请教大家一个问题，关于网站粒度
3 views
Skip to first unread message
Jhone
Dec 6, 2009, 2:23:54 AM12/6/09
to UCDChina
前日在查阅一些信息架构方面的资料，看到一个名词，是网站粒度，不是很清楚，于是就开始google和百度
结果都是一无所获
在这里，想要问问大家，看看各位牛人，给咱来说说吧
结果都是一无所获
在这里，想要问问大家，看看各位牛人，给咱来说说吧
twinsant
Dec 6, 2009, 3:21:51 AM12/6/09
to ucdc...@googlegroups.com
Tony
Dec 6, 2009, 4:45:34 AM12/6/09
to ucdc...@googlegroups.com
这篇文章是我年初写的，不知道为什么是一个跳转链接？
相信读完之后应该可以有一个基本的认识，最近又沉淀了一些思考，如下：
把视线放到整个中文互联网，把中文网站当成一个大资料库，如何组织信息与信息的关系，信息的流通，让用户能更加方便地获取到想要的信息，这是信息架构研究的范畴，这个课题很大。
用户查找信息的渠道分几种：
1 搜索
2 目录索引（不要忽略这类用户需求）
3 被动接收（机器+朋友）
抛开3不说，单说1和2，为什么百度在中国既可以做搜索，又做目录索引：百科，知道，mp3？而google没有做？
因为在外国，各个领域的垂直分类做得非常完善。在google成功之前这个体系就已经很成熟了。
尽管百度做了百科，但是有很多垂直细分领域的目录，在中国是没有建立起来的，或者说没有很好的建立起来。
但研究信息架构究竟对你有什么帮助？
我不觉得信息架构是一个高深的领域，几年之后，我更相信这应该是常识。
总之这个话题有点大，对百科来说，信息粒度是“词条”，这个粒度是很粗的，粗的粒度包容性强，细的粒度是针对垂直领域的网站。
但是，现状是，中文内容在垂直领域表现真是差强人意，我觉得是常识普及的问题。
相信读完之后应该可以有一个基本的认识，最近又沉淀了一些思考，如下：
把视线放到整个中文互联网，把中文网站当成一个大资料库，如何组织信息与信息的关系，信息的流通，让用户能更加方便地获取到想要的信息，这是信息架构研究的范畴，这个课题很大。
用户查找信息的渠道分几种：
1 搜索
2 目录索引（不要忽略这类用户需求）
3 被动接收（机器+朋友）
抛开3不说，单说1和2，为什么百度在中国既可以做搜索，又做目录索引：百科，知道，mp3？而google没有做？
因为在外国，各个领域的垂直分类做得非常完善。在google成功之前这个体系就已经很成熟了。
尽管百度做了百科，但是有很多垂直细分领域的目录，在中国是没有建立起来的，或者说没有很好的建立起来。
但研究信息架构究竟对你有什么帮助？
我不觉得信息架构是一个高深的领域，几年之后，我更相信这应该是常识。
总之这个话题有点大，对百科来说，信息粒度是“词条”，这个粒度是很粗的，粗的粒度包容性强，细的粒度是针对垂直领域的网站。
但是，现状是，中文内容在垂直领域表现真是差强人意，我觉得是常识普及的问题。
2009/12/6 twinsant <twin...@gmail.com>
Alan
Dec 6, 2009, 4:50:34 AM12/6/09
to ucdchina
网页分析算法可以归纳为基于网络拓扑、基于网页内容和基于用户访问行为三种类型
基于网络拓扑的分析算法
基于网页之间的链接，通过已知的网页或数据，来对与其有直接或间接链接关系的对象（可以是网页或网站等）作出评价的算法。又分为网页粒度、网站粒度和网页块粒度这三种。
基于网页之间的链接，通过已知的网页或数据，来对与其有直接或间接链接关系的对象（可以是网页或网站等）作出评价的算法。又分为网页粒度、网站粒度和网页块粒度这三种。
1 网页(Webpage)粒度的分析算法
PageRank和HITS算法是最常见的链接分析算法，两者都是通过对网页间链接度的递归和规范化计算，得到每个网页的重要度评价。PageRank算法虽然考虑了用户访问行为的随机性和Sink网页的存在，但忽略了绝大多数用户访问时带有目的性，即网页和链接与查询主题的相关性。针对这个问题，HITS算法提出了两个关键的概念：权威型网页（authority）和中心型网页（hub）。
PageRank和HITS算法是最常见的链接分析算法，两者都是通过对网页间链接度的递归和规范化计算，得到每个网页的重要度评价。PageRank算法虽然考虑了用户访问行为的随机性和Sink网页的存在，但忽略了绝大多数用户访问时带有目的性，即网页和链接与查询主题的相关性。针对这个问题，HITS算法提出了两个关键的概念：权威型网页（authority）和中心型网页（hub）。
基于链接的抓取的问题是相关页面主题团之间的隧道现象，即很多在抓取路径上偏离主题的网页也指向目标网页，局部评价策略中断了在当前路径上的抓取行为。文献[21]提出了一种基于反向链接（BackLink）的分层式上下文模型（Context Model），用于描述指向目标网页一定物理跳数半径内的网页拓扑图的中心Layer0为目标网页，将网页依据指向目标网页的物理跳数进行层次划分，从外层网页指向内层网页的链接称为反向链接。
2 网站粒度的分析算法
网站粒度的资源发现和管理策略也比网页粒度的更简单有效。网站粒度的爬虫抓取的关键之处在于站点的划分和站点等级(SiteRank)的计算。SiteRank的计算方法与PageRank类似，但是需要对网站之间的链接作一定程度抽象，并在一定的模型下计算链接的权重。
网站粒度的资源发现和管理策略也比网页粒度的更简单有效。网站粒度的爬虫抓取的关键之处在于站点的划分和站点等级(SiteRank)的计算。SiteRank的计算方法与PageRank类似，但是需要对网站之间的链接作一定程度抽象，并在一定的模型下计算链接的权重。
网站划分情况分为按域名划分和按IP地址划分两种。文献[18]讨论了在分布式情况下，通过对同一个域名下不同主机、服务器的IP地址进行站点划分，构造站点图，利用类似PageRank的方法评价SiteRank。同时，根据不同文件在各个站点上的分布情况，构造文档图，结合SiteRank分布式计算得到DocRank。文献[18]证明，利用分布式的SiteRank计算，不仅大大降低了单机站点的算法代价，而且克服了单独站点对整个网络覆盖率有限的缺点。附带的一个优点是，常见PageRank 造假难以对SiteRank进行欺骗。
3 网页块粒度的分析算法
在一个页面中，往往含有多个指向其他页面的链接，这些链接中只有一部分是指向主题相关网页的，或根据网页的链接锚文本表明其具有较高重要性。但是，在PageRank和HITS算法中，没有对这些链接作区分，因此常常给网页分析带来广告等噪声链接的干扰。在网页块级别(Blocklevel)进行链接分析的算法的基本思想是通过VIPS网页分割算法将网页分为不同的网页块(page block)，然后对这些网页块建立pagetoblock和blocktopage的链接矩阵，分别记为Z和X。于是，在pagetopage图上的网页块级别的PageRank为Wp=X×Z；在blocktoblock图上的BlockRank为Wb=Z×X。已经有人实现了块级别的PageRank和HITS算法，并通过实验证明，效率和准确率都比传统的对应算法要好。
在一个页面中，往往含有多个指向其他页面的链接，这些链接中只有一部分是指向主题相关网页的，或根据网页的链接锚文本表明其具有较高重要性。但是，在PageRank和HITS算法中，没有对这些链接作区分，因此常常给网页分析带来广告等噪声链接的干扰。在网页块级别(Blocklevel)进行链接分析的算法的基本思想是通过VIPS网页分割算法将网页分为不同的网页块(page block)，然后对这些网页块建立pagetoblock和blocktopage的链接矩阵，分别记为Z和X。于是，在pagetopage图上的网页块级别的PageRank为Wp=X×Z；在blocktoblock图上的BlockRank为Wb=Z×X。已经有人实现了块级别的PageRank和HITS算法，并通过实验证明，效率和准确率都比传统的对应算法要好。
基于网页内容的网页分析算法
基于网页内容的分析算法指的是利用网页内容（文本、数据等资源）特征进行的网页评价。网页的内容从原来的以超文本为主，发展到后来动态页面（或称为Hidden Web）数据为主，后者的数据量约为直接可见页面数据（PIW，Publicly Indexable Web）的400~500倍。另一方面，多媒体数据、Web Service等各种网络资源形式也日益丰富。因此，基于网页内容的分析算法也从原来的较为单纯的文本检索方法，发展为涵盖网页数据抽取、机器学习、数据挖掘、语义理解等多种方法的综合应用。本节根据网页数据形式的不同，将基于网页内容的分析算法，归纳以下三类：第一种针对以文本和超链接为主的无结构或结构很简单的网页；第二种针对从结构化的数据源（如RDBMS）动态生成的页面，其数据不能直接批量访问；第三种针对的数据界于第一和第二类数据之间，具有较好的结构，显示遵循一定模式或风格，且可以直接访问。
基于网页内容的分析算法指的是利用网页内容（文本、数据等资源）特征进行的网页评价。网页的内容从原来的以超文本为主，发展到后来动态页面（或称为Hidden Web）数据为主，后者的数据量约为直接可见页面数据（PIW，Publicly Indexable Web）的400~500倍。另一方面，多媒体数据、Web Service等各种网络资源形式也日益丰富。因此，基于网页内容的分析算法也从原来的较为单纯的文本检索方法，发展为涵盖网页数据抽取、机器学习、数据挖掘、语义理解等多种方法的综合应用。本节根据网页数据形式的不同，将基于网页内容的分析算法，归纳以下三类：第一种针对以文本和超链接为主的无结构或结构很简单的网页；第二种针对从结构化的数据源（如RDBMS）动态生成的页面，其数据不能直接批量访问；第三种针对的数据界于第一和第二类数据之间，具有较好的结构，显示遵循一定模式或风格，且可以直接访问。
twinsant
Dec 6, 2009, 9:09:26 AM12/6/09
to ucdc...@googlegroups.com
2009/12/6 Tony <eeeee...@gmail.com>
因为为了跟踪链接的点击量，我自己写的短网址跳转计数 XD
最近在认真读北极熊书，顺便思考信息和信息架构，
这篇文章是我年初写的，不知道为什么是一个跳转链接？
因为为了跟踪链接的点击量，我自己写的短网址跳转计数 XD
最近在认真读北极熊书，顺便思考信息和信息架构，
这是我的最近的思考：
http://www.dongxhui.com/s/6vTh/
(我绘制的重要的图请移步上面的链接观看）
主要文字：
信息就是我们内部思维感知到的外部世界表现。
人类收集的信息大部分来自于视觉。
信息的第一次革命表现在信息的语言文字化，信息变得可传播。
信息的第二次革命表现在信息的图像化，外部世界第一次以原貌可以被记录传播。
信息在跨入信息时代后被数字化是最伟大的革命。信息变得可以被计算。
信息技术将极大改变人类文明的进程，会影响到社会的方方面面。
蚂蚁最近关注信息与商业的关系，开始琢磨信息架构。
“信息想要免费，但稀缺的注定昂贵”。
要注意信息生产的特点。
http://www.dongxhui.com/s/6vTh/
(我绘制的重要的图请移步上面的链接观看）
主要文字：
信息就是我们内部思维感知到的外部世界表现。
人类收集的信息大部分来自于视觉。
信息的第一次革命表现在信息的语言文字化，信息变得可传播。
信息的第二次革命表现在信息的图像化，外部世界第一次以原貌可以被记录传播。
信息在跨入信息时代后被数字化是最伟大的革命。信息变得可以被计算。
信息技术将极大改变人类文明的进程，会影响到社会的方方面面。
蚂蚁最近关注信息与商业的关系，开始琢磨信息架构。
“信息想要免费，但稀缺的注定昂贵”。
要注意信息生产的特点。
Jhone
Dec 7, 2009, 1:02:00 PM12/7/09
to UCDChina
嗨，你说百度知道，粒度是词条，那么就是说百度知道是由词条来构成的，这个我可以理解。
但是，我是在看北极熊，《WEB信息架构》这本书时遇到的问题
书中在介绍异质性网站构成时，提到"网站通常可以存取文件，而且网站内各组件的粒度各有不同，网站也许同时展示文章和期刊及期刊数据库，连接可能会联想
网页、网站也中的章节，或者其他网站"在这个里面我就不太理解，书中提到的网站组件的粒度是指什么？
这个里面提及到的网站组件的粒度，是说功能的设计，还是说实现功能的技术层面的语言方面呢？
大家都知道，信息架构很难说是精通美术设计和技术还有市场都精通的，而我现在处在分岔口上，也做一些技术，可以说是稍微的敲开了一下技术的大门，市场和
策划也是在做，之前也是画画出身，所以，现在从我自身了解和掌握的能力来说，理解这些东西，容易想的比较复杂，希望朋友们给予一些指点。
但是，我是在看北极熊，《WEB信息架构》这本书时遇到的问题
书中在介绍异质性网站构成时，提到"网站通常可以存取文件，而且网站内各组件的粒度各有不同，网站也许同时展示文章和期刊及期刊数据库，连接可能会联想
网页、网站也中的章节，或者其他网站"在这个里面我就不太理解，书中提到的网站组件的粒度是指什么？
这个里面提及到的网站组件的粒度，是说功能的设计，还是说实现功能的技术层面的语言方面呢？
大家都知道，信息架构很难说是精通美术设计和技术还有市场都精通的，而我现在处在分岔口上，也做一些技术，可以说是稍微的敲开了一下技术的大门，市场和
策划也是在做，之前也是画画出身，所以，现在从我自身了解和掌握的能力来说，理解这些东西，容易想的比较复杂，希望朋友们给予一些指点。
On Dec 6, 5:45 pm, Tony <eeeeee1...@gmail.com> wrote:
> 这篇文章是我年初写的，不知道为什么是一个跳转链接？
>
> 相信读完之后应该可以有一个基本的认识，最近又沉淀了一些思考，如下：
>
> 把视线放到整个中文互联网，把中文网站当成一个大资料库，如何组织信息与信息的关系，信息的流通，让用户能更加方便地获取到想要的信息，这是信息架构研究的范畴 ，这个课题很大。
>
> 用户查找信息的渠道分几种：
> 1 搜索
> 2 目录索引（不要忽略这类用户需求）
> 3 被动接收（机器+朋友）
>
> 抛开3不说，单说1和2，为什么百度在中国既可以做搜索，又做目录索引：百科，知道，mp3？而google没有做？
> 因为在外国，各个领域的垂直分类做得非常完善。在google成功之前这个体系就已经很成熟了。
> 尽管百度做了百科，但是有很多垂直细分领域的目录，在中国是没有建立起来的，或者说没有很好的建立起来。
>
> 但研究信息架构究竟对你有什么帮助？
> 我不觉得信息架构是一个高深的领域，几年之后，我更相信这应该是常识。
>
> 总之这个话题有点大，对百科来说，信息粒度是"词条"，这个粒度是很粗的，粗的粒度包容性强，细的粒度是针对垂直领域的网站。
> 但是，现状是，中文内容在垂直领域表现真是差强人意，我觉得是常识普及的问题。
>
> 2009/12/6 twinsant <twins...@gmail.com>
>
>
>
> > 是指信息粒度吧？
>
> >http://www.dongxhui.com/s/AT6g/
>
> > 2009/12/6 Jhone <he.peng.fi...@gmail.com>
Jhone
Dec 7, 2009, 1:09:00 PM12/7/09
to UCDChina
嗨，你说的"信息就是我们内部思维感知到的外部世界表现"你这种说法来说，就是犯了信息架构当中最大的一个误区，信息架构应该是客观的而不是主观的，说
到我们内部的思维感知到的外部表现，过分强调了个人主观性，这么来说，更加好像说是自己的感受，或者说是对一件事物的看法还是恰当的，但是信息并非是这
样。
从计算机的角度来说，信息是由数据组成的，信息同样具备属性，数据也同样具备属性，那么元数据又是什么，这几者的关系一直很弄不清楚，比如说，一个人，
那么属性就包括，年龄，性别，学历，收入，工作等等，那么一个人的元数据又是什么呢？
你所说的信息的变革，可以称之为组织信息的形式的变革，并非是信息的变革，信息是不会变革的，是传递信息的方式还有信息的表达形式有所变化，就好比是一
个人，夏天要穿少一些的衣服，但是冬天了就要穿厚一点的衣服，但是人是不变的。同样，也许随着你的信息积累，这些信息的体积会逐渐增大，那么就好比是人
吃多了之后，变胖，是一个效果。
不知道说的恰当不恰当。
到我们内部的思维感知到的外部表现，过分强调了个人主观性，这么来说，更加好像说是自己的感受，或者说是对一件事物的看法还是恰当的，但是信息并非是这
样。
从计算机的角度来说，信息是由数据组成的，信息同样具备属性，数据也同样具备属性，那么元数据又是什么，这几者的关系一直很弄不清楚，比如说，一个人，
那么属性就包括，年龄，性别，学历，收入，工作等等，那么一个人的元数据又是什么呢？
你所说的信息的变革，可以称之为组织信息的形式的变革，并非是信息的变革，信息是不会变革的，是传递信息的方式还有信息的表达形式有所变化，就好比是一
个人，夏天要穿少一些的衣服，但是冬天了就要穿厚一点的衣服，但是人是不变的。同样，也许随着你的信息积累，这些信息的体积会逐渐增大，那么就好比是人
吃多了之后，变胖，是一个效果。
不知道说的恰当不恰当。
On Dec 6, 10:09 pm, twinsant <twins...@gmail.com> wrote:
> 2009/12/6 Tony <eeeeee1...@gmail.com>
twinsant
Dec 8, 2009, 1:16:33 AM12/8/09
to ucdc...@googlegroups.com
2009/12/8 Jhone <he.pen...@gmail.com>
嗨，你说的"信息就是我们内部思维感知到的外部世界表现"你这种说法来说，就是犯了信息架构当中最大的一个误区，信息架构应该是客观的而不是主观的，说
到我们内部的思维感知到的外部表现，过分强调了个人主观性，这么来说，更加好像说是自己的感受，或者说是对一件事物的看法还是恰当的，但是信息并非是这
样。
数据是客观的，信息不是。
建议阅读些许心理学和人类行为学，设计心理学，《建筑的永恒之道》，你会理解我的这个观点更深刻。
从计算机的角度来说，信息是由数据组成的，信息同样具备属性，数据也同样具备属性，那么元数据又是什么，这几者的关系一直很弄不清楚，比如说，一个人，
那么属性就包括，年龄，性别，学历，收入，工作等等，那么一个人的元数据又是什么呢？
信息架构恰恰脱离不开元数据+视觉设计+心理学反射。
我们对信息架构的定义也许各有偏差，我的会比你的定义大。
你所说的信息的变革，可以称之为组织信息的形式的变革，并非是信息的变革，信息是不会变革的，是传递信息的方式还有信息的表达形式有所变化，就好比是一
个人，夏天要穿少一些的衣服，但是冬天了就要穿厚一点的衣服，但是人是不变的。同样，也许随着你的信息积累，这些信息的体积会逐渐增大，那么就好比是人
吃多了之后，变胖，是一个效果。
信息载体或形式恰恰会影响到你对信息的判断，比如你看一个图片和看一段描述这篇图片的文字，你得到的客观世界的判断是不同的。形式和你自己的感知会导致大家对信息背后的含义认识的偏差。
你说我说的所有这些是数据呢？还是信息？
Jhon
Dec 8, 2009, 1:41:50 AM12/8/09
to UCDChina
嗯，理解了！
那上面北极熊当中，提到的那个，网站中各组件的粒度，是指什么？
那上面北极熊当中，提到的那个，网站中各组件的粒度，是指什么？
On Dec 8, 2:16 pm, twinsant <twins...@gmail.com> wrote:
> 2009/12/8 Jhone <he.peng.fi...@gmail.com>
gund...@gmail.com
Dec 8, 2009, 2:55:29 AM12/8/09
to UCDChina
信息的粒度，就是指你想将信息细分的程度。比如一个人，你可以将其元数据定义为性别什么的，也可以一直定义到各个器官的特性什么的。
就看你不同的需求，所需要将问题细分的精细程度了
就看你不同的需求，所需要将问题细分的精细程度了
Jhon
Dec 8, 2009, 2:57:48 AM12/8/09
to UCDChina
噢，明白了！呵呵，这么比喻就了解了！呵呵
Reply all
Reply to author
Forward
0 new messages