关于信息在区分性和非区分性媒体中的相关性的研究
摘要：从“歧视性”媒体和“非歧视性”媒体获取的信息的相关性进行了比较。"歧视性"媒体是指通过启发式选择累积和传递信息的媒体。这可以由人类或人工智能系统进行，展示一定形式的"知识"。"非歧视性"媒体只是收集和返回信息而没有任何区别。这也可以由人类或人工系统进行，但在此过程中没有涉及"知识"。我们对一份专门研究复杂系统的编辑电子出版物中出现的单词进行了排名，并发现它们近似于修改后的Zipf分布。我们比较了分布中代表性单词在非歧视性媒体中的出现次数。我们发现，非歧视性媒体（Google）相对于半歧视性媒体（NEC研究指数）从我们原始分布有更高的方差，即使两者看起来都有自己的修改后的Zipf分布。我们得出结论，歧视性媒体至少在其专业领域具有更高的效率评级，比非歧视性媒体更高。使用相同的搜索方法，歧视性媒体应提供更相关的信息。这种相关性还取决于用户的技能，但非歧视性媒体对于欠佳的搜索技能更敏感，因为提供无关信息的概率更高。这使我们建议在不同媒体中加入智能分类（例如语义网项目提出的分类），以提高传递信息的相关性。
作者：Carlos Gershenson, Mason A. Porter, Andrej Probst, Matus Marko, Atin Das
论文ID：nlin/0206001
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2007-05-23