星星IT资讯

在好莱坞如果你被狗仔队盯上上，说明你是成功的，在硅谷，如果你被垃圾信息盯上，也说明你是成功的。周三上午，在 Web 2.0 峰会（ Web 2.0 Summit），来自 Google, Reddit, Pramana 以及 Wikipedia 的代表畅谈了如何抵制垃圾信息。
Google 的反垃圾信息团队的主管 Matt Cutts 说，如果你提供链接相关的服务，就难免遇到垃圾信息。Cutts 谈到了3种类型的垃圾信息，Spammer 们用来推广站点的垃圾链接；向那些允许用户提供反馈的网页提交垃圾内容；从一些老的 CMS 系统中发现漏洞将垃圾信息注入受害者网站。
针对垃圾信息，Cutts 建议使用 Akismet 一类的信息过滤服务，部署 CAPTCHA，勤打补丁，甚至对注册收费等手段进行应对。他建议人们跳出思维圈子，使用一些意料不到的方式对付垃圾信息。如果你让垃圾信息发布者产生挫败感，比向他们收费还有效。
Reddit 的创始人 Steve Huffman 谈到了他们使用的一些方法，对垃圾信息发送者进行误导。他表示，Reddit 是一种类似 Digg 但比 Digg 更好的服务，Digg 允许用户提交他们喜欢的内容的链接，并对发布的内容进行投票，获得投票数越多的内容被阅读的几率越大。
但 Reddit 有所不同，在 Reddit，有些投票不被计算。一旦 Reddit 探测出某人是在发送垃圾信息，他的帐户会被抵制，但 Reddit 不会通知发垃圾信息的人，他的提交还正常进行，但他提交的内容不会发布。Huffman 表示，我们使用一些技巧让垃圾信息发送者以为他们的伎俩得逞。
Jonathan Hochman 是 Wikipedia 的管理员，他谈到了 Wikipedia 应对垃圾信息和蓄意破坏时使用的一些策略。他说，我们花费了很多时间让 Wikipedia 保持干净。Wikipedia 中 20% [...]

Web，全称为 World Wide Web，是 Internet 上最重要和最为人们所熟知的应用之一。Web 是指 Internet 上所有基于 http 协议的 html 网页、图像、音频、视频等内容的集合。虽然 Web 可能早已成你每天日常生活的一部分，但相信你对 Web 背后的秘密仍然很感兴趣。本文向大家展示了关于 Web 的一些通常不为人所知而又有趣的细节。
1. Web的流量
虽然Internet（包括其前身ARPANET等）的历史比Web要长的多，但直到 Tim Berners-Lee 爵士于1989年设计出Web并在1991年开始实际运行之后，Internet才逐渐大众化并开始流行。自1995年开始，Web占据了整个 Internet的大部分流量，而成为Internet上最重要的一项应用（注意不是“之一”）。
这种影响一直延续到今天：在日常生活中，我们一般甚至不 区分“Internet”和“Web”，而“上网”这个词在很多情况下指的就是浏览Web。Web在流量上的主导地位自2000年起受到以napster为始祖的P2P的挑战。相比Web来说，P2P在大型文件的传输上具有很大优势，因此虽然从广度来说Web仍然是主导，但在流量上自2002年起被P2P应用超过。下图显示了自1993年到2004年Internet上重要协议的流量变化。

但这种状况在2007年发生了逆转。随着网络带宽的增加，以 YouTube 为首的在线视频网站开始流行，使得Web的流量迅速增长并重新超过了P2P流量，尽管这个“优势”很微弱。总结一下，仅从流量的角度看，目前的Internet可以说是Web和P2P各占半边天，而其余应用所占的比重是越来越小。关于Web和P2P流量更详细的分析可以参考这篇文章。
2. Web的规模
Web的规模定义为Web上包含的有效网页的数量。Google最近宣称已经索引了1,000,000,000,000个网页， 不过Google显然不敢宣称已经索引了Web上全部或绝大部分的网页，可以预计，Web的规模已经远远超过了上面这个数值。顺便提一句，“有效网页的数 量”严格来说其实是个伪命题，因为：1. 很多网站在被请求了不存在的页面时会返回一个友好的提示而非404错误（可以测试url：http://live.aulddays.com/ 后面跟上任意的文件名），理论上说它们仍然是“有效”的网页；2. 很多网页可以根据输入参数的不同而返回不同的结果（Google目前正着手解决的 Deep web 就是属于这种情况）。从这个意义上说，说Web的规模是无穷大的…
退而求其次，我们可以来估计一下有多少网页是Google没有索引到的：假设我们知道了两个不同的搜索引擎 A 和 B，它们索引的网页数量分别是 s(A) 和 s(B)，A&B为两个搜索引擎的交集，那么根据容斥原理，所有被它们（中至少一个）索引的网页数量就是 S=s(A)+s(B)-s(A&B)；这个公式还可以推广到多个搜索引擎的情况，则此时S会越来越靠近真实的 Web 的规模。不过很遗憾，这个公式很不实用:-( 虽然 Google 不久前迫于 Cuil 的压力公布了自己的索引量，但其他几大搜索引擎仍习惯于对这个数据秘而不宣；更糟的是，Google 或是 Yahoo! [...]

Web 3.0的最大价值不是提供信息，而是提供基于不同需求的过滤器，每一种过滤器都是基于一个市场需求。如果说Web 2.0解决了个性解放的问题，那么Web 3.0就是解决信息社会机制的问题，也就是最优化信息聚合的问题。

《纽约时报》商业栏目记者John Markoff曾在一篇文章中写道：“人们对Web 3.0或者说是语义网的商业兴趣正在凸现。”这句话虽未对Web 3.0给出明确定义，但不管怎样，语义网这一概念在《New York Times》商业栏目中的出现，我们也看到了未来的发展趋势。
语义网（Semantic Web）之路
简单地说，语义网是一种能理解人类语言的智能网络，它不但能够理解人类的语言，而且还可以使人与电脑之间的交流变得像人与人之间交流一样轻松。
语义网将使人类从搜索相关网页的繁重劳动中解放出来。因为网中的计算机能利用自己的智能软件，在搜索数以万计的网页时，通过“智能代理”从中筛选出相关的有用信息。而不像现在的万维网，只给你罗列出数以万计的无用搜索结果。
目前，在RDF（Resource Description Framework，资源描述框架）和OWL（Web Ontology Language，网络实体语言）的支持下，语义网已经成为能够牢牢嵌入现有网页并且能完善RDF知识储备的新科技，而其理念雏形可追溯至10年之前。
1998年，Tim Berners-Lee就提出了语义网的理念。一些人认为它是关于AI（人工智能）的，另一部分人认为它更多是关于语言学的，还有一些人则认为它是关于数据注释的。而维基百科对语义网给出了这样的定义：一种使用可以被电脑理解的方式描述事物的网络。其实，作为AI的一部分，语义网涉及的范围应该是围绕着对自我的理解和对与我们相关数据的理解。所以，人们可以在开发Web或研究AI的过程中不断地学习和理解语义网。
在Web上，我们已经看到了一些成功的商业模式，如Netscape建成的一个资源互享环境，Amazon和eBay的市场优势，以及Yahoo和 Google的网站广告模式。资源共享带给我们前所未有的改变，不过这种分享精神也可能导致所谓的长尾现象。举个买书的例子，在各大网站显要位置推荐的都 不会是最好卖的书籍，但过段时间，这些书的销量就会直线飙升，甚至远远超过一些畅销书籍。在这一过程中，链接是真正让搜索引擎工作的发动机，AI应用程序 必须与其他事物联系起来才能为我们创造财富。如果仅将其视为一种工具，将很难得到用户青睐。因此，对AI来说，智能设备具有划时代意义，而如何使用这些工 具将变得更加重要。
也许很多人认为Web 2.0已乏善可陈，但Web 2.0的动向曲线中还是可见不少有趣现象。总的来说，Web 2.0是网络科技的社会进化，它去掉了网络上合作性质的信息发布，加入了Tagging（标签）和Microformats（微缩过程）的技术，使得信息 的产生和选择升级至一个新阶段，这是Web 2.0的本质。可以预见，在未来几年中，Web 2.0将完成向Web 3.0，即语义网的转变。
web3.0带来新体验

在过去一年中，语义网概念更加深入人心，这得益于RDF语言和能够支持RDF语言的科技的成熟。
与传统结构的数据库相比，RDF数据库拥有诸多优势。针对这些优势，微软于2006年12月在其连接服务框架（Connected Services Framework 3.0）开发者指导中指出，RDF数据库让用户能够灵活地在计划图表中存储当初设计图表时没有考虑到的数据。不仅如此，RDF还可以帮助开发者拉近Web 与数据之间的距离，而这些都是传统的关系数据库做不到的。随着人们对RDF更多的认可，RDF自然成为了最重要的标准查询语言。
在所有服务中最重要的无疑就是信息搜索服务，作为对RSS高度整合的Web 3.0，搜索也被高度整合。人们只需要输入自己的需求，就可以迅速得到所需信息，甚至一套完整的解决方案。例如，在计算机中输入：“我想带我11岁的孩子去一个温暖的地方度假，我的预算为3000美元。”计算机能自动给出一套完整方案，这一方案可能包括度假路线图、适合选择的航班、价格适宜的酒店等。可以预见，承接Web 2.0的以人为本理念，Web 3.0模式中将会出现各种高度细分领域的平民专家。

即将到来的时代
中国互联网自进入Web 2.0时代后，在近3年内获得了高速发展，这种发展呈现出两种趋势，第一种趋势是基于用户的一个需求点，力图在一个平台上整合所有互联网服务。如博客中国 向综合门户阵营的靠拢，腾讯转型为综合门户。但这些转变更多的只是为了增加流量和提高用户黏性。
第二种趋势是在用户个别的需求点上进行深度挖掘，纵深发展。如淘宝、奇虎和Donews等。这类公司目前仅仅是业务领域的细分，并没有根据人群进行细分， 因此为了提升关注度，他们同样在做综合门户所做的事情，于是纷纷被打上Web 2.0标签，但信息依然散乱，用户依然海量而缺乏细分，而广告主依然因不知该在哪里投放广告而大伤脑筋。可以说，即便借助Web 3.0，这些公司的运作模式依然还是2.0思维。
真正的Web 3.0不仅止于根据用户需求提供综合化服务，创建综合化服务平台，关键在于提供基于用户偏好的个性化聚合服务。在Web 3.0时代，同一模式化的综合门户将不复存在，如人们看到的新浪新闻首页将是个人感兴趣的新闻，而那些他不感兴趣的新闻将不会显示。当然，这种个性化的聚合必须依赖强大的智能化识别系统，以及长期对于一个用户互联网行为规律的分析和锁定，它将颠覆传统的综合门户，使得Web 3.0时代的互联网评价标准不再是流量和点击率，而是到达率和用户价值。
因此，Web 3.0时代能够赢得用户青睐的公司，一定是基于用户行为、习惯和信息的聚合而构建的，人性化、友好界面、简单易用一定是其核心元素，基于用户需求的信息聚合才是互联网的趋势和未来。
文/中国计算机报