jù)對(duì)科學(xué)問(wèn)題的深入分析、研究對(duì)象及研究載體的特點(diǎn)，確定研究方法論，建立科學(xué)有效的研究理論方法框架?？蓪?duì)已有研究成果進(jìn)行總結(jié)升華，對(duì)相關(guān)學(xué)科成果去粗取精，將其理論及方法加以借鑒，以此為基礎(chǔ)建立網(wǎng)絡(luò)群體智能研究理論方法框架，對(duì)研究具有指導(dǎo)性作用。

3)模型算法層:以研究理論方法框架為指導(dǎo)，對(duì)網(wǎng)絡(luò)群體智能進(jìn)行微觀、中觀和宏觀地建模，包括群體中參與個(gè)體屬性、個(gè)體間交互和群體結(jié)構(gòu)表征等模型算法構(gòu)建，以實(shí)現(xiàn)對(duì)群體結(jié)構(gòu)的描述和可視化、網(wǎng)絡(luò)群體智能的模擬。

4)分析解釋層:以研究理論方法框架為指導(dǎo)，從對(duì)象基礎(chǔ)層獲取數(shù)據(jù)信息，并利用模型算法層建立的模型算法，對(duì)群體結(jié)構(gòu)及動(dòng)力學(xué)進(jìn)行多粒度分析解釋，探究網(wǎng)絡(luò)群體智能涌現(xiàn)規(guī)律，獲得可應(yīng)用的結(jié)果知識(shí)，為網(wǎng)絡(luò)群體智能應(yīng)用提供基礎(chǔ)。

5)應(yīng)用評(píng)價(jià)層:探究研究成果在知識(shí)管理創(chuàng)造、群體協(xié)作決策、組織績(jī)效管理和復(fù)雜信息系統(tǒng)設(shè)計(jì)優(yōu)化等領(lǐng)域的應(yīng)用，并對(duì)應(yīng)用情況進(jìn)行評(píng)價(jià)分析，以便改進(jìn)網(wǎng)絡(luò)群體智能研究理論方法，完善能夠吸納大眾認(rèn)知能力的平臺(tái)與機(jī)制，提高信息服務(wù)質(zhì)量和人類解決復(fù)雜問(wèn)題能力。

基于上述分析，在大眾交互的互聯(lián)網(wǎng)環(huán)境下，網(wǎng)絡(luò)群體智能研究可以社會(huì)評(píng)注為主要研究載體，以復(fù)雜性科學(xué)［11］、網(wǎng)絡(luò)化數(shù)據(jù)挖掘［12］和不確定性人工智能［13］為支撐理論方法，突出網(wǎng)絡(luò)群體智能特色和多學(xué)科交叉融合研究，探究了網(wǎng)絡(luò)群體智能產(chǎn)生機(jī)理，以回答相關(guān)基本問(wèn)題，為人類更好地利用互聯(lián)網(wǎng)和網(wǎng)絡(luò)群體智能提供有效借鑒。網(wǎng)絡(luò)群體智能研究框架如圖2 所示，其具體分為以下研究步驟。

圖2 網(wǎng)絡(luò)群體智能研究框架示意圖

1)根據(jù)網(wǎng)絡(luò)群體智能科學(xué)問(wèn)題確定研究對(duì)象及研究載體，選擇獲取合適的網(wǎng)絡(luò)數(shù)據(jù)。

2)根據(jù)研究對(duì)象及研究載體，確立研究方法論，提出研究理論方法框架，該框架的建立是以復(fù)雜性科學(xué)方法論為指導(dǎo)，以復(fù)雜性科學(xué)、網(wǎng)絡(luò)化數(shù)據(jù)挖掘和不確定性人工智能理論方法為支撐，以復(fù)雜系統(tǒng)建模仿真、社會(huì)科學(xué)和人文科學(xué)相關(guān)理論方法為輔助。

3)以研究框架為指導(dǎo)，采用宏觀與微觀相結(jié)合、定性與定量、靜態(tài)與動(dòng)態(tài)相結(jié)合方法，主要從群體結(jié)構(gòu)的多粒度分析和群體動(dòng)力學(xué)多主體建模與仿真這2 個(gè)相互呼應(yīng)的方面展開(kāi)研究，刻畫(huà)揭示群體中個(gè)體屬性、個(gè)體間交互特性和網(wǎng)絡(luò)群體智能涌現(xiàn)過(guò)程，探究網(wǎng)絡(luò)群體智能涌現(xiàn)機(jī)理。其中群體結(jié)構(gòu)的多粒度分析方面主要是基于網(wǎng)絡(luò)化數(shù)據(jù)挖掘和不確定性人工智能理論方法實(shí)現(xiàn)對(duì)群體結(jié)構(gòu)的多粒度分析，包括群體結(jié)構(gòu)基本特性、群體結(jié)構(gòu)中心性和群體結(jié)構(gòu)模式特性分析等多個(gè)層次粒度?；诮Y(jié)構(gòu)的視角探究群體結(jié)構(gòu)與群體智能涌現(xiàn)的關(guān)系;群體動(dòng)力學(xué)多主體建模與仿真方面主要是基于復(fù)雜性科學(xué)理論和復(fù)雜系統(tǒng)建模仿真方法實(shí)現(xiàn)對(duì)群體動(dòng)力學(xué)的建模仿真，基于動(dòng)力學(xué)的視角探究群體動(dòng)力學(xué)與群體智能涌現(xiàn)的關(guān)系;上述2 個(gè)方面研究也體現(xiàn)了數(shù)據(jù)實(shí)證研究與建模仿真研究互為補(bǔ)充，相互促進(jìn)的思想。

4)基于群體結(jié)構(gòu)的多粒度分析和群體動(dòng)力學(xué)的多主體建模與仿真這2 方面分析仿真結(jié)果，綜合歸納網(wǎng)絡(luò)群體智能涌現(xiàn)機(jī)理，利用綜合集成方法分析網(wǎng)絡(luò)群體智能涌現(xiàn)要素，包括群體多樣性、群體中個(gè)體參與性、群體中個(gè)體角色配置、群體組織結(jié)構(gòu)和群體協(xié)作交互環(huán)境等，創(chuàng)造利于網(wǎng)絡(luò)群體智能涌現(xiàn)的環(huán)境條件。

5)將研究結(jié)果應(yīng)用于具體實(shí)例，并對(duì)應(yīng)用情況進(jìn)行評(píng)價(jià)分析，以便改進(jìn)網(wǎng)絡(luò)群體智能研究理論方法，完善能夠吸納大眾認(rèn)知能力的平臺(tái)與機(jī)制，提高信息服務(wù)質(zhì)量和人類解決復(fù)雜問(wèn)題的能力。

2.3 網(wǎng)絡(luò)群體智能研究方法應(yīng)用實(shí)例

利用上述方法以維基百科詞條作為研究載體進(jìn)行應(yīng)用實(shí)例說(shuō)明，以詞條“Turing Machine”從開(kāi)始創(chuàng)建時(shí)刻起的600 個(gè)歷史版本數(shù)據(jù)作為數(shù)據(jù)集，以網(wǎng)絡(luò)化數(shù)據(jù)挖掘思想方法為指導(dǎo)，利用文本分析方法從句子的粒度上分析相鄰版本的文本差異，根據(jù)文本差異，確定句子作者間的編輯交互關(guān)系，以句子的作者(以下稱為編輯者)為節(jié)點(diǎn)，將編輯者間編輯關(guān)系(修改、刪除和添加等)為連邊，對(duì)群體協(xié)作編輯交互進(jìn)行網(wǎng)絡(luò)化表示，構(gòu)建詞條“Turing Machine”的群體協(xié)作編輯交互網(wǎng)絡(luò);其是詞條群體協(xié)作編輯過(guò)程的具體刻畫(huà)，考慮了不同時(shí)間(編輯行為隨著時(shí)間逐漸累積)、不同編輯者、編輯者對(duì)應(yīng)的編輯內(nèi)容和編輯者之間的關(guān)系;從網(wǎng)絡(luò)中心性和模式2 個(gè)不同的視角粒度對(duì)群體結(jié)構(gòu)進(jìn)行多粒度分析，如圖3 所示，圖3(a)為網(wǎng)絡(luò)節(jié)點(diǎn)拓?fù)鋭?shì)影響力分布示意圖(節(jié)點(diǎn)的拓?fù)鋭?shì)值越大，節(jié)點(diǎn)越大，影響力也越大)，圖3(b)為網(wǎng)絡(luò)社團(tuán)劃分結(jié)構(gòu)示意圖，分析可知網(wǎng)絡(luò)具有小世界特性，這利于個(gè)體優(yōu)秀知識(shí)或行為在群體中迅速傳播，達(dá)成共識(shí)。

圖3 不同視角粒度的“Turing Machine”詞條群體協(xié)作編輯交互網(wǎng)絡(luò)結(jié)構(gòu)示意圖

拓?fù)鋭?shì)中心性能夠綜合從節(jié)點(diǎn)主體屬性和節(jié)點(diǎn)局域影響性等方面刻畫(huà)個(gè)體在群體地位作用;由圖3分析可知，隨著群體編輯協(xié)作發(fā)展和編輯群體規(guī)模增大，編輯者間交互增多，交流爭(zhēng)論增多，個(gè)體間相互影響加強(qiáng)，高影響力個(gè)體逐漸增多，但數(shù)量有限;原有局部區(qū)域不斷壯大，同時(shí)新的局部區(qū)域不斷加入，不同的局部區(qū)域相互連接形成更大的區(qū)域群，網(wǎng)絡(luò)結(jié)構(gòu)中心出現(xiàn)了部分的分化和小局域范圍內(nèi)的集中，宏觀上呈現(xiàn)出比較明顯的局部網(wǎng)絡(luò)中心趨勢(shì)，而且拓?fù)鋭?shì)值更大的節(jié)點(diǎn)對(duì)其周圍節(jié)點(diǎn)的影響也越來(lái)越大，逐步形成以“中心”節(jié)點(diǎn)為核的一些抱團(tuán)區(qū)域，逐漸出現(xiàn)了影響力很大的“意見(jiàn)領(lǐng)袖”，其自身知識(shí)、觀點(diǎn)能較快地向周圍節(jié)點(diǎn)擴(kuò)散，可促進(jìn)群體較快達(dá)成共識(shí)。

同時(shí)協(xié)作編輯交互網(wǎng)絡(luò)結(jié)構(gòu)模式也隨之變化，逐漸由以“線型結(jié)構(gòu)、環(huán)型結(jié)構(gòu)和格型結(jié)構(gòu)”模式為主體，演化為以“星型結(jié)構(gòu)”為主體，群體凝聚力逐漸增大。如圖3(b)所示，社團(tuán)在規(guī)模和結(jié)構(gòu)上也呈現(xiàn)出差異性，在網(wǎng)絡(luò)中存在一些較獨(dú)立的線型、環(huán)形結(jié)構(gòu)，它們分屬于不同的小社團(tuán);而格型結(jié)構(gòu)嵌套到星型結(jié)構(gòu)之中，在星型結(jié)構(gòu)所屬的大社團(tuán)中。即協(xié)作編輯交互網(wǎng)絡(luò)結(jié)構(gòu)是以星型結(jié)構(gòu)模式為主體，線型、環(huán)形和格型結(jié)構(gòu)模式為補(bǔ)充的“大中心，小外圍”式網(wǎng)絡(luò)結(jié)構(gòu);“大中心”即指以包含多數(shù)節(jié)點(diǎn)的大社團(tuán)為中心，大社團(tuán)又是由以少數(shù)影響力很大的節(jié)點(diǎn)為中心，(這些節(jié)點(diǎn)間往往也是相互連接的)，多數(shù)影響力較小的節(jié)點(diǎn)為外圍而構(gòu)成的，即大社團(tuán)是“小中心，大外圍”式的結(jié)構(gòu)，形成了由多個(gè)小類星型結(jié)構(gòu)互聯(lián)模式;“小外圍”即指以包含少數(shù)節(jié)點(diǎn)的小社團(tuán)(小社團(tuán)一般為線型、環(huán)型結(jié)構(gòu))為補(bǔ)充，圍繞在大社團(tuán)外圍。協(xié)作編輯交互網(wǎng)絡(luò)結(jié)構(gòu)是其組成的混合結(jié)構(gòu)，具有層次性，這種結(jié)構(gòu)穩(wěn)定性較強(qiáng)，也利于群體協(xié)作有效達(dá)成共識(shí)、群體中知識(shí)傳播共享和群體智能涌現(xiàn)。

上述研究方法已在相關(guān)研究中得到了應(yīng)用和驗(yàn)證［14-22］，表明了該研究方法的合理性和有效性。

3 結(jié)束語(yǔ)

本文對(duì)大數(shù)據(jù)時(shí)代下大眾廣泛深度交互的互聯(lián)網(wǎng)環(huán)境進(jìn)行了分析闡述，提出并釋義了網(wǎng)絡(luò)群體智能，分析總結(jié)了其特性，提出了網(wǎng)絡(luò)群體智能研究方法，深化了對(duì)在線復(fù)雜信息系統(tǒng)和網(wǎng)絡(luò)群體智能的認(rèn)識(shí)理解，豐富了網(wǎng)絡(luò)群體智能研究的基礎(chǔ)理論方法，拓展了群體智能、云計(jì)算和社會(huì)計(jì)算研究，具有一定的理論和現(xiàn)實(shí)意義。隨著互聯(lián)網(wǎng)的飛速發(fā)展和人們觀念的與時(shí)俱進(jìn)，網(wǎng)絡(luò)群體智能研究和應(yīng)用前景一定會(huì)越來(lái)越好。

［1］馬衛(wèi)東，李幼平，馬建國(guó)，等.面向Web 網(wǎng)頁(yè)的區(qū)域用戶行為實(shí)證研究［J］.計(jì)算機(jī)學(xué)報(bào)，2008，31(6):960-967.

［2］Zhao Dongjie，Jiang Jian，Zhang Haisu，et al.Research on internet evolution mode based on user behavior［C］//2010 Asia-Pacific Youth Conference on Communication Technology.2010:835-839.

［3］Bonabeau E，Dorigo M，Theraulaz G.Swarm Intelligence:From Natural to Artificial Systems［M］.New York:Oxford University Press，1999.

［4］Kennedy J，Eberhart R C，Shi Y H.Swarm Intelligence［M］.San Francisco:Morgan Kaufmann Publishers，2001.

［5］Asch S.Social Psychology［M］.New York:Prentice Hall，1952:486.

［6］Harcourt Brace.Social Behavior:Its Elementary Forms［M］.New York:Ggorg C Homans Revied，1964:428-455.

［7］Tim O’Reilly.What Is Web 2.0?［EB/OL］.http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/what-is-web-20.html，2005-09-30.

［8］Pink D H.Folksonomy［N］.New York Times，2005-12-11.

［9］Luis von Ahn.Human Computation［D］.Carnegie Mellon University，2005.

［10］Don Tapscott，Anthony Williams.Wikinomics:How Mass Collaboration Changes Everything［M］.Richmond:Portfolio Books，2006.

［11］黃欣榮.復(fù)雜性科學(xué)的方法論研究［M］.重慶:重慶大學(xué)出版社，2006.

［12］Li Deyi，Chen Guisheng，Cao Baohua.Complex networks and networked data mining［M］// Advanced Data Mining and Applications，Lecture Notes in Computer Science.Springer，2005，3584:10-12.

［13］李德毅，杜鶿.不確定性人工智能［M］.北京:國(guó)防工業(yè)出版社，2005.

［14］江健，淦文燕，趙東杰，等.基于拓?fù)鋭?shì)的社會(huì)通信網(wǎng)局域中心性分析［J］.系統(tǒng)工程學(xué)報(bào)，2010，25(6):861-866.

［15］趙東杰，郝黎，李德毅，等.維基百科詞條編輯特性研究［J］.計(jì)算機(jī)科學(xué)，2011，38(10A):153-156.

［16］趙東杰，何宇，楊海濤，等.基于演化涌現(xiàn)的復(fù)雜信息網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化［J］.科技導(dǎo)報(bào)，2011(36):23-27.

［17］趙東杰，王華，李德毅，等.基于拓?fù)鋭?shì)熵的維基百科詞條編輯演化研究［J］.科技導(dǎo)報(bào)，2012(4):71-74.

［18］趙東杰，王華，李德毅，等.基于CAS 理論的群體協(xié)作維基詞條編輯建模仿真［J］.上海理工大學(xué)學(xué)報(bào)，2012，34(5):441-446.

［19］Zhao Dongjie，Zhang Haisu，Han Yanni，et al.An approach to study collective intelligence based on networked data mining［C］// 2010 the 3rd International Conference on Computational Intelligence and Industrial Application.2010:239-243.

［20］Jiang Jian，Zhang Haisu，Zhao Dongjie，et al.A networked approach for user valuation in telecommunication networks［C］// 2010 International Conference on Internet Technology and Applications.2010.

［21］Zhao Dongjie，Yang Haitao，Jiang Jian，et al.A research for the centrality of article edit collective in Wikipedia［C］// 2011 International Conference of Information Technology，Computer Engineering and Management Sciences.2011:363-366.

［22］Zhao Dongjie，Jiang Jian，Li Deyi，et al.Research on social communication network evolution based on topology potential distribution［C］//The Fourth International Conference on Machine Vision，2011.