[摘要]網(wǎng)絡(luò)使用因子反映桌一國(guó)家或網(wǎng)站的網(wǎng)頁(yè)指向其他網(wǎng)頁(yè)能力的分布情況，可用于測(cè)度某一國(guó)家或網(wǎng)站的鏈接分布特征。網(wǎng)絡(luò)使用因子自誕生起就不可避免的存在一些缺陷，尤其是假設(shè)前提、數(shù)據(jù)獲取和算法本身等方面。建議開(kāi)發(fā)專(zhuān)業(yè)鏈接分析工具，構(gòu)建鏈接分類(lèi)體系，對(duì)不同類(lèi)型的鏈接進(jìn)行加權(quán)得到“加權(quán)出鏈數(shù)”，并據(jù)此計(jì)算“加權(quán)網(wǎng)絡(luò)使用因子”。
　　[關(guān)鍵詞]出鏈數(shù)　網(wǎng)絡(luò)使用因子　鏈接分析工具　加權(quán)網(wǎng)絡(luò)使用因子
　　[分類(lèi)號(hào)]G353.1
　　
　　在圖書(shū)情報(bào)領(lǐng)域，鏈接分析已成為學(xué)術(shù)研究熱點(diǎn)，從最初的介紹性研究到越來(lái)越多的實(shí)證研究，其研究日益深入實(shí)際應(yīng)用。在實(shí)證研究中，某些鏈接指標(biāo)備受爭(zhēng)議。鏈接分析計(jì)量指標(biāo)大體可分為4類(lèi)：①鏈接數(shù)量特征計(jì)量指標(biāo)：總鏈接數(shù)、出鏈數(shù)；②鏈接分布特征計(jì)量指標(biāo)：鏈接密度、頁(yè)面平均鏈接數(shù)、網(wǎng)絡(luò)使用因子；③網(wǎng)站影響力計(jì)量指標(biāo)：入鏈數(shù)、網(wǎng)絡(luò)影響因子、鏈接傾向；④網(wǎng)頁(yè)重要性計(jì)量指標(biāo)：Pagerank算法、HITS算法等。因?yàn)閷?duì)鏈接的討論往往只涉及大學(xué)網(wǎng)站的入鏈數(shù)，而較少涉及大學(xué)網(wǎng)站的出鏈數(shù)，導(dǎo)致與出鏈數(shù)密切相關(guān)的網(wǎng)絡(luò)使用因子在應(yīng)用廣泛性、受關(guān)注度方面遜色于網(wǎng)絡(luò)影響因子(Web Impact Factors，WIF)。本文對(duì)網(wǎng)絡(luò)使用因子在鏈接分析中存在的缺陷進(jìn)行探討，并提出一些改進(jìn)意見(jiàn)。
　　
　　1　網(wǎng)絡(luò)使用因子簡(jiǎn)介
　　
　　1.1　網(wǎng)絡(luò)使用因子的起源及概念
　　網(wǎng)絡(luò)使用因子(Web Use Factors，WUF)是反映某一國(guó)家或網(wǎng)站的網(wǎng)頁(yè)指向其他網(wǎng)頁(yè)能力的分布情況的計(jì)量指標(biāo)，可用來(lái)測(cè)度某一國(guó)家或網(wǎng)站的鏈接分布特征。長(zhǎng)期以來(lái)，對(duì)鏈接的討論只涉及大學(xué)網(wǎng)站的入鏈數(shù)，而沒(méi)有涉及大學(xué)網(wǎng)站的出鏈數(shù)。直到2003年Thelwall M.省略WUF可根據(jù)有.con域名的鏈接網(wǎng)頁(yè)來(lái)計(jì)算。對(duì)網(wǎng)絡(luò)不同區(qū)域在計(jì)算上的限制，要求對(duì)不同類(lèi)型網(wǎng)頁(yè)如國(guó)內(nèi)、國(guó)際、教育、商業(yè)網(wǎng)頁(yè)進(jìn)行比較。另外，解釋頂級(jí)域名如．tom、edu、uk的計(jì)算結(jié)果時(shí)必須謹(jǐn)慎，因?yàn)椴荒苤粡谋砻娼忉岉敿?jí)域名。例如，.省略域名，并且在現(xiàn)實(shí)中，.com域名包含了龐雜無(wú)章的各類(lèi)信息；即使是.edu域名也不局限于美國(guó)的大學(xué)。
　　
　　1.2　網(wǎng)絡(luò)使用因子的算法
　　出鏈數(shù)指從某個(gè)網(wǎng)頁(yè)出發(fā)的鏈接總數(shù)量。某一國(guó)家或網(wǎng)站的出鏈數(shù)除以網(wǎng)頁(yè)數(shù)、科研人員數(shù)或科研生產(chǎn)率便得到了網(wǎng)頁(yè)平均出鏈數(shù)、科研人員平均出鏈數(shù)或科研生產(chǎn)率平均出鏈數(shù)，即WUF。如果一個(gè)國(guó)家的科研生產(chǎn)率數(shù)據(jù)很難獲得，并且有理由相信該國(guó)的大學(xué)在研究能力上相似，或者因?yàn)樯虡I(yè)搜索引擎和專(zhuān)業(yè)網(wǎng)絡(luò)爬行工具覆蓋范圍的問(wèn)題導(dǎo)致難以計(jì)算一個(gè)網(wǎng)站的網(wǎng)頁(yè)數(shù)，則科研人員數(shù)就成為WUF的分母；但若科研人員數(shù)無(wú)法獲得，仍要用網(wǎng)頁(yè)數(shù)作分母。
　　綜上所述，筆者用某一國(guó)家或網(wǎng)站的出鏈數(shù)作為分子，分別用該國(guó)家或網(wǎng)站的網(wǎng)頁(yè)數(shù)、科研人員數(shù)和科研生產(chǎn)率作為分母，得出WUF的不同算法，即：
　　
　　1.3　網(wǎng)絡(luò)使用因子的應(yīng)用
　　其實(shí)，WUF在統(tǒng)計(jì)意義上的可信度并不比WIF低。WUF與平均科研生產(chǎn)率顯著相關(guān)；科研生產(chǎn)率高的大學(xué)建立了更多出鏈，可能因?yàn)檫@些大學(xué)制作了數(shù)量更多、質(zhì)量更高的網(wǎng)頁(yè)。這與對(duì)入鏈原因的解釋也是密切相關(guān)的。
　　WUF反映網(wǎng)站出鏈的平均量，通常WUF越高，說(shuō)明網(wǎng)站利用其他網(wǎng)絡(luò)信息資源的程度越高，該網(wǎng)站的信息數(shù)量和質(zhì)量也就可能越高。某一網(wǎng)站可以通過(guò)WUF的計(jì)算知道該網(wǎng)站利用其他網(wǎng)絡(luò)信息資源的能力高低，以及利用其它網(wǎng)絡(luò)信息資源的迫切性，并促使該網(wǎng)站評(píng)估其網(wǎng)頁(yè)對(duì)其它網(wǎng)頁(yè)既往的鏈接中哪些是好的、需要繼續(xù)鏈接的，哪些是差的、需要終止鏈接的以及需要尋找并鏈向哪些新的、優(yōu)質(zhì)的網(wǎng)頁(yè)。雖然目前關(guān)于WUF應(yīng)用的專(zhuān)門(mén)的研究還很少，但WUF與WIF等計(jì)量指標(biāo)相結(jié)合，在網(wǎng)站建設(shè)和管理等方面有很大的應(yīng)用前景。
　　
　　2　網(wǎng)絡(luò)便用因子的缺陷
　　
　　2.1　假設(shè)前提方面存在的問(wèn)題
　　對(duì)鏈接的分析是基于一定假設(shè)前提的，不同假設(shè)基礎(chǔ)上的計(jì)量指標(biāo)，其適用范圍不同。為了證明WUF賴(lài)以存在的假設(shè)前提難以成立，我們先看WIF成立的假設(shè)前提。李江在《鏈接分析工具》中將WIF的假設(shè)前提總結(jié)為：(A1)從網(wǎng)頁(yè)A指向網(wǎng)頁(yè)B的鏈接是網(wǎng)頁(yè)A對(duì)網(wǎng)頁(yè)B的推薦或認(rèn)可；(A2)所有鏈接都是等價(jià)的。該假設(shè)前提同樣適用于WUF，因?yàn)榫W(wǎng)頁(yè)A對(duì)網(wǎng)頁(yè)B網(wǎng)頁(yè)的出鏈就是網(wǎng)頁(yè)B對(duì)網(wǎng)頁(yè)A的入鏈。
　　先從鏈接分類(lèi)的角度來(lái)考查第一條假設(shè)前提是否合理。Smith A.G.將鏈接分為兩類(lèi)：即實(shí)質(zhì)性鏈接和非實(shí)質(zhì)性鏈接，實(shí)質(zhì)性鏈接可理解為代表“推薦或認(rèn)可”，可用于WUF的計(jì)算，而非實(shí)質(zhì)性鏈接因?yàn)椴淮�表“推薦或認(rèn)可”，不可用于計(jì)算WUF。文中，作者通過(guò)統(tǒng)計(jì)分析得出：所有鏈接中，實(shí)質(zhì)性鏈接約占20％；鏈接到大學(xué)網(wǎng)站的鏈接中，實(shí)質(zhì)性鏈接約占27％。Chu Heting將學(xué)術(shù)機(jī)構(gòu)網(wǎng)站的入鏈分為4類(lèi)：即服務(wù)、主頁(yè)、研究、教學(xué)，其中前兩類(lèi)共占73％，后兩類(lèi)占27％，并且僅有教學(xué)類(lèi)的入鏈才可用作學(xué)術(shù)機(jī)構(gòu)的評(píng)估，能用于評(píng)價(jià)的人鏈不足27％。由此可見(jiàn)，盡管不同類(lèi)型網(wǎng)站的鏈接類(lèi)型不同和不同研究者從不同角度出發(fā)設(shè)立的分類(lèi)體系迥異，但若把實(shí)質(zhì)性鏈接的比例看成WUF有效性的比例，則網(wǎng)WIJF的有效性比例僅為27％左右。
　　第二條假設(shè)顯然也是不合理的，因?yàn)榉菍?shí)質(zhì)性鏈接對(duì)于WUF的計(jì)量是沒(méi)有價(jià)值的，即便同為實(shí)質(zhì)性鏈接，不同類(lèi)型的實(shí)質(zhì)性鏈接也不可能具有同等的價(jià)值。其實(shí)，在WUF被提出之前，與WIF幾乎同時(shí)誕生的Pagerank算法在鏈接是否等價(jià)的問(wèn)題上已提出更有說(shuō)服力的表述：(B1)一個(gè)網(wǎng)頁(yè)盡管沒(méi)有被多次引用，但被一個(gè)重要網(wǎng)頁(yè)引用，則這個(gè)網(wǎng)頁(yè)很重要；(B2)一個(gè)網(wǎng)頁(yè)的重要性被均勻的分布并傳遞到它所引用的網(wǎng)頁(yè)。這個(gè)表述科學(xué)的多，但可惜的是，迄今為止，有關(guān)WUF的算法還沒(méi)有引入類(lèi)似于Pagerank算法的表述。
　　
　　
　　2.2　數(shù)據(jù)獲取方面存在的問(wèn)題
　　早期對(duì)出鏈數(shù)等指標(biāo)進(jìn)行統(tǒng)計(jì)時(shí)，主要以商業(yè)搜索引擎Google、Altavista、Alltheweb等為工具。及至商 業(yè)搜索引擎的缺陷盡顯且無(wú)法避免，某些學(xué)者擇優(yōu)使用某些商業(yè)搜索引擎；另一些學(xué)者則嘗試使用自制的鏈接分析工具，但是自制鏈接分析工具也存在一定的缺陷。
　　2.2.1　商業(yè)搜索引擎的覆蓋范圍有限眾所周知，動(dòng)態(tài)性是網(wǎng)絡(luò)與生俱來(lái)的特性，每時(shí)每刻都有成千上萬(wàn)的網(wǎng)頁(yè)出現(xiàn)或消失，因此任何一個(gè)搜索引擎都不可能覆蓋和采集到所有的網(wǎng)頁(yè)。有數(shù)據(jù)顯示(見(jiàn)表1)，各搜索引擎收錄網(wǎng)頁(yè)的范圍各不相同，因而獲得的鏈接數(shù)據(jù)也不同。據(jù)估計(jì)，現(xiàn)在搜索引擎覆蓋網(wǎng)頁(yè)的數(shù)量只占總數(shù)的20％左右。袁毅認(rèn)為單個(gè)搜索引擎只能搜索到Web資源的16％，即使是幾個(gè)搜索引擎結(jié)合，也只能搜索到整個(gè)Web的30％～40％。伯克利信息管理系統(tǒng)的一項(xiàng)統(tǒng)計(jì)結(jié)果表明，2006年人類(lèi)產(chǎn)生了約1000萬(wàn)TB(不重復(fù))數(shù)據(jù)，而搜索引擎覆蓋率最新調(diào)查顯示Google在2006年共組織了1085TB數(shù)據(jù)，可見(jiàn)，Google僅僅組織了其中的0.02％。
　　2.2.省略的網(wǎng)頁(yè)數(shù)量和反向鏈接數(shù)量進(jìn)行檢索，發(fā)現(xiàn)，各搜索引擎所得出的結(jié)果相差很大，如表2所示：
　　
　　其次，即使是同一搜索引擎，在不同時(shí)間段其檢索結(jié)果也有很大差異，通常，在高峰期的檢索結(jié)果，其可信度通常要低一些。
　　再次，使用不同語(yǔ)法意義的檢索表達(dá)式，其檢索結(jié)果也不盡相同。對(duì)此，筆者在MltheWeb中進(jìn)行了試驗(yàn)，檢索結(jié)果如表3所示：
　　2.2.3　自制鏈接分析工具功能簡(jiǎn)單、使用范圍狹窄面對(duì)商業(yè)搜索引擎無(wú)法避免的缺陷，部分學(xué)者嘗試用自制鏈接分析工具取代商業(yè)搜索引擎或彌補(bǔ)其不足。其中較突出的有：Lei Cui等人參照引文分析法自制的“Checkweb”，用于分析鏈接狀況，為統(tǒng)計(jì)鏈接數(shù)量作準(zhǔn)備；Miekle Thelwall針對(duì)商業(yè)搜索引擎檢索結(jié)果的不一致性自制的“WIF web crawler”，用于測(cè)度WIF；段宇鋒自制的“Webstat”，用于鏈接分析的實(shí)證研究。但遺感的是，這些個(gè)人自制的鏈接分析工具因其專(zhuān)門(mén)性不可避免的具有功能簡(jiǎn)單，使用范圍狹窄的缺陷。
　　
　　2.3　算法自身存在的問(wèn)題
　　2.3.1　分子存在的缺陷WIF借鑒JW算法的同時(shí)，陷入了JIF算法無(wú)法回避的缺陷，即無(wú)視入鏈的質(zhì)量差異，這也是WIF算法自身最大的缺陷。而WUF用出鏈數(shù)作分子，這與WIF很相近，因?yàn)榫W(wǎng)頁(yè)A對(duì)網(wǎng)頁(yè)B網(wǎng)頁(yè)的出鏈就是網(wǎng)頁(yè)B對(duì)網(wǎng)頁(yè)A的人鏈；因此，也存在與WIF類(lèi)似的缺陷，即無(wú)視出鏈的質(zhì)量差異，這也是WUF在計(jì)量的準(zhǔn)確性方面存在的最大問(wèn)題。
　　2.3.2　分母存在的缺陷WUF算法的分母是該國(guó)家或網(wǎng)站的總網(wǎng)頁(yè)數(shù)，但什么樣的內(nèi)容才能被當(dāng)作一個(gè)網(wǎng)頁(yè)并沒(méi)有公認(rèn)的標(biāo)準(zhǔn)，一篇論文可以被視為一個(gè)網(wǎng)頁(yè)，該論文也可以被分為幾個(gè)網(wǎng)頁(yè)顯示從而被看作幾個(gè)網(wǎng)頁(yè)。舉個(gè)簡(jiǎn)單的例子，某篇在線電子文檔向其它網(wǎng)站或網(wǎng)頁(yè)發(fā)出100個(gè)鏈接，若這篇電子文檔的內(nèi)容全部包含在一個(gè)頁(yè)面中，則其WUF為100，若其內(nèi)容被分成100個(gè)頁(yè)面顯示，則其WUF僅為1。這表明WUF會(huì)因電子文檔在Web上顯示形式的不同而迥異。
　　2.3.3　整體存在的缺陷WUF不一定能反映網(wǎng)站真實(shí)的鏈接分布特征。假設(shè)有同樣主題的兩個(gè)網(wǎng)站：A和B。A網(wǎng)站有10個(gè)網(wǎng)頁(yè)，并在一定時(shí)期內(nèi)向其它網(wǎng)站或網(wǎng)頁(yè)發(fā)出了10次鏈接，而B(niǎo)網(wǎng)站有100個(gè)網(wǎng)頁(yè)，并在同一個(gè)時(shí)期內(nèi)向其它網(wǎng)站或網(wǎng)頁(yè)發(fā)出了100次鏈接，顯然，它們的WUF是一樣的，但這兩個(gè)網(wǎng)站的鏈接分布特征是否一樣呢?很明顯，雖然兩者的WUF一樣，但B網(wǎng)站指向其它網(wǎng)站或網(wǎng)頁(yè)的能力更大，不過(guò)是因?yàn)榫W(wǎng)站的高資源率和高鏈接率相互抵消導(dǎo)致計(jì)算出相同的WUF罷了。
　　事實(shí)上，WUF的缺陷還存在于網(wǎng)站的語(yǔ)言差異、學(xué)科背景差異、專(zhuān)業(yè)影響范圍差異等方面。
　　
　　3　對(duì)網(wǎng)絡(luò)使用因子的改進(jìn)意見(jiàn)
　　
　　3.1　對(duì)假設(shè)前提的改進(jìn)意見(jiàn)
　　針對(duì)“所有鏈接都是有實(shí)質(zhì)意義的”、“所有鏈接都是等價(jià)的”兩條假設(shè)前提，可以參考Pagerank算法在鏈接是否等價(jià)問(wèn)題上的表述：(B1)一個(gè)網(wǎng)頁(yè)盡管沒(méi)有被多次引用，但被一個(gè)重要網(wǎng)頁(yè)引用，則這個(gè)網(wǎng)頁(yè)很重要；(B2)一個(gè)網(wǎng)頁(yè)的重要性被均勻的分布并傳遞到它所引用的網(wǎng)頁(yè)，即認(rèn)為不是所有的鏈接都是有推薦或認(rèn)可意義的，并且不同類(lèi)型的鏈接是具有不同價(jià)值的。這就為在算法上對(duì)WUF的改進(jìn)提供了理論依據(jù)。
　　
　　3.2　對(duì)數(shù)據(jù)獲取的改進(jìn)意見(jiàn)
　　盡管學(xué)者們?cè)噲D利用自制鏈接分析工具彌補(bǔ)商業(yè)搜索引擎的缺陷，且自制鏈接分析工具針對(duì)性比較強(qiáng)，但由于它是個(gè)人制作用于專(zhuān)業(yè)研究，因而功能簡(jiǎn)單、適用范圍狹窄。這樣，WUF無(wú)論多科學(xué)、合理，都將因?yàn)闆](méi)有有效的工具提供準(zhǔn)確數(shù)據(jù)而難以得到廣泛應(yīng)用。因此，在鏈接分析研究中，很有必要開(kāi)發(fā)專(zhuān)業(yè)鏈接分析工具，用來(lái)計(jì)算WUF等計(jì)量指標(biāo)。該專(zhuān)業(yè)鏈接分析工具應(yīng)以引文分析工具如CSSCI等為參照，兼顧覆蓋率、性能穩(wěn)定性、能有效識(shí)別鏈接類(lèi)型的專(zhuān)業(yè)性等。
　　
　　3.3　對(duì)算法本身的改進(jìn)意見(jiàn)
　　可以設(shè)立一套針對(duì)特定類(lèi)型網(wǎng)站的鏈接分類(lèi)體系，例如，可在一級(jí)類(lèi)目上將所有鏈接分為“實(shí)質(zhì)性鏈接”和“非實(shí)質(zhì)性鏈接”，并在多次試檢網(wǎng)站鏈接的過(guò)程中不斷修訂鏈接分類(lèi)體系；在鏈接分類(lèi)體系的基礎(chǔ)上采用層次分析法，對(duì)不同的鏈接類(lèi)型賦予不同的權(quán)重。據(jù)此，筆者嘗試提出“加權(quán)出鏈數(shù)”，在將其用于計(jì)量WUF時(shí)得出“加權(quán)網(wǎng)絡(luò)使用因子”。于是：
　　其中，分母也可以用該國(guó)家的科研生產(chǎn)率或科研人員數(shù)代替。
　　
　　4　結(jié)語(yǔ)
　　
　　WUF自誕生之初就不可避免的存在一些缺陷，尤其是在假設(shè)前提、數(shù)據(jù)獲取和算法本身等方面問(wèn)題較大，據(jù)此，建議開(kāi)發(fā)專(zhuān)業(yè)的鏈接分析工具；構(gòu)建鏈接分類(lèi)體系并對(duì)不同類(lèi)型的鏈接進(jìn)行加權(quán)得到“加權(quán)出鏈數(shù)”，然后在此基礎(chǔ)上計(jì)算“加權(quán)網(wǎng)絡(luò)使用因子”。這是一項(xiàng)任重而道遠(yuǎn)的工作，我們已對(duì)此展開(kāi)研究。即便如此，也不能保證計(jì)算出的WUF絕對(duì)準(zhǔn)確，因此，最好綜合使用包括WUF在內(nèi)的多個(gè)鏈接指標(biāo)進(jìn)行網(wǎng)站評(píng)價(jià)、網(wǎng)絡(luò)信息資源管理以及時(shí)下方興的網(wǎng)站健康度檢驗(yàn)等。

相關(guān)熱詞搜索：因子 缺陷 改進(jìn) 網(wǎng)絡(luò)使用因子的缺陷及改進(jìn) 因子分析模型的改進(jìn)與應(yīng)用 bp神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)及改進(jìn)