你的网络信用系统,我觉得说了两个事: 第一: 新闻源划分 ”新闻源可以分为两类:自主提供新闻来源的一手新闻,和参考其他一手新闻来源的二手新闻。 而新闻的内容又分为两部分:新闻事件本身,和附加在新闻中的媒体的主观态度。 “ 第二: 新闻信用评级: 新闻信用阈值:sum(一手新闻源信用度)=>用可信的二手修正 新闻源信用度:审查过去记录直接评定+根据引用关系将信用度推广。 基本上就是说网上有报料也有传言。做考证要找到报料的,看他信不信得过。信得过的人相信的人一般也信得过。 几点看法: 1.你触及了一个很重要的问题。 2.很多猛料是草根爆的。而且他们是以后暴料的主力。很多传统媒体也认同这一点,比如cnn的ireport。他们的信用度无法用历史考证。很多草根一生就报一个猛料。 3.你忽略了网上很重要的一个东西:聚合新闻的场所:wiki,著名论坛,一些rating system.很多料是因为在这些地方浮起来才得以为我们所知,而这些地方也有及其重要的鉴定真伪的功能。wiki的策略做的就很非常好,当然我们知道不是足够好。(我其实有提到过社会性媒体的) 4.对于传统媒体来说,一般一个事很少有两个以上一手爆料者,特别是国内。大家都有默契和平衡。而且相加这个运算不是很合适。比较合适的是可信概率运算: 1-p=(1-p1)(1-p2) (国内媒体多使用新华社通稿不能算多个新闻源,而且你肯定知道我对国内媒体的态度。至于可信概率运算,在数学上把可信概率设为0~1之间当然没错,不过我个人倾向于不设定它的上限) 5.你提出了一个原始的没有外界用户参与的信用系统,供个人使用。但站在开发者的角度,开发一个多用户参加的信用系统放网上更划算(software as a service),而且可以利用的信用甄别信息更多。我假使你提出这个系统的目的是要做一个支持软件/网站,因为你这个“系统”跟“浏览常识”的主要区别在于你尝试把事情量化,逻辑化。(其实我的本意就是希望能依此完成Google Reader之类阅读器的评价插件,或是Digg类站点。但是,我没有这个编程的能力。) 6.一些比较专业的相关资料,供参考:(有时间我会看) Trusted Systems; March 1997; Scientific American Magazine; by Stefik; 4 Page(s) TrustMe: anonymous management of trust relationships in decentralized P2P systems Aameek Singh Ling Liu Coll. of Comput., Georgia Inst. of Technol., Atlanta, GA, USA; Peer-to-Peer Computing, 2003. (P2P 2003). Proceedings. Third International Conference on Publication Date: 1-3 Sept. 2003 Reputation systems Communications of the ACM archive Volume 43 , Issue 12 (December 2000) table of contents Computing and using reputations for internet ratings Electronic Commerce archive Proceedings of the 3rd ACM conference on Electronic Commerce table of contents Year of Publication: 2001 Bayesian Network Trust Model in Peer-to-Peer Networks Book Series Lecture Notes in Computer Science Book Agents and Peer-to-Peer Computing Measuring Levels of Trust Laurie L. Coucha and Warren H. Jonesb http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6WM0-45K13RV-D&_user=10&_rdoc=1&_fmt=&_orig=search&_sort=d&view=c&_version=1&_urlVersion=0&_userid=10&md5=5414de0294d46d97ad01e0a6c1dfc8c0 Towards a Generic Trust Model – Comparison of Various Trust Update Algorithms Book Series Lecture Notes in Computer Science Book Trust Management http://en.wikipedia.org/wiki/EigenTrust Google的page rank也是在跟这些人比较近的一个research community的工作基础上做出来的。 7. 一些实验性的系统: http://trust.cse.ucsc.edu/ http://trust.mindswap.org/ http://www.advogato.org/article/261.html