Published by Mr. Wednesday September 10th, 2008
in research, resource and thinking.
在AltSearchEngines看到兩篇介紹Social Graph搜尋引擎的文章，值得推薦。第一篇介紹Social Graph的概念與社交搜尋引擎，與Social Graph目前的幾個主要用途。
* Add more content through nodes (users) from the graph - interactively
* Add more content through crawling using a graph - automated
* Raising content quality and keeping it clean - automated and interactively
* Discovering and encouraging creation of new relationships (explicit and implicit) - automated
第二篇提出了一個有意思的概念，除了那些『明顯』的關係連結，例如Twitter上的follower，Linkedin上的Colleagues，各部落格平台上的好友。還有許多因為共同行為而產生的連結，例如delicious上收藏相同網頁的使用者，回應同一篇部落格文章的讀者，在Twitter上提到曾經閱讀你的文章的推友。這些『隱性』的連結數目遠比『明顯』的要多要豐富。
Published by Mr. Wednesday September 4th, 2008
in research and thinking.
現在只要是所謂的Web2.0網站，都會強調它們的協同（Collaborative）作業機制，收藏，推薦，討論，編輯，處處都可見到協同作業的影子。第一代的Web2.0網站強調群眾的力量，利用群眾的力量篩選有用的資訊，但是發展到現在也逐漸碰到瓶頸與困境，亂推，濫推，未看先推，都讓這個機制慢慢失靈。可以想像，單純的群眾力量很容易被轉化為群眾暴力，尤其是在網路這個做什麼事情成本都很低的地方。Social Filtering強調的不但是群眾的力量，這個群眾還是你所熟悉的人，最原始的概念就像是許多人在需要幫忙的時候會在MSN暱稱上求救一樣，尋求的就是熟悉的人的支援，用在社會化網站上就是藉由對熟悉的人的認識來過濾資訊。Social Filtering或許無法全面解決社會化書籤網站的困境，但是一定可以避免這個社會化機制完全崩潰。
Published by Mr. Wednesday August 22nd, 2008
in research.
在這Web應用爆炸的年代，使用者需要一次又一次在不同網站註冊以嘗試新服務，如果新網站有提供社交的功能，又得要再一次輸入維護自己的社交圈，往往還沒享受到新服務帶來的好處，熱情就已經熄滅了一大半，是否，能夠直接利用自己已經存在其他網路服務中的社交圈呢？Google Social Graph API就是用來解決這樣的問題，藉由索引Web上關於FOAF與XFN的資訊，自動建立人際網路，也間接促成了人際關係資料的可攜性（Date Portability）。另外一方面，使用者就可以直接查詢這些已經被索引的人際網路資料了，如果這類的人際網路資訊存在的夠普遍，或許也可以在上面找到老同學，老朋友，老情人，甚至是老仇人（笑）。
Published by Mr. Wednesday August 9th, 2008
in applications, research and resource.
在UIUI上看到這一篇文章，10 種 Social Network 視覺化的方式，收集了十種以視覺化方式表現社交網路的方法，感覺很酷。
===
Fidg’t : 人際網路管理
Start Slide Show with PicLens Lite
Published by Mr. Wednesday July 31st, 2008
in applications and research.
人立方藉由網路上的資訊計算出被搜尋對象與其他人的關係，並根據此關係程度強弱決定每個人名大小與距離。圖中的連線代表關係，而每個不同顏色的圓圈代表人名，關係緊密的人會被放置在比較近的距離，連線上會有關鍵字描述此關係（有些關係還有提供相關網頁連結與網頁內容摘要），而點擊圓圈內人名會提供更詳細的關係搜尋結果。看到這個研究想起台灣的WARM也有類似的服務，不過WARM只專注在幾個大的BSP上，而人立方則是放眼了整個網際網路，直接從網路中自動抽取關係並判斷，其中牽涉到的問題更廣，網頁爬蟲（Web Crawler），資訊擷取（Information Extraction），自然語言處理（Natural Language Processing），命名實體辨認（Named Entity Recognition），社交網路分析（Social Network Analysis）等，困難度更高。
Published by Mr. Wednesday July 28th, 2008
in research and thinking.
分享一篇在『白鸦，以用户为中心的设计』看到的文章，『浅析facebook的信息架构』，分析了Facebook舊的與新的使用者介面，還有另外幾個介面極度類似的社交網站使用者介面，分析的淺顯易懂。
Published by Mr. Wednesday July 21st, 2008
in research, resource and thinking.
今天看到一個很好玩的部落格叫做，petitinvention，內容與社交網站沒有直接關係，但是因為作者提出點子實在太有趣了，特別與各位讀者分享。其中有一篇Future of Mobile Internet Search: Applications提到一個可以隨身攜帶的薄型螢幕裝置，可以隨時隨地搜尋任何看到的實體物品。
室內導航 (Image Source: petitinvention)
自動翻譯 (Image Source: petitinvention)
實體文件關鍵字搜尋 (Image Source: petitinvention)
另外在Future of Mobile Search- Search Beyond Time這篇文章裡提到另外幾個關於時間的應用：
天氣預測 (Image Source: petitinvention)
過去的影像 (Image Source: petitinvention)
實在是太酷了！這裡僅節錄部份的內容，還有更多更好玩的點子可以在原作者的部落格上看到，petitinvention。
Published by Mr. Wednesday July 3rd, 2008
in research and thinking.
推薦一篇文章，描述社會性軟體的基本構成元素，直接引用原文（Social Software Building Blocks）中的定義如下：
Identity - a way of uniquely identifying people in the system
Presence - a way of knowing who is online, available or otherwise nearby
Relationships - a way of describing how two users in the system are related (e.g. in Flickr, people can be contacts, friends of family)
Conversations - a way of talking to [...]
Published by Mr. Wednesday July 2nd, 2008
in research and thinking.
TechCrunch的文中認為現在該是討論社交網路的實際價值的時候了，社交網站的價值該如何衡量？這不是個容易的問題。深入來看，社交網站擁有的最重要元素就是人還有人與人之間的連結，而這些元素該怎樣被評量呢？在TechCrunch一文中提出的概念：
投放在某地區每個人的平均網路廣告花費就反應了該地區使用者的『價值』，這個平均價值越高，代表每位使用者能帶給網站的變現能力就越大。
藉由社交網站在不同區域的佔有率，配合該地區平均每人網路廣告花費，就可以比較不同社交網站間的價值差異，這個衡量標準並不只看到廣告主所帶來的廣告收入，也間接反應該地區人口的潛在消費能力。但是VentureBeat的文中提出不同看法，認為TechCrunch的分析只看到了區域性的差異，忽略了社交網站的使用族群差異帶來的影響，使用者的差異會導致不同的市場區隔與獲利能力。
Social Network Valuation (SNV)
=
(Repeat Monthly Visitors x Engagement x Virality) / Nobody Has Any Idea
他們認為社交網路的網路效應比想像中要來的低，因為並不是每個參與社交網路的使用者都是活躍的，沒在動的使用者就等於不存在。換句話說，對於社交網站，使用者的活躍程度（參與程度）很重要！非常重要！空有龐大會員數卻沒有什麼活動力，這樣的社交網站是沒有價值的。
Published by Mr. Wednesday June 19th, 2008
in applications and research.
最近看到一個搜尋引擎，叫做Pipl，專門用來搜尋網路上的人名，姑且稱之為『搜人引擎』吧。
查詢條件細分成『姓』，『名』，『城市』，『郵遞區號』與『國家』。根據網站上的說明，它們強調挖掘Deep Web的成果，他們認為關於人的資訊多是儲存於網站內部（必須藉由網站提供的搜尋功能或是登入後才能看到），Crawler必須要能與網站互動才能從中挖取需要得資訊，而這是目前一般搜尋引擎所著重的Surface Web不同，他們也提出有研究表示Deep Web所蘊藏得資訊量是Surface Web的500倍之多（其實日前Google也在blog上表示已經開始實驗索引Deep Web了）。不過官方網站中並沒有說明他們的Deep Web探勘技術有何獨特之處。
小小測試了一下，對於名人的效果還好，不過對於不是那麼有名的人的結果就很不理想了，或許也是因為名人在網路上的資訊本來就比較多的緣故。對於中文的人名搜尋效果很差。另外搜尋結果如果能有圖片作為輔助會更好。
延伸閱讀：
Web 2.0 再思考（五）挖掘「人」的價值
Start Slide Show with PicLens Lite
FeedBurner
Recent Comments