中文社會化信息搜尋系統比較研究*

陸陽琪 楊建林 王麗雅

（1.南京大學信息管理學院 江蘇南京 210023）

（2.江蘇省數據工程與知識服務重點實驗室 江蘇南京 210023）

1 引言

隨著Web2.0、Web3.0的提出，現有的信息搜索模式也出現了改變，社會化搜索已具備雛形。社會化搜索一般是指利用在線社會網絡、社會化媒體、社會化標注系統等社會化信息系統，將搜索引擎技術與用戶的社會關系圖（Social Graph）結合起來，以達到提高搜索質量與相關度的目的。相對于傳統的搜索，社會化搜索更依靠用戶，用戶可以一邊分享知識和經驗，一邊獲得幫助。短期內，社會化搜索可以改善用戶的搜索體驗，長期來看可以幫助用戶加入自己感興趣的圈子和社區，進一步提高搜索的準確率和信任度，增強用戶的黏性。

當前的社會化搜索系統主要有兩類，社交化問答系統和社交反饋系統。社交化問答系統是介于百科和傳統問答之間的問答類SNS系統，是一個公共的知識平臺，它的價值在于重建人與信息的關系。用戶提出問題，其他用戶來回答，答案可以來自不同社交親近性的用戶，可以是關系緊密的朋友和工作伙伴，也可以是陌生人。社交反饋系統利用社交注意力數據來對檢索結果進行排序，這種系統包含許多用戶的注意力數據和反饋。系統獲取用戶的注意力數據和反饋主要有兩種方式，一是隱式地從用戶日志獲取，二是直接讓用戶來投票、添加標簽和書簽。

社會化信息搜尋這一概念是互聯網應用發展到一定階段的產物，目前社會化信息搜尋的主要研究成果主要集中在影響因素分析、模型構建等方面。本文選取了國內現有的三個典型社會化搜尋網站 （知乎、豆瓣和果殼），從基本功能、社會化程度等方面進行比較研究，以對社會化信息搜尋網站的進一步完善與發展提出建議、推動社會化信息搜尋的理論研究發展。

2 社會化信息搜尋網站介紹

Evans認為任何包含社會交互的信息搜尋都是社會化信息搜尋，社會交互與協作的目的是為了促進信息搜尋和意義建構。一般來說，用戶的信息行為主要包括：信息需求認識與表達行為、信息查尋行為、信息交互行為、信息選擇行為、信息吸收與利用行為。在整個循環過程中，每一階段都存在不同形式的社會化。信息需求來源于外部需求和內部需求，外部需求包括來自客戶、領導等的信息需求，內部需求包括自身為了完成各種需求進行的信息尋求行為。在信息需求認識與表達階段，用戶通常會向他人尋求意見、經驗從而不斷改善，形成最佳表達式。信息搜尋過程中，包括信息查尋、信息交互、信息選擇行為，根據Evans的實驗結果，大部分用戶在搜索過程中都存在一定程度的信息交換行為。對于搜索到的結果大部分用戶會采取行動進行重新組織和利用，并可能與有同樣信息需求的人共享結果。

本文選取了知乎、豆瓣、果殼三個典型的中文社會化搜索網站，這些網站在國內的知名度和實用性都很高，又各具特色，具有一定的典型性。

2.1 知乎

知乎是類似于Quora的一個中文網絡問答社區，在產品設計上，用戶在社區內不僅僅可以提出問題或解答，還可以跟隨其他用戶、問題和話題，從關注人和關注事兩個不同維度來更好地發現內容。在問題答案中，用戶可以用類似Digg的支持機制，給好的答案投票，將好的答案頂到頁面靠上的位置。每個問題也設立了“答案總結”區域，像維基百科一樣，每個用戶都可以修改總結。圖1顯示了“知乎”的主要問答功能，用戶可以關注任何其他用戶，可以向他提問、回答他的問題，關注問題和贊同他的答案；用戶也可以關注感興趣的問題和話題，每個話題都包含一些問題，其中有些已經有人回答了，用戶可以閱讀它們，給自己喜歡的答案投票，對無效的回答點擊沒有幫助。用戶還可以單獨關注某一個問題，持續追蹤這個問題的最新答案。

2.2 豆瓣

圖1 “知乎”問答社區功能示意圖

豆瓣表面上看是一個評論網站，實際上它卻提供了書目推薦和以共同興趣交友等多種服務功能，它更像一個集BLOG、交友、小組、收藏于一體的新型社區網絡。豆瓣呈現給每個注冊用戶的主頁各不相同，而且同一個用戶在不同時間上豆瓣，也會看到不同的首頁。與大多數網站不同的是，豆瓣的早期版本是一套基于數學統計模型的推薦引擎，能夠在用戶點擊過、看過內容以后自動分析出“與其口味最像的人”，并主動推薦用戶最有可能喜歡的書籍、音樂或者電影。豆瓣由用戶的標簽來決定分類，使用頻率高的標簽分類排在前面，不準確的分類會被淘汰。

如圖2所示，用戶在網絡上發現自己喜歡的內容（好書好碟、精彩評論、好看相冊、有趣活動、文章、網頁、視頻等）都可以“推薦”。用戶推薦的內容及推薦語會出現在“友鄰廣播”里，第一時間被朋友們知曉，同時用戶也會獲得朋友們推薦的內容。豆瓣由各種各樣的“興趣小組”構成，以個人為核心，跟每個用戶自己的興趣有關，豆瓣再根據用戶喜愛的東西找到志同道合者，然后通過他們找到更多的好東西。

圖2 “豆瓣”主要功能示意圖

2.3 果殼

果殼網可看作是一個開放、多元的泛科技興趣社區。在這里用戶可以關注自己感興趣的人，閱讀他們的推薦，也可以將有意思的內容分享給關注的人；用戶依據興趣關注不同的小組，精準閱讀喜歡的內容，并與網友交流；在“果殼問答”里提出困惑自己的科技問題，或者提供靠譜的答案。果殼網現有四大版塊：主題站、小組、MOOC（大型開放式網絡課程）學院和問答，如圖3所示。主題站是由果殼網編輯部策劃制作的內容版塊，每個主題站的文章都圍繞著一個共同的主題，比如專注于破解各種謠言和誤區的謠言粉碎機、關注數學和邏輯的死理性派等。果殼網的主要功能與知乎、豆瓣相似，它們之間最大的不同就是果殼網定位在負責任、有智趣的泛科技主題內容。

圖3 “果殼”主要功能示意圖

3 社會化信息搜尋網站比較

3.1 基本功能的異同

本文選取的社會化信息搜尋網站側重各有不同，對于基本功能的比較，主要從用戶界面、互動方式、開放程度3個方面展開分析。

（1）用戶界面。界面是這些社會化搜索網站給用戶的第一印象，對用戶體驗有一定影響。知乎采用象征嚴肅和優雅的藍色作為主色調，用戶界面設計美觀，對產品體驗的細節要求極為苛刻。豆瓣非常精巧地應用DIV和ESS，并且通過色系的運用，最大限度減少圖片方式就使得網站頁面清新可人。果殼頁面選擇藍色、綠色、灰黑為主色調，給人感覺理性嚴謹。總體而言這三個網站頁面排版都比較簡潔、圖文兼備。

（2）互動方式。知乎用戶除了查看最新問題及回答之外，也可以通過 “設置”、“關注問題”、“添加評論”“分享”、“感謝”和“收藏”等功能參與到自己感興趣的問題中。知乎作為互聯網問答網站不僅要強調人與互聯網的互動，同時也強調用戶與用戶或用戶與行業專家之間的互動。知乎用戶可以通過提問、回答、評論、私信的方式與其他用戶或行業專家進行交流，同時可以對答案進行感謝、分享、收藏或舉報。

豆瓣用戶可以自由發表有關書籍、電影、音樂等的評論，在豆瓣上點擊其他用戶的名字或頭像，可以看到他們的簡單介紹、收藏、推薦和發表過的評論。如果覺得這個人有意思，或者口味相投，可以點擊“把他/她加入我的友鄰”。用戶把這些趣味相投的人加入友鄰后形成自己的小圈子。用戶可以留言、評論、推薦和發豆郵與其他用戶交流。

果殼問答類似于知乎，用戶可以關注其他用戶，可以發站內信交流，可以“@”其他用戶。果殼的新模塊“在行”用戶可以發起約見，根據自己的問題找到適合的行家發出申請，行家與用戶了解情況選擇約見時間地點。這種新型互動方式將線上交流轉移到線下了，果殼成為了服務提供的第三方平臺，至于效果如何，還得時間來考證。

（3）開放程度。開放程度不僅對用戶操作有影響，對網站本身的管理也很重要。過嚴會對用戶造成不便，而過松則會加重網站管理難度。知乎可以用郵箱注冊賬號，或者直接用新浪微博賬號或者QQ登錄；豆瓣只能郵箱注冊；果殼可以郵箱注冊，也可以用新浪微博賬號、QQ或豆瓣賬號直接登錄。知乎、果殼、豆瓣大致遵循一個原則，注冊用戶擁有提問、回答和相關權利，游客只能搜索和瀏覽。如果沒有注冊直接瀏覽知乎，瀏覽有限內容后就會跳出登錄窗口，否則無法繼續瀏覽其他內容；當瀏覽豆瓣頁面時，也會跳出登錄窗口，但是不登錄不影響瀏覽閱讀；果殼的科學人和小組可以直接瀏覽，但問答模塊和MOOC學院需要登錄才能瀏覽。

3.2 社會化方式方面的異同

信息檢索主要涉及4個方面，即信息資源、用戶需求表達、信息資源與用戶需求的匹配、結果排序，對這4個方面的社會化改造形成社會化信息檢索。因此，本文從內容來源、資源標注、需求表達、結果排序來比較網站在社會化方式方面的異同。

（1）內容來源。用戶生成內容(User-Generated-Content,UGC)泛指以任何形式在網絡上發表的由用戶創作的文字、圖片、音頻以及視頻等內容，是Web2.0環境下社會化媒體中一種新興的網絡信息資源創作與組織模式，它有別于傳統的權威生成、中心輻射形式，倡導為用戶創建一個參與表達、創造、溝通和分享的環境，用戶的參與行為也逐漸從原先的全民上網轉變為全民織網，即除了傳統的點擊瀏覽行為，用戶還可以在網上開辟自己的信息空間，并進行信息共享、內容創作以及貢獻等行為。趙宇翔等將UGC中的內容分為娛樂型、社交型、商業型、興趣型和輿論型。

作為Web2.0的產物，知乎、豆瓣、果殼這三大網站的大部分內容都來自用戶創作，且為社交型和興趣型內容。社交型內容主要指以建立個體間的相互關系為主要特征的產物，如“頂”、“踩”、“關注”等情感性指針和“社交圖譜”（social graph）、“人立方”等自主生成的關系結構圖；興趣型內容主要指以愛好交流、興趣小組、信息/知識共享和溝通為主要特征的內容，如維基創作、在線問答、公眾科學、設計競賽等。

本文利用搜集的信息對三個站點用戶生成內容進行更深層次的比較，分別從三個網站上抓取網站2015年2月3日的熱點內容（見表1），發現三大網站的側重有所不同，知乎網站上用戶的內容創造更多是一種經驗性問題的求解，每個用戶的角度不同對問題的理解就會不同，觀點各不相同，其他用戶通過對其點贊來表明是否認同；果殼更多的是科普問題的事實性探討，用戶所提出的問題，會由專業人士來解答，認可度較高；豆瓣的熱點與其他兩者差異明顯，所選取的10篇標題是豆瓣首頁的推薦，從這些文章標題就能看出，豆瓣上用戶內容的創作更多是一些情感、興趣的成分。

以每個站點的第一個熱點問題舉例比較三個站點的社會價值：

知乎的熱點問題“統計物理/生物物理有什么有意思值得深入的研究嗎？”一共收獲11個答案，被304人關注。該問題回答被用戶認可高的回答者中有北京大學生物學專業畢業、香港大學物理學專業畢業、南京大學物理博士在讀等，可以看出能夠在知乎站點回答問題并獲得認可的用戶大都具有高等教育水平，在行業內具有豐富的知識。在傳統信息搜尋過程中，用戶需要跨行業搜尋時，很可能會遇到難題難以解決，在知乎的平臺上，用戶可以向各行業的專業人士請教。雖然知乎在初建時涉及領域較少，但是隨著知乎不斷壯大，各個領域的專業人士也都紛紛成為知乎的用戶。

豆瓣的熱點文章《N1自學經驗：從86分到132分》被2943人喜歡，382人推薦（截止至2015年2月3日），這更像是一篇讀物，如果剛好有需要考N1或者以后需要的用戶，他們就會被集結在一起，用戶可能會在評論中相互討論，相互鼓勵，或者相互分享資料，這無形中就形成了一種社會化信息搜尋模式。

表1 知乎、豆瓣、果殼隨機熱點內容列表

（2）資源標注。標注（Tagging）是定義標簽的過程，是用戶為某一資源加入描述性元數據并賦予某項資源關鍵字來達到劃分類目的過程。標注建立起了標簽或標簽組、資源、用戶、時間四者之間的聯系。社會化標注指的是眾多用戶所進行的標注行為，用戶基于個人的或者社群的目的對資源賦予標簽，這種看似私人的行為在眾多用戶的共同參與時產生了社會性價值：用戶對某個特定資源指定了數個標簽，標簽因此成為了連接用戶與資源之間的橋梁。資源之間也可以通過某種方式彼此相互連接 （如被同一用戶標注過的資源、使用了同一標簽的資源），并且用戶也可以透過標簽或資源的社會網絡來相互關聯。

知乎的 “話題”有別于很多其他網站上的 “標簽”，并非由用戶自由創建、自由使用。如果話題被合理地添加到問題上，意味著根據社區的共識和使用習慣，一些可能相似的內容被聯系在了一起。知乎站點上這些基于話題的聯系和分組能夠幫助用戶方便快速地發現關于某個主題的內容。果殼站點的 “標簽”類似于知乎的“話題”，一個標簽聚集一類特定主題的內容。用戶可以添加或修改標簽，如果標簽不存在，系統會自動提示用戶是否創建新標簽。點擊標簽之后，可以看到標簽的圖片和詳細描述。任何人都可以修改這些信息；在標簽描述已經比較完善的情況下，標簽將被鎖定。如果用戶認為仍有改進空間，可將修改理由告知管理員。豆瓣用戶可以自定義標簽，并且豆瓣會以每個用戶的標簽來決定分類。豆列是豆瓣一個極具特色的收集工具。豆列的標題、收集的原則、收哪本書，都由用戶決定，比如豆列“普利策小說獎歷年獲獎作品”或“2009年我的私人閱讀”。好的有趣的豆列，會得到他人的推薦和收藏，“普利策小說獎歷年獲獎作品”這樣的豆列很可能就比“2009年我的私人閱讀”得到更多的青睞。每個條目的右側，會顯示收藏了此條目的最受歡迎的5個豆列。

（3）需求表達。當用戶提出查詢請求時，搜索引擎根據用戶的輸入內容，對本地信息按一定算法和策略進行匹配，最終將匹配結果反饋給用戶。搜索引擎的服務方式主要包括目錄式服務和關鍵詞式檢索服務兩種，目錄式服務可以幫助用戶按一定的結構條理清晰地找到自己感興趣的內容，關鍵詞式檢索服務可以查找包含一個或多個特定關鍵詞或詞組的Web頁面，而用戶最喜歡使用關鍵詞式Web搜索引擎9。

知乎用戶可以按關鍵字或話題搜索問題，可以通過關注的人、話題、問題等尋求答案。用戶也可以在知乎上提問，提問之前首先要確保問題沒有重復，提問的需求表達包括問題、相關說明和話題，話題越精準，越容易讓相關領域專業人士看到問題。知乎搜索還增加了時間排序的選擇，讓用戶對具有時效性的內容可以進行更高效的搜索，選項包括過去一天內，過去一周內與過去三個月內，來滿足不同時間需求的用戶。這里的時間是指問題的最近活動時間，用戶在時間線內找到并查看但錯過的過去一天內好回答，用一周內找過去一周發生的大事件的討論，或者在三個月的選項中看看過去的新一季活動的精彩內容，結果頁默認的是時間不限的搜索結果。在結果頁上方，用戶可以選擇問答、用戶、話題來滿足對不同內容的搜索需求。結果頁右邊是與用戶的搜索內容相關的話題卡片，用戶可以直接關注，或進入話題頁查看話題內容。用戶可以通過更多的維度來找到值得關注的人：用戶的一句話介紹、工作信息、教育信息、所在地等都可以被搜索。同時也包含了一些輔助信息，比如“誰關注了用戶A關注的人B”，來幫助A判斷B是否值得自己關注。

豆瓣的搜索框可以搜索用戶感興趣的內容和人，但效果不盡人意。豆瓣的搜索功能是被弱化的，豆瓣重在幫助用戶找到內容，直接告訴用戶他們想要的內容，而不是通過搜索找到內容。田瑩穎爬取豆瓣用戶收集書籍的標簽信息后進行數據分析實驗結果表明，由于豆瓣用戶的興趣較為廣泛，用戶對于同一圖書的標識各有所愛，標簽的離散性較大，用戶個性化信息推薦的精度大約為50%。

果殼用戶可以利用關鍵詞搜索全站、文章、問答、帖子、日志和用戶，可選擇模糊匹配或精確匹配，搜索結果可以按相關排序或時間排序。

（4）結果排序。知乎通過用戶對問題的回答進行贊同或者反對，決定排序結果。知乎采用“威爾遜”得分算法如下，即如果把一個回答展示給很多人看并讓他們投票，內容質量不同的回答會得到不同比例的贊同和反對票數，最終得到一個反映內容質量的得分。當投票的人比較少時，可以根據已經獲得的票數估計這個回答的質量得分，投票的人越多則估計結果越接近真實得分。公式如下：

每一個行業中均會存在人員流動問題，這一點屬于不可控因素，而工程建設單位也同樣會面臨此種問題，且人員流動所帶來的損失也相對較大。工程造價管理工作較為繁雜，多數工作人員基于長時間忍受巨大的工作量而脫離此行業。工程造價管理具有著一定的地域性特征，也就是在不同的區域中工程造價管理工作形式存在著較大的差異，在同一個團隊的長期運作下會形成一種獨立的模式，一旦出現人員流動交接工作會面臨著諸多難題，且流動人員去往一個全新的單位后也需要接受全新的工作模式以及工程計價方式，從這一點來看，人員流動對原有工作的開展及其自身均會造成較大的影響[5]。

其中：u為加權贊同票數，v為加權反對票數，z為對應某置信水平下的z統計量。

關于用戶投票的權重，知乎認為：在知乎上創作了專業、嚴謹、認真、高質量回答的人應該在他/她擅長的領域里有更大的判斷力；用戶在一系列相關話題下發布的全部回答所得到贊同、反對、沒有幫助票數決定用戶在該領域下的權重；問題添加的話題和話題父子關系決定問題歸屬的領域。知乎對社會化信息的排序結果歸根結底是通過知乎社區中用戶的集體智慧的選擇而完成，具體體現為每一次對 “贊同”、“反對”、“沒有幫助”按鈕的點擊。

參考IMDB的算法，豆瓣對社會化信息的排序依據綜合分數和人數，是一種貝葉斯統計的算法得出的加權分。公式如下：

Weight Rank(WR)=(v/(v＋m))*R＋(m/v＋m)*C

其中：R為用普通方法計算出的平均分，v為投票人數（只有經常投票者才會被計算在內），m為進入top250需要的最小票數 （只有三兩個人投票的電影就算得滿分也沒用的），C為目前所有電影的平均得分。

依據果殼問答網頁的介紹，其排序算法為：總票數=支持數-反對數，如果票數相同，則按照發布時間來排序。果殼與知乎不同點在于果殼票數完全透明化，贊同和反對票數完全公開，能讓讀者和答主非常清晰地看到某個答案的排序權重。知乎出于保護答主的自尊心，鼓勵答主在這個平臺上待下去，只顯示贊同數，隱去反對數。

綜上，知乎、豆瓣、果殼三大社會化網站側重各有不同（從內容來源、資源標注、需求表達、結果排序來衡量網站的社會化方式匯總見表2）。

3.3 與理想目標的差距及發展建議

Evans和Chi整合以往研究成果，總結出了一個規范性社會化模型（Canonical social model），揭示了用戶在整個搜索過程中潛在的信息分享行為 （見圖 4）。

像“知乎”、“果殼問答”這類利用社交網絡幫助用戶找到符合的、主觀問題答案的社會化問答網站，用戶的參與程度是衡量其是否具有持續競爭力的重要指標。相較于Evans的模型來說，“知乎”和“果殼問答”為用戶提供的參與方式還比較單一，社交屬性較弱。知乎的用戶主要分為三類，核心用戶、輕度用戶和瀏覽用戶，核心用戶貢獻大部分的內容，輕度用戶偶爾貢獻，瀏覽用戶不貢獻內容，但會關注、贊同或分享。“知乎”應該有兩張社交網，一張是核心用戶（行業精英）和普通用戶的關系網，另一張是熟人和朋友網，目前“知乎”更加側重普通用戶與行業精英之間的關系網，在社交方面的功能不夠深入，導致大多數用戶只是瀏覽用戶，并不想建立自己的社交圈子，網站對用戶粘性不夠。

表2 信息搜尋網站的社會化比較

圖4 Evans和Chi的規范性社會化模型

社交網絡中包含的數據異構性高，信息量大，又有權限控制和隱私保護，所以對社交網絡的內容搜索難度較大。推薦系統研究用戶模型和用戶喜好，通過社交網絡進行個性化的計算，由系統主導用戶的瀏覽內容。豆瓣網是具有影響力的中文社會性標簽系統之一，姜婷婷等人曾基于豆瓣網分析發現社會性標簽系統用戶采取的信息搜尋模式包括搜索、代理瀏覽、偶遇和追蹤，而瀏覽者成為主流，在數量上甚至略微超過搜索者。根據Evans的模型，在搜索過程中，豆瓣用戶能將滿足需求的內容收藏，內容會顯示在個人主頁上，進而與友鄰共享信息。社會化標簽系統提供的搜索功能都比較簡單，只能實現最基本的文字匹配，社交網絡對信息的實時性要求比較高，可以將主題與時間因素、朋友因素等結合考慮，如搜索結果加入“好友曾關注”類似這樣的模塊。至于“豆瓣”的主動推薦功能，可以利用現在流行的云計算技術如 Hadoop、Map reduce及 Cascading等，Liang H Z等人就基于此提出了一種并行用戶分析方法及基于此的可伸縮的推薦系統。

果殼網大部分功能更加偏向于社會化閱讀的模式，可以從主題站、小組的帖子豐富見識，可以通過微博、人人網等社交工具進行分享和交流，缺乏搜索過程中實時交流的互動方式，只能達到Evans模型中搜索結束后知識的組織和共享。果殼推出的新產品“在行”，是一個O2O經驗咨詢平臺。在遇到無法解決的問題時，用戶可以找到有經驗的行家，一對一見面交談，讓他給自己答疑解惑、出謀劃策。這一方式成本比較高，還需要雇請專人，知識共享程度和效率也都比較低。根據Evans的模型我們可以發現大部分社會化信息搜尋網站在不同程度上涉及到社會化，由于每個網站的建設要求不同，并沒有從每一個方面都設計，但是統觀大部分社會化信息搜尋網站，在搜索前的需求優化這一塊都沒有做或做的不好。需求優化的過程中涉及到許多信息交換的方式，比如直接向認識的人并可能了解自己需求的人直接求助，尋求一些引導信息，這樣就能夠避免搜索過程中因為信息太過雜亂造成“迷航”的問題。

費洪曉等從算法角度分析了社交化搜索算法模型應用于不同環境下的效果，已有模型仍存在一些局限和不足，如時間復雜度高、響應速度慢、數據集的范圍有限、社交特性利用程度不高等，指出社交網絡的復雜性和現有算法的局限性是目前造成現實搜索工具與理想目標差距的最主要原因。綜上所述，由于社會化信息搜尋相關的理論還不完善，具體算法、模型的實現也有很多的因素有待研究，因此社會化信息搜尋的實用化還需要眾多研究。

4 結語

本文選取了三個典型的中文社會化搜索網站，詳細分析了三個站點的基本功能和社會化方式方面的異同，指出已有社會化信息搜尋網站與理想目標的差距，最后提出社會化信息搜尋系統的改進建議。由于社會化信息搜尋的理論還不完善，還有許多因素有待研究，筆者在后續工作中對社會化信息搜尋系統用戶行為影響因素進行研究，為更加完善社會化信息搜尋系統提供依據。

［1］ Evans BM,Chi E H.Towards a model of understanding social search ［C］.Proceedings of the 2008 ACM conference on Computer supported cooperative work，2008:485-494.

［2］ Cao J,Tang Y,Lou B.Social search engine research ［C］．20103rd International Conference on Computer Science and Information Technology，2010：308-309.

［3］ Chi E H.Information seeking can be social［J］.Information Seeking Support Systems,2008.

［4］ Evans BM,Chi E H.An elaborated model of social search［J］.Information Processing&Management,2010,46(6):656-678.

［5］ 楊建林,秦嘉杭,王麗雅，等.社會化信息搜尋研究綜述［J］.情報理論與實踐,2015（3）:134-137.

［6］ 趙宇翔.社會化媒體中用戶生成內容的動因與激勵設計研究［D］.南京：南京大學,2011.

［7］ 趙宇翔,范哲,朱慶華.用戶生成內容(UGC)概念解析及研究進展［J］.中國圖書館學報,2012（5）:68-81.

［8］ Philip J.Binkowski.The Effect of Social Proof on Tag Selectionin Social Bookmarking Applications［EB/OL］.［2015-01-21］.http://etd.ils.unc.edu:8080/dspace/bit stream/1901/358/1/philipbinkowski.pdf.

［9］ 楊建林,嚴明.一種面向Web搜索的查詢修正方案［J］.情報理論與實踐,2008（1）:146-149.

［10］ 田瑩穎.基于社會化標簽系統的個性化信息推薦探討［J］.圖書情報工作,2010（1）:50-53.

［11］ 曾加.淺析知乎新的回答排序算法［EB/OL］.［2015-01-21］.http://zhuanlan.zhihu.com/MathplusPlus/19909161.

［12］ 姜婷婷,遲宇,史敏珊.社會性標簽系統中的信息搜尋——基于豆瓣網的實證調查［J］.圖書情報工作,2013（21）:112-118.

［13］ Liang HZ,HoganJ,YueX.ParallelUser Profiling Based on Folksonomy for Large ScaledRecommender Systems:An lmplimentation of Cascading MapReduce［EB/OL］.［2011-05-25］.http://eprints.qut.edu.au/41889/1/icdm-cloudcomputing-cameraKeady.pdf．

［14］ 費洪曉,莫天池,秦啟飛,等.社交網絡相關機制應用于搜索引擎的研究綜述［J］.計算技術與自動化,2014（1）:1-9.