高青青

摘要：本文試圖從一些特定的領域來闡述網(wǎng)絡信息計量學的發(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)絡信息的計量（即影響因子）等方面。筆者認為在目前的網(wǎng)絡環(huán)境和技術(shù)條件下，對網(wǎng)絡信息的計量顯得困難重重，但隨著研究的不斷深入和研究工作者的不懈努力，網(wǎng)絡信息計量學仍然可以取得長足發(fā)展并付之實踐。筆者同時認為網(wǎng)絡信息計量的前提是對網(wǎng)絡結(jié)構(gòu)的計量研究，其中，圖論和拓撲結(jié)構(gòu)是很重要的工具。

關鍵詞：網(wǎng)絡信息計量;搜索引擎;影響因子;圖論分類號：G350

引言

自20世紀90年代中期以來，對互聯(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)絡文本研究，它主要是把現(xiàn)在信息計量學運用于互聯(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域稱為網(wǎng)絡信息計量學，英文名稱為“webometrics”或“cybermetrics”[1] 。本文闡述了最近業(yè)內(nèi)對網(wǎng)絡信息搜索的研究，并對網(wǎng)頁的鏈接和網(wǎng)絡文獻的影響因子進行了研究，而且筆者還簡述了圖論與拓撲學在網(wǎng)絡結(jié)構(gòu)研究中的重要作用，希望能從中找出一些具有價值的研究方向。

1網(wǎng)絡搜索引擎的查準率與查全率的研究

搜索引擎是網(wǎng)上的導航工具，它是通過采集、標引眾多網(wǎng)絡站點來提供全局性網(wǎng)絡資源控制與檢索機制，并對全球網(wǎng)絡中所有的信息資源進行集合、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、查準率、可到達性等都不能盡如人意。這些可以通過網(wǎng)絡信息計量的研究結(jié)果加以改善。

1997年12月，AltaVista、HotBot、NorthernLight、Excite、Lycos和 Infoseek六個商業(yè)網(wǎng)絡搜索引擎全面運行，共索引了32億個網(wǎng)頁，但這同時也表明了任何一個網(wǎng)絡搜索引擎的檢全率都愛到極大的限制，單個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，例如搜索引擎對本站服務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關系到搜索引擎的檢全率。目前學術(shù)界對搜索引擎的研究和報道主要集中于網(wǎng)絡的各個站點和網(wǎng)頁的鏈接兩個方面，這很現(xiàn)實地把研究重點對準了搜索引擎的覆蓋面，說明了搜索引擎的在時間上的序列性與連續(xù)性。例如英國文獻學家Ingwersen以及Snyder 和 Rosenbaum等人就著重對AltaVista覆蓋范圍內(nèi)的網(wǎng)頁和站點的鏈接結(jié)構(gòu)進行了研究，并提出了搜索引擎應該聯(lián)合起來以促進信息的共享[3]。筆者亦認為這是可行的。搜索引擎的聯(lián)合有利于對信息的量化，對信息的規(guī)范起來了保障作用。同時，搜索引擎在信息網(wǎng)站的選擇上也應該有選擇地覆蓋，這樣可以很好的避免信息量大但實用性小的現(xiàn)象，對搜索引擎的檢準率是一個很大的幫助。

2網(wǎng)頁分布的研究

計算機專家Cronin和McKim提到“網(wǎng)絡正在改變著學術(shù)交流，任何新的學術(shù)理論和著作很快便能在網(wǎng)上共享，我們應該感謝計算機網(wǎng)絡”[4]。然而，怎么促進網(wǎng)絡信息的更好交流，則需要對各網(wǎng)絡站點結(jié)構(gòu)進行量化分析，得出網(wǎng)絡結(jié)構(gòu)及其迅速增長的模型，只有如此才能正確地比量出網(wǎng)絡信息與網(wǎng)絡高速公路的關聯(lián)。這些正是網(wǎng)絡信息計量研究者們需要做的工作。

網(wǎng)絡的結(jié)構(gòu)是各網(wǎng)絡站點相互鏈接的反映，而網(wǎng)絡鏈接又使網(wǎng)絡文獻呈現(xiàn)出各種聚類關系，促使各網(wǎng)站間存在著復雜的引用關系。網(wǎng)絡信息計量學的一個重要研究內(nèi)容便是網(wǎng)絡中的Web網(wǎng)頁之間的鏈接引用關系以及同被引與引文耦關系，最終用以揭示站點之間的相關性?；ヂ?lián)網(wǎng)是一個由節(jié)點和鏈構(gòu)成的信息資源網(wǎng)絡，是一個非純屬結(jié)構(gòu)的超文本系統(tǒng)，不僅適合表達多媒體信息資源，還善于構(gòu)造和表示網(wǎng)絡信息資源之間的多方面、多層次的復雜關系。

有關網(wǎng)絡結(jié)構(gòu)的研究，涉及到計算機、人工智能、拓撲學、社會學、圖論等多種學科、領域的知識。一方面各個領域的研究者不得不吸收其它領域的研究方法，而另一方面又使不同領域的研究者都能找到研究切入點。最后導致的結(jié)果就是這方面的研究者和研究方法的構(gòu)成最大化，也是最容易引起爭議的研究領域，成為各個相關學科的“必爭之地”。

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)絡站點的分布與內(nèi)部鏈接情況。他與后來的Ingwersen一樣使用了舊版本的AltaVista進行統(tǒng)計研究，他利用“信息計量學+文獻計量學+科學計量學”搜索出了共343個相關網(wǎng)頁，通過分析研究，他不僅發(fā)現(xiàn)了網(wǎng)絡各搜索引擎具有相對獨立性，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通過對某一國家網(wǎng)站的研究，試圖從網(wǎng)絡影響因子（Web Impact Factors，Web-IF）來說明網(wǎng)頁鏈接之間的關系[6]。他的主要研究成果體現(xiàn)在三個方面：1）每一個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)被鏈接進來，自鏈接不會影響到總體的影響因子?！?com”域名的網(wǎng)絡站點的影響因子大約是0.5，但平均影響因子只有0.39；2）某一域名站點的影響因子比其域名網(wǎng)絡的影響因子更可靠，而且可以從前者推導出后者；3）通過差異計算可以評價一個搜索引擎的好壞。

此后還有很多學者對網(wǎng)頁影響因子進行了大量的研究，但都沒能得出一個統(tǒng)一而又具體的標準和計量方法，這也正體現(xiàn)了網(wǎng)絡信息計量的復雜性。

其實，就目前網(wǎng)絡的規(guī)范程度，要對網(wǎng)頁進行很實用的影響因子評價還不太具備可操作性。首先，網(wǎng)頁的量太大，網(wǎng)絡的飛速發(fā)展使得網(wǎng)頁的數(shù)量急劇增長，個人主頁、主題頁（某一主題的專指網(wǎng)頁）、各機構(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)絡信息計量學

圖論（Graph Theory）是數(shù)學的一個分支。它以圖為研究對象。圖論中的圖是由若干給定的點及連接兩點的線所構(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系，用點代表事物，用連接兩點的線表示相應兩個事物間具有這種關系。圖論多用于描述社會關系、生態(tài)鏈以及Internet網(wǎng)絡等關系網(wǎng)絡，在信息計量學中，圖論也發(fā)揮了重要作用，例如在引文關系和概念分類系統(tǒng)等方面。理所當然，圖論也能在網(wǎng)絡信息計量中發(fā)揮重要角色，一般的，我們可以用點來表示網(wǎng)頁或網(wǎng)絡文獻，用線來描繪鏈接關系。

利用圖論可以很好地對網(wǎng)絡結(jié)構(gòu)進行分析。2000年，布羅德（Broder）等人首先利用圖論得出了一個針對網(wǎng)絡的結(jié)構(gòu)模型[7]。并且他們利用該模型建立了一個包含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)絡結(jié)構(gòu)的研究方面價值很大，為人們弄清網(wǎng)絡復雜的鏈接關系提供了很好的基礎。

圖論的發(fā)展過程中，衍生出了一種專門用于計算機領域的學科即拓撲學。在網(wǎng)絡領域里，拓撲結(jié)構(gòu)得到完美的運用，我們完全也可以把它當成是網(wǎng)絡信息計量的一種運用。目前網(wǎng)絡信息的計量問題主要還是集中在網(wǎng)絡文獻（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，筆者認為，在弄清網(wǎng)頁的結(jié)構(gòu)并對其結(jié)構(gòu)有一定的理論基礎之前，網(wǎng)絡信息的計量問題很難取得實質(zhì)性的進展。因此，利用圖論的拓撲學的相關方法和理論來加強對網(wǎng)絡的結(jié)構(gòu)研究將會是奠基性工作，這也會是一大難點。

筆者之所以認為對網(wǎng)絡結(jié)構(gòu)的研究才是當前最重要的網(wǎng)絡信息計量工作主要是因為當前學術(shù)界所持的網(wǎng)絡信息計量研究的幾個重點都寓于其中。網(wǎng)絡媒體信息本身的計量研究的實質(zhì)就是對網(wǎng)絡結(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)絡結(jié)構(gòu)息息相關；網(wǎng)上文獻信息的計量分析主要是考慮著者與文獻的分布、文獻的增長與老化規(guī)律以及引文分析，在這幾個因素中，網(wǎng)絡結(jié)構(gòu)都起到了支配作用；網(wǎng)頁影響因子與數(shù)據(jù)庫中的知識發(fā)現(xiàn)的進行也很顯然是網(wǎng)絡結(jié)構(gòu)基礎上的研究工作。因此，加強對網(wǎng)絡結(jié)構(gòu)的研究將是網(wǎng)絡信息計量的突破口。

5結(jié)語

顯然，本文所闡述很多都是學術(shù)界一致的成果表達，但就筆者看來，當今的網(wǎng)絡信息是屬于“失控”局面，即不能有一種完善的辦法對其進行計量統(tǒng)計。要用一種模式把網(wǎng)絡上全部形式的信息都聯(lián)系在一起不僅技術(shù)和理論上都還沒達到這個水平，而且基礎設施方面也很欠缺；但筆者相信，只要從根本著手，能夠?qū)W(wǎng)絡結(jié)構(gòu)進行量化統(tǒng)計表述，網(wǎng)絡信息的計量問題也就迎刃而解了，為此，筆者認為圖論與拓撲結(jié)構(gòu)是很好的研究工具。

參考文獻:

[1]邱均平,張洋.網(wǎng)絡信息計量學綜述[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.