网页信息大部分都是非结构化的，如何让这些非结构化信息结构化呢？我以为，通过社会化方式能部分地解决这个问题。某一网页的信息可能是非结构化的，不过当用户为其贴上标签（tags）时，这部分信息已被打上了结构化的烙印。一定程度上，标签（tags）是对非结构化信息的结构化分类。而且更为重要的是，标签（tags）这种结构化分类，比以往任何的文本自动分类和人工的分类目录更加具体和人性化。

    作者要指出的是，当前社会化引擎在对于标签的利用方式上，存在一些不合理的地方，或忽略的要素。主要表现为标签仅仅是贴在收藏结果后面的尾巴，而没有把标签用于对非结构化收藏结果的整体分类。因此，我提供一种模式：

    标签作为分类的位置放在搜索框的下面，搜索结果的上面，有些类似于搜狗的网页分类的位置。现在，标签已经不是仅仅作为对收藏结果的被动描述，而是变为积极的分类描述，供用户获取分类下的结果。标签的使用上，与以往也有很大不同。我建议用户用句子或短语作为标签，而不是笼统的关键词。之所以这样，好处在于使分类更具体、意义更明晰。可以让其他用户在最短的时间内，找到需要的分类及结果。社会化引擎在做分类时，需要注意的问题是：文字完全相同的类别（标签），不能并列地放在一起，这样就造成了分类的重复（所谓分类就是把重复的东西归为一个类别）。

    在对收藏结果建立索引方面，有两种不同的方式。其中之一是，对收藏结果的摘要建立索引。这种方式的好处是，数据所占用的空间少，而缺点也是很明显的：用户一般不喜欢写摘要。另一种方式是，当某个网页被收藏后，系统立即地这个网页建立索引，好处是用户不必填写摘要了，但有一点值得注意：一定要保证搜索结果的相关性。雅虎的收藏+这点做得不好，社会化引擎应该吸取雅虎的这个负面经验教训。

    为了保证社会化搜索的优势得到最大限度的发挥，我以为用户必须使用标签（tags）。

    二、引进同义词词库

    社会化引擎应该做一个同义词词库，这样做完全是站在用户的角度，为了给用户提供方便而做的服务。同时为了改善用户的搜索体验，社会化引擎应该具备网页快照的功能。除了收藏网页信息以外，用户应该还能将自己的文件上传、添加到自己的收藏中。下面，言归正传。谈谈同义词搜索：

    同义词搜索在功能上分为：精确匹配和模糊匹配。区别在于，前者的同义词词库完全建立在权威的《辞海》上，后者则尽可能多地收录生活世界日常语言里的同义词。因此，有必要做两个同义词词库。当然引进同义词搜索的前提是，不能降低搜索结果的相关性。

    三、兴趣群

    每个用户都可以建立自己的兴趣群，用户能够在上面发布信息（多媒体）。其他用户可以参与到群中来，共同完善和丰富这个群。为了保证群内信息的质量，群主有权接纳或剔除某个用户。当然，群主也可以设定为允许任何用户加入。随之而来的问题是：用户该如何获取自己感兴趣的群。我的解决办法有两个：前者叫社会化智能（social intelligence)，由系统根据用户的信息自动把用户引领到某个兴趣群中，当然前提是你得有社会化智能的技术。

    接下来是另一个办法，社会化引擎应该建立一个分类目录，群主在建群时将自己的群添加到某一类及层次分类中。分类目录是需要不断丰富和具体的，因而是一个需要不断做的工作。社会化引擎需要将分类目录尽量做得详细。

    四、社会化引擎与淫秽信息的长期斗争

    淫秽信息一直让政府很头疼，也一直让搜索公司头疼。淫秽信息让搜索公司背了不少黑锅，甚至沦为道义谴责的对象。社会化引擎应该建立一个监督委员会，负责清除淫秽信息。当接到淫秽信息的举报时，委员会有义务将其删除。

    补充一点：性知识、性保健及成人用品这类信息在性质上可能是色情的，但不是淫秽的。根据《现代汉语词典》“色情”的定义，是指性欲方面表现出来的情绪。由此可见，色情不是一个贬义词。如果它们遭遇打击的话，恐怕治疗性疾病的医院也在打击范围之内。

    “淫秽”的定义，是指性行为上违反道德标准。宣扬乱伦、一夜情及强奸之类的信息，在本质上是淫秽的，应该毫不留情地打击。在此，作者为打击不良信息方面，提供一个精确标准和依据。

    五、社会化搜索与电子商务

    这是经济学家的工作。我在此仅提供一个思考维度，我觉得社会化引擎应该尝试与电子商务结合。经济是互联网存在的根本动力和这座大厦的物质基础。如何利用自身社会化优势，在电子商务这个领域，有一番作为，是值得思考的。我以为，电子商务，或笼统地说，经济利益的驱动，能让互联网和社会化引擎更加繁荣。

    作者的blog
    http://hi.baidu.com/bewisdom 

     

    参与讨论>>