互联网群体智能的涌现

第７卷第１２期　２０１０年１２月　管理学报　Ｖ０１．７　ＮＯ．１２　Ｄｅｅ．２Ｏ１Ｏ　Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　互联网群体智能的涌现　谭丽华　董毅明　李林红　（昆明理工大学管理与经济学院）　摘要：从互联网的实际情况出发，对综合集成研讨厅体系做了相应改进，除了强调专家群　体的认知外，还加进了公众以及政府群体的认知。首先，用定性的方法从开放复杂的互联网系　统中获取不同群体的认知关键词及其响应关系。然后，通过对链接结构分析方法中的ＰａｇｅＲ—　ａｎｋ算法和ＨＩＴＳ算法进行比较分析，最终确定用改进的ＨＩＴＳ算法来寻找和分析各群体的　关注重点及群体间的互动关系。研究结果表明，在互联网上，人们通过不同形式的言论来反映　自己的观点和见解，并通过发表支持或反对意见来影响其他人，从而使人的经验知识通过这种　交互行为汇聚并涌现出来，从而产生群体智能。　关键词：群体智能；互联网；综合集成研讨厅体系；链接结构分析；涌现　中图分类号：Ｃ９３文献标识码：Ａ文章编号：１６７２—８８４Ｘ（２０１０）１２—１８３９—０７　Ｔｈｅ　Ｅｍｅｒｇｅｎｃｅ　ｏｆ　Ｓｗａｒｍ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｏｎ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ　ＴＡＮ　Ｌｉｈｕａ　ＤＯＮＧ　Ｙｉｍｉｎｇ　ＬＩ　Ｌｉｎｈｏｎｇ　（Ｋｕｎｍｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｓｏｍｅ　ｉｍｐｒｏｖｅｍｅｎｔｓ　ａｒｅ　ｍａｄｅ　ｔｏ　ｔｈｅ　ｈａｌｌ　ｆｏｒ　ｗｏｒｋｓｈｏｐ　ｏｆ　ｍｅｔａ～ｓｙｎｔｈｅｔｉｃ　ｅｎｇｉｎｅｅｒｉｎｇ（ＨＷＭＥ）ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｅｎｖｉｒｏｎｍｅｎｔ　ｏｆ　ｉｎｔｅｒｎｅｔ．Ｂｅｓｉｄｅｓ　ｔｈｅ　ｃｏｇｎｉｔｉｏｎ　ｏｆ　ｅｘｐｅｒｔｓ，ｔｈｅ　ｃｏｇｎｉｔｉｏｎ　ｏｆ　ｐｕｂｌｉｃ　ａｎｄ　ｇｏｖｅｒｎｍｅｎｔ　ｉｓ　ａｌｓｏ　ｉｎｔｅｇｒａｔｅｄ　ｉｎｔｏ　ｔｈｉｓ　ｓｙｓｔｅｍ．Ｔｈｅ　ｋｅｙｗｏｒｄｓ　ａｎｄ　ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｇｒｏｕｐｓ　ａｒｅ　ａｂｓｔｒａｃｔｅｄ　ｆｒｏｍ　ｔｈｅ　ｏｐｅｎ　ｃｏｍｐｌｅｘ　ｓｙｓｔｅｍ　ｏｆ　ｉｎｔｅｒｎｅｔ．Ａｆｔｅｒ　ｃｏｍｐａｒｉｎｇ　ｔｈｅ　Ｐａｇ—　ｃＲａｎｋ　ａｎｄ　ＨＩＴＳ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｔｈｅ　Ｌｉｎｋ　ｓｔｒｕｃｔｕｒｅ　ａｎａｌｙｓｉｓ　ａｌｇｏｒｉｔｈｍ，ｔｈｅ　ｉｍｐｒｏｖｅｄ　ＨＩＴＳ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ａｐｐｌｉｅｄ　ｔｏ　ｆｉｎｄｉｎｇ　ｔｈｅ　ｆｏｃｕｓｅｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｇｒｏｕｐｓ　ａｎｄ　ａｎａｌｙｚｉｎｇ　ｔｈｅｉｒ　ｉｎｔｅｒａｃｔｉｖｅ　ｒｅｌａｔｉｏｎｓｈｉｐｓ．Ｔｈｅ　ｒｅ—　ｓｕｈｓ　ｓｈｏｗ　ｔｈａｔ　ｐｅｏｐｌｅ　ｅｘｐｒｅｓｓ　ｔｈｅｉｒ　ｓｕｐｐｏｒｔｉｎｇ　ｏｒ　ｏｐｐｏｓｉｎｇ　ｖｉｅｗｐｏｉｎｔｓ　ｔｏ　ｉｎｆｌｕｅｎｃｅ　ｏｔｈｅｒｓ　ｏｎ　ｔｈｅ　ｉｎ—　ｔｅｒｎｅｔ，ｗｈｉｃｈ　ｍａｋｅｓ　ｔｈｅ　ｅｘｐｅｒｉｅｎｃｅ　ｋｎｏｗｌｅｄｇｅ　ｃｏｎｖｅｒｇｅ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｉｎｔｅｒａｃｔｉｏｎ　ａｎｄ　ｔｈｅｎ　ｓｗａｒｍ　ｉｎｔｅｌ—　ｌｉｇｅｎｃｅ　ｅｍｅｒｇｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｓｗａｒｍ　ｉｎｔｅｌｌｉｇｅｎｃｅ；ｉｎｔｅｒｎｅｔ；ｈｗｍｅ；ｌｉｎｋ　ｓｔｒｕｃｔｕｒｅ　ａｎａｌｙｓｉｓ；ｅｍｅｒｇｅｎｃｅ　群体智能是人们受自然界生物群体（如蚂　质（即整体大于部分之和），但是，真正对于涌现　以及复杂系统的研究则源于美国圣菲研究　蚁、大雁等）所表现出的通过分工合作、相互协　调来完成个体不能解决的复杂任务这种智能现　象的启发而提出的一种人工智能模式，是“无智　能或简单智能的主体通过协作而表现出智能行　所　］。对于涌现现象的研究，一直都是和复杂　系统联系在一起的，涌现不仅是复杂系统中的　现象，同时也是群体智能的重要特征。群体中　为的特性”，具有高度的自组织和自适应性，并　表现出非线性、涌现的系统特征　’　。自组织和　自适应性指的是群体的各个个体能够根据相应　的个体结构和功能都非常简单，通过相互通信　和协调组成群体系统，同时涌现出一些整体的　性质和新的功能，这种智能本身也正是群体系　统中涌现的结果　］。　的原则在适当的时候自动改变自身的行为，通　过协作来实现整个群体的行为目标。系统科学　的创始人贝塔朗菲把一般系统论界定为关于整　体性的科学，把整体性界定为一种“涌现”的性　收稿日期：２００９—０７－０８　ｌ９９０年，钱学森等Ｈ　提出了“开放的复杂巨　系统”的概念（系统中有许多不同种类的子系　统，并与外界进行信息交换）及处理相关问题的　基金项目：国家自然科学基金资助项目（７０７６３００３）；云南省自然科学基金资助项目（２Ｏ０７ＧＯ３３Ｍ）　・　１８３９　・　方法论，即从定性到定量的综合集成法。该方　法主要用于研究社会群体如何从感性认识涌现　出理性认识，是一种把握涌现性的科学方法。　基于综合集成方法，钱学森等又提出了综合集　成研讨厅（ＨＷＭＥ）的构思，针对具体的复杂问　题，按照人机结合、以人为主的设计理念，将专　家群体知识与智慧、领域知识，以及数据、相关　设备等有机地集成起来。尔后，戴汝为等　和　操龙兵等　将该方法应用于计算机智能系统，　研制了一个可供专家使用的工作平台，借助互　联网使平台得到应用，获取并激发和应用群体　智能。叶惠敏等　基于综合集成方法提出了一　种网上舆论观点倾向的评估系统方案。郭小哲　等　Ｊ贝Ｕ研究了如何通过对多个专家智慧点的聚　度计算和聚度场描述来寻找及分析研讨中的受　关注点和受批判点，从而更好地把握矛盾冲突　的主要方面，使研讨得到有效控制。但是，这些　研究却没有系统地结合互联网的实际情况来分　析如何从互联网上获得群体智能。在互联网　上，人们可以通过不同形式的言论来反映自己　关于社会、环境、经济等问题的一些观点和见　解，并通过发表支持或反对意见来影响其他人，　从而使人的经验知识通过这种交互行为涌现出　来，因此，可以说互联网是生活中一个具体的人　工开放复杂系统的例子。　１　互联网上群体智能涌现现象的甄别　１．１认知主体的界定　在互联网上，可以找到不同人关于某个热　点问题的不同形式的发言和讨论（或者说是互　动），有些是在博客、论坛中关于某个具体问题　的讨论，有些是电子政务网站颁布的措施和政　策，有些则是学术数据库中以论文形式表现出　来的研究成果等。根据这些不同的发言形式，　相应地，可将互联网上的认知主体分为公众、政　府和专家３个群体。在这３个群体中，公众、专　家是由个体组成的群体，而政府是由部门组成　的群体。在本文中，公众的认知观点主要是指　网民在互联网上发表的言论和话题，专家的认　知观点主要是指在学术论文数据库里发表的论　文，政府的认知观点一般从政府网站获得，主要　是一些措施和政策等。　在确定了这３个认知群体后，通过在互联　网上浏览大量的网站和查阅有关文献，找出各　个群体的关注点，把这些关注点用关键词记录，　并寻找各关键词之间的关系，从而找到各群体　之问的认知关系。　・　】８４０　・　管理学报第７卷第１２期２０１０年１２月　１．２认知主体关键词的获得　因为每个认知群体在互联网上的行为表现　形式都是不一样的，所以也要通过不同的方法　来寻找各个群体的认知关键词。　（１）专家群体的发言一般表现为学术论文　的形式，因此，可以通过检索学术论文数据库得　到相关的学术论文，然后将这些论文的关注点　提炼成专家群体的关键词。　（２）政府的关键词一般从政府网站获得。首　先，根据研究主题在相关政府网站上找出相应的　政策、法规和措施等。然后，把这些政策、法规及　措施的关注点提炼为政府群体的关键词。　（３）在互联网上，公众观点比较分散，不便　收集和统计，一般可从相关的公众论坛、博客等　获得公众群体的关键词。可先普遍收集公众观　点，然后进行分类，确定公众关注热点（即公众　群体的关键词），对回应比较多的观点和含此观　点的网页进行跟踪，找出公众的关键词之间的　反驳或赞同关系。然而，在寻找过程中，会发现　关于某个主题的网页很多，而在同一网页上就　该主题回复的公众却不一定很多。这就要求不　仅要研究公众在一个网页上关于某个主题的反　驳或赞同关系，还要结合不同网页相同主题甚　至不同主题间的相互关系来进行研究。　１．３认知主体关键词的响应关系　在获得各个群体的关键词后，还必须找到　并记录这些关键词之间的响应关系。在互联网　上，关键词之间的响应关系主要指关键词之间　的支持或反对关系，而这些支持或反对关系一　般包括关键词之间的引用、评价以及从属关系。　在学术数据库中，如果基于关键词Ａ的某篇专　家群体的学术论文引用了另一篇基于关键词Ｂ　的专家群体学术论文，那么就称关键词Ｂ响应　了关键词Ａ。同样地，如果在学术论文中或网　页上存在某人发表的观点（关键词Ａ），有其他　人发表支持或反对的评价（关键词Ｂ），则也称　关键词Ｂ响应了关键词Ａ。另外，在政府颁布　的措施、政策、法规中，如果有某条措施、政策或　法规（关键词Ａ）是由其他措施、政策或法规（关　键词Ｂ　、关键词Ｂ。）组成，那么同样也称关键词　Ｂ　、关键词Ｂ。响应了关键词Ａ。　１．４互联网群体智能的涌现过程　在互联网这个开放的复杂系统中，政府、专　家和公众这３个群体通过不同形式来发表言论　和看法，三者就共同感兴趣的话题进行有效的　互动。这种互动可以抽象为群体认知有向属性　图，即在获得各个群体的关键词及关键词之间　互联网群体智能的涌现——谭丽华　董毅明　李林红　的响应关系后，用节点表示各个关键词，用箭头　表示关键词之间的响应关系（如箭头Ａ—Ｂ表　示关键词Ｂ响应关键词Ａ），见图１。　图１群体认知有向属性图　通过对群体认知有向属性图的分析，可以　得到各个群体关注的重点，以及群体之间的影　响关系，最后可以为群体做出相关决策提供依　据，这就扩大了群体共同认知的汇集（即产生的　总的认知结果大于各群体认知的简单加和），从　而涌现出群体智能。由此，随着时间的推移，互　联网的发展过程不仅是一个知识产生的过程，　也是群体智能不断涌现的过程。　２　互联网群体智能的链接结构分析　２．１　ＰａｇｅＲａｎｋ算法和ＨＩＴＳ算法的对比分析　１９９８年，由ＢＲＩＮ等　提出的ＰａｇｅＲａｎｋ　算法，以及ＪＯＮ　。。提出的ＨＩＴＳ（ｈｙｐｅｒｌｉｎｋ—ｉｎ－　ｄｕｃｅｄ　ｔｏｐｉｃ　ｓｅａｒｃｈ）算法是最早出现的基于超　链接的网页排序算法，也是２种影响相当广泛　的链接分析算法，以后衍生出来的ｓＡＬＳＡ算　法、ＳＴＥＢ算法以及ＰＨＩＴＳ算法等都是基于这　２种算法提出的　”］。　ＰａｇｅＲａｎｋ算法是为搜索引擎所涵盖的所　有网页寻找一个量化的价值度，每个网页的价　值度由所有链接向它的网页的价值程度所决　定。设Ｕ是一个网页，Ｆ（Ｍ）是Ｕ指向的网页集　合，Ｂ（“）是指向Ｕ的网页集合，Ｎ（　）是网页Ｕ　指向其他网页的链接数，ｃ是规范化因子，则网　页　的ＰａｇｅＲａｎｋ值Ｒ（　）一ｃ＞：Ｒ（　）／Ｎ（　）。　）　ＨＩＴＳ算法首次提出将网页分为Ａｕｔｈｏｒｉｔｙ　网页（权威性网页）和Ｈｕｂ网页（中心性网页）。　每个网页都有自己的ｈｕｂ值和ａｕｔｈｏｒｉｔｙ值，ｈｕｂ　值表示一个中心网页指向其他网页的数量，即　该中心网页的出度值（中心度）；ａｕｔｈｏｒｉｔｙ值则　表示一个权威网页被其他网页引用的次数，即　该权威网页的人度值（权威度）。该算法的具体　计算过程是，首先利用搜索引擎获取一个与主　题相关的网页根集合，然后把那些指向根集合　中网页的网页和根集合中网页所指向的网页扩　充到集合中，就可获得一个更大的基础集合　Ｔ。假设最终基础集合中包含Ｎ个网页，那么　对于ＨＩＴＳ算法来说，输入数据就是一个Ｎ×　Ｎ的相邻矩阵Ａ，其中，如果网页ｉ到网页Ｊ有　一个链接，则Ａ　一１，否则为Ａｄ一０。然后，分　别计算各个网页的ｈｕｂ值和ａｕｔｈｏｒｉｔｙ值，假设　用ａ（“）表示网页　的ａｕｔｈｏｒｉｔｙ值，ｈ（　）表示网　页Ｕ的ｈｕｂ值，则　ｎ（“）一∑　（口），＾（”）一∑ｎ（口），（“，　∈Ｔ）。　式中，Ｕ一　表示网页Ｕ引用了网页７２，反复迭代　上述２个操作，每次迭代后需要对ａ值和ｈ值进　行规范化，以保证其数值不会使计算溢出，即：　ｎ（“）一ａ（“）／，＾√　，　ｃ“　一＾ｃ“　／ｆ＾　。　通过比较ＰａｇｅＲａｎｋ算法和ＨＩＴＳ算法，　可发现这２种算法有着明显的不同点，Ｐａｇｅｒ—　ａｎｋ算法独立于检索主题，其处理对象是一个　搜索引擎上当前搜索下来的所有网页，将网页　权值直接从一个Ａｕｔｈｏｒｉｔｙ网页传递到另一个　Ａｕｔｈｏｒｉｔｙ网页；而ＨＩＴＳ是与搜索主题密切相　关的，其处理对象则是搜索引擎针对具体查询　主题所返回的结果，是将Ａｕｔｈｏｒｉｔｙ网页的权　值经过Ｈｕｂ网页的传递进行传播　。　２．２链接结构分析算法的应用与改进　在互联网上，通过寻找各个群体关于某个　主题的认知关键词及其间的响应关系得到群体　认知属性图（见图１）。在图１中，每个关键词　相当于一个类网页，这些类网页的关键词都具　有主题相关性，而且一个关键词在被某些其他　关键词响应的同时还会去响应别的关键词，这　说明关键词之间的响应和被响应的属性存在互　相增强的关系。也就是说，一个关键词被越多　的关键词响应，那么该关键词响应其他关键词　的质量就更好，这与ＨＩＴＳ算法运用ｈｕｂ值传　递ａｕｔｈｏｒｉｔｙ值相似，因此，可以用与搜索主题　密切相关的ＨＩＴＳ算法来进行分析和计算关键　词的各种响应属性。　由于关键词相当于类网页，而不是实际的　网页，因此，ＨＩＴＳ算法也应该有相应的改进。　首先，通过搜索引擎和学术数据库来查找与主　题相关的网页和论文，总结出关键词（如第１．２　节所述），把这些关键词的集合作为Ｔ集合（假　设Ｔ中有Ｎ个关键词）。然后，对于Ｔ集合中每　个关键词，类似地，给出２个见解响应属性值：　一个是见解响应质量ａｕｔｈｏｒｉｔｙ值，记录被其他　关键词响应的关系属性；另一个是见解响应数　量ｈｕｂ值，记录响应其他关键词的关系属性。丁　集合中的关键词ｐ￡的见锯响应质量ａｕｔｈｏｒｉｔｙ　值用ａ（ｐｔ）表示，见解响应数量ｈｕｂ值用ｈ（ｐｔ）　・　】８４］　・　管理学报第７卷第１２期２０１０年１２月　表示，由ＨＩＴＳ算法的计算公式ａ（　）一　３．１各群体的关键词及其有向属性图　３．１．１专家群体关键词及有向属性图　∑ｈ（　）和　（“）一∑ｎ（　），（“，　∈Ｔ）演变得　到如下计算公式：　ａ（ｐｔ）一　ｈ（　），　（１’　’　ｈ（ｐｔ）一∑ｎ（　）。　（２）　一　所有属性值的初始化值为１，　一　表示　关键词　￡评价或响应了关键词ｑ　，通过迭代式　（１）和式（２）来更新ａ（）值和ｈ（）值。为了使数　据的表达更加直观以及数据不会溢出，在每次　迭代后，进行归一化处理口　，即：　，　ａ（ｐｔ）　一ｎ（ｐｔ）　／２　ａ（ｐｔ），　　，　（３）　＝１　，　（ｐｔ）　一＾（ｐｔ）　／２　ｈ（ｐｔ）　。　（４）　ｌ一１　如果用矩阵表示该算法，先要根据图ｌ来　得到一个响应关系矩阵Ａ，如果关键词ｉ响应了　关键词Ｊ，则Ａ　一１，否则为０，设向量ａ一（ｎ　，　ａ。，…，ａ　）　代表所有基础集合Ｔ中的关键词的　见解响应质量，向量ｈ一（　，ｈ。，…，ｈ　）　代表　所有的见解响应数量，运用公式ａ—Ａ　ｈ和　ｈ：Ａａ进行迭代计算，将这２个向量初值均设　为（１，１，…，１）　，每次迭代后同样要进行规范化　处理。这种链接结构分析方法的ａ（）值和ｈ（）值　收敛于矩阵Ａ　Ａ和ＡＡ　的主特征向量口　，在这　里也就是收敛于对于某个主题研讨形成的关键　词的群落。　通过上述分析计算，就可以得到各个关键词　的见解响应质量ａｕｔｈｏｒｉｔｙ值和见解响应数量　ｈｕｂ值的排序，从而得到互联网上各个群体关注　的重点，以及这些关注重点是如何反映群体间的　相互通信关系，并进一步产生群体智能的。　３　实例分析　在互联网上，滇池流域的可持续发展问题　一直备受国内外公众及专家的关注，在百度搜　索引擎中输入“滇池”，能找到相关网页约　１　７１０　０００个，而且自温家宝总理在十届人大四　次、五次会议的政府工作报告中提出了关于我　国可持续发展的新战略以及继续搞好“三河三　湖”（即淮河、海河、辽河以及太湖、巢湖、滇池）　的治理政策以来，在互联网上，从政府、专家、公　众共同参与的角度来研究滇池流域的可持续发　展问题就成了一种新的途径。下面以滇池流域　的可持续发展问题为例，在互联网上寻找各个　群体关于该问题的看法，并通过计算和分析，研　究互联网群体智能的涌现。　（１）在学术论文数据库和电子图书系统中　输入“滇池”主题检索词，检索出有关滇池研究　的论文和书籍等，选出能够引起公众和政府共　鸣的学术论文和书籍（笔者选取了５０多篇关于　滇池污染的现状、成因、对策，以及滇池流域的　经济、社会问题等的文献）。阅读有关文献，将　其主要观点和内容概括为关键词，然后将意义　相同或相似的关键词合并，即获得专家群体的　如下１４个关键词：水体富营养化　１、总磷总　氮　２、内源污染　３、面源污染　４、点源污染　５、有害生物　６、农村污染　７、水土流失　ｚｊ　８、引水济昆　９、生态工程　１０、综合治理　１１、工业污染　１２、源头治理　１３、公众参与　１４。　（２）分析研究这１４个关键词分别属于哪些　文献以及这些文献之间的引用、评价关系。根　据这些引用、评价关系获得并用有向箭头记录　专家群体关键词之间的响应关系，然后参考图　１的规则和结构，画出专家关键词有向属性图　（见图２）。　圈２专家关键词有向属性图　３．１．２政府群体关键词Ａ有向属性团　（１）跟踪查看有关滇池治理和保护的政府　网站（笔者查看了国家环境与资源保护部、昆明　市发展与改革委员会、昆明市人民政府办公厅、　云南省政府信息公开网站、昆明市滇池管理局、　云南省环境保护局等１０多个政府网站），将每　个政府网站上公布的信息或政府关于滇池的治　理措施等进行概括得出关键词，然后将相同、相　似的关键词合并，即得到政府群体的如下１３个　关键词：污染现状Ｚｆｌ、全面治理／综合治理　ｚｆ２、污水处理工厂ｚｆ３、铁腕治污ｚｆ４、生态工　程Ｚｆ５、引水治污工程Ｚｆ６、污染源头治理　ｚｆ７、入滇河流监管Ｚｆ８、排污企业管理ｚｆ９、治　理资金ＺｆｌＯ、公众参与Ｚｆｌ１、畜禽禁养Ｚｆ１２、　互联网群体智能的涌现——谭丽华　董毅明　李林红　含磷物排放管理Ｚｆｌ３。　（２）根据政府颁布的措施、政策和法规中存　在的层次包含关系，将以上各个关键词的响应　关系总结出来并用有向箭头描述，然后参考图　１的规则和结构，画出政府群体关键词的有向　属性图（见图３）。　图３政府关键词有向属性图　３．１．３公众群体关键词及有向属性图　（１）针对互联网上公众观点比较分散的特　点，先搜索查看了一些公众论坛和博客，例如，　红网论坛、人民网强国论坛（滇池讨论４０多　篇）、新华网发展论坛（滇池话题有３００多篇）、　百度贴吧、新浪论坛、天涯社区、网易环保论坛、　中国环境生态论坛、雅虎论坛等，并在此基础上　跟踪研究了其中的４４个论坛和博客，将这些论　坛和博客的主题进行统计后得出公众群体的主　题关键词。然后，对回复较多的网页和帖子进　行了重点研究，将这些网站上公众言论的主要　观点总结为公众群体的如下１２个关键词：调水　济昆（斥资４８９亿元调水冲刷滇池）Ｃ－ｚ１、蓝藻　爆发Ｇ　２、综合治理Ｇｚ３、污染严重＆４、治理资　金Ｃ－ｚ５、治理措施无效Ｃ－ｚ６、污染现状改进Ｇｚ７、　支持政府决策Ｃ－ｚ８、贪污Ｃ，ｚ９、劳民伤财　１０、　治理费用过高　１１、公众参与　１２。　（２）公众的言论之间存在着反驳、赞同等关　系，将这些关系对应成公众群体关键词的响应　关系，并根据图１的规则和结构，用有向箭头将　其描述出来，即得到了公众关键词的有向属性　图（见图４）。　需要注意的是，图４中实线和虚线箭头只　是为了区分反对或赞同关系，虚线箭头部分代　表的是公众发表赞同或支持的观点，实线箭头　代表的是反对观点。　３．２迭代计算　各关键词的口（）值和ｈ（）值的具体迭代计　算过程和结果如下：　（１）根据各个群体关键词有向属性图，按下　图４公众关键词有向属性图　面规则得到响应关系矩阵Ａ：如果关键词ｉ响应　了关键词ｊ，则Ａ　一１，矩阵空白处表示Ａ　一０，　即表示关键词ｉ和关键词Ｊ之间没有响应关系。　下面以专家关键词有向属性图为例，根据　图２按上述规则得到响应关系矩阵Ａ（见图５）。　１刁２乃３　寸、　Ｚｊ４　Ｚｊ５　Ｚｊ６　７刁８　Ｚ０　１　一、　２　ｊ９　Ｚｊ１０　ｌ１刁ｌ３　４　一、　２　１３　１４　图５专家关键词响应关系矩阵　（２）应用迭代式（１）和式（２），根据响应关系　矩阵Ａ进行迭代计算，分别算出各关键词的ｎ　（）值和ｈ（）值。　下面以专家群体为例，用算法的矩阵形式　来描述具体计算过程。迭代前盘和ｈ都为（１，　１，…，１）　，进行第１次迭代：　ａ＝ＡＴｈ一　管理学报第７卷第１２期２０１０年１２月　Ｌ１　３　３　５　３　１　２　０　０　０　４　２　１　Ｏ］　；　和ｈ（）值的整合数据（见表２）。　表２各群体关键词的ａ（）值和ｈ（）值整合结果　政府　类　ｈ＝　＝ＡＬ１　３　３　５　３　１　２　０　０　０　４　２　１　Ｏ］　一　ＬＯ　１　３　３　３　３　５　５　７　９　１６　３　１６　５］　。　专家　政府　将迭代结果根据式（３）和式（４）进行归一化　后得：　。　Ｌ［　１　３　３丢　３　１　２　ｏ０　ｏ一０一一一　；０　２４—５　２２—５　２１５　ｏ］　；　。＝ｈ一［。两１　３两３两３　３　５两５　７　９两１６　３两１６　６］　。　同样的方法，运用公式ｎ＝Ａ　ｈ和ｈ＝　进行迭代，可以计算出政府和公众群体关键词　的ａ（）值和ｈ（）值，在进行５次迭代并归一化处　理后，各群体的ｎ（）值和ｈ（）值迭代计算结果　见表１。　表１各群体关键词的ａ（）值和ｈ（）值迭代结果　污污治治公　染染理理众　现原措资参　状因施金与　Ｏ　Ｏ　Ｏ　Ｏ　Ｏ　８　０　０　６　ｑｕ　ＣＪ　４　１　０　Ｏ　０　０　０　７　Ｏ　１　３　８　８　０　６　４　０　Ｏ　Ｏ　Ｏ　８　ｌ　０　Ｏ　０　４　５　｝　Ｏ　０　Ｏ　０　２　７　０　Ｏ　２　２　４　１　Ｏ　０　０　２　Ｏ　３　３　０　８　７　Ｏ　６　４　Ｏ　Ｏ　０　０　１　０　４　２　１　为使计算结果更能反映实际情况，可将各　７　３　８　１　ｉ　１　个群体的关键词通过整合后分为污染现状、污　染原因、治理措施、治理资金和公众参与５类，　即把公众参与单独列为一个类型，而把蓝藻爆　发、水体富营养化、总磷总氮等归为污染现状；　将面源污染、点源污染、内源污染、工业污染等　归为污染原因；将生态工程、源头治理等归人治　理措施；将贪污、治理费用过高等关键词归入治　理资金。据此，可将上例中的政府群体关键词　进行如下整合：　污染现状＝＝＝Ｚｆｌ，　污染原因一０，　治理措施一Ｚｆ２＋Ｚｆ３４－Ｚｆ４４－Ｚｆ５－４－Ｚｆ６　４－Ｚｆ７４－Ｚｆ８＋Ｚｆ９４－Ｚｆｌ２４－Ｚｆ１３．　治理资金一Ｚｆ１０，　公众参与一Ｚｆｌ１。　同理，将其他２个群体的关键词也进行整　合后得到了如下关于各个群体关键词的ａ（）值　・　］８４４　・　３．３计算结果分析　通过对迭代计算结果及表中关于口（）值和　ｈ（）值的整合结果进行分析，可得出以下结论：　（１）从表１的迭代结果来看，３个群体的关　注重点各有不同：在专家群体中，ａ（）值最大的　关键词是面源污染，其次是点源污染、农村污染　和工业污染；ｈ（）最大的关键词是综合治理，其　次是源头治理。也就是说，专家们主要关注的是　滇池污染的原因，以及如何采取措施来治理滇　池，他们最想解决的问题是主要由农村污染引　起的面源污染问题和主要由工业污染引起的点　源污染，而最有可能的解决方法就是综合治理，　而且综合治理的关键是源头治理。在政府群体　中，ｎ（）值最大的关键词是全面治理／综合治　理，其次是污染源头治理和排污企业管理；ｈ（）　值最大的关键词是公众参与。也就是说，政府制　定了综合治理的措施，工作难点是如何进行污　染源头的治理以及如何进行对排污企业的管　理，并强调这些治理工作尤其需要公众的参与。　在公众群体中，口（）值最大的是关于滇池的污　染现状、治理资金以及治理措施的关键词；ｈ（）　值较大的也是治理资金和措施，并且基本都是　对政府相关措施的反对意见。这说明，公众对政　府采取的治理措施以及投入在滇池治理中的资　金表示怀疑或否定。也就是说，政府、专家和公　众３个群体在整个滇池可持续发展过程中所扮　演的角色及所起的主要作用各有不同，各群体　之间通过信息共享、通信及互动产生群体智能。　（２）从表２的整合数据来看，３个群体对滇　池污染治理措施都给予了一定的关注，但对公　共参与这一因素的关注度不够（３个群体关于　公众参与的口（）值都为０，ｈ（）值也为０或很　小）。这也就是说，现在关于滇池的治理问题还　是停留在主要靠政府强制制定措施的阶段，公　众参与这一因素虽然引起了政府群体的一些重　视（政府群体关于公众参与的ｈ（）值为０．１８２，　仅排在治理措施的后面），但关注度还远远不　够，这也提醒政府不仅要认识到公众参与的重　互联网群体智能的涌现——谭丽华　董毅明　李林红　要性，还要切实从公众参与的角度来治理和保　护滇池。　（３）表２中专家群体关于治理资金的ａ（）　值和ｈ（）值都为０，而政府和公众群体关于滇池　污染原因的ａ（）值和ｈ（）值也都为０，这说明专　家群体对治理滇池投入的资金基本不关注，而　政府和公众群体又对滇池的污染原因不怎么关　注，这样容易造成３个群体认知上的不一致，因　此，建议专家群体可以把滇池治理资金投入是　否合理作为一个新的关于滇池研究的课题，而　政府在制定措施的时候则应多考虑滇池的污染　原因，公众也可从滇池污染原因等其他方面来　理解政府的滇池治理措施及投入的资金。这样，　３个群体才更有可能通过有效的互动，达到认　知的一致性，从而使其群体智能不断涌现并得　到更好的应用。　４　结语　为了解和分析互联网上各个群体间的互动　关系及其产生的作用，本文将ＨｗＭＥ体系中　的认知主体由专家群体拓展为专家、政府和公　众３个群体，把研究重点放在各群体认知的相　互作用关系，以及最终如何产生群体智能上。　在复杂且看似无序的互联网上通过不同的方法　和途径找到各个群体关于某个具体问题的见　解，并统计和分析出３个群体的关注重点（即关　键词）及其间的响应关系，然后运用链接结构分　析方法来分析关键词之间的关系，得到各个群　体的关注重点以及由于这种群体互动而产生的　群体智能，这是对ＨＷＭＥ体系的一个改进，同　时，这也使得开展的研究更加具有现实意义。　在互联网上，公众、专家和政府这３个群体　各有不同的关注重点，他们之间的通信和互动　可以产生群体智能。政府虽然认识到公众参与　非常重要，但是，在制定措施的时候对公众参与　这一因素考虑得还不够，这样容易造成公众的　不满；专家群体更倾向于分析问题产生的原因　并提出如何解决问题，但对解决问题的过程及　实施效果关注不够；公众则有时会不问原由地　责怪政府，反对政府的措施。这些都体现了互　联网上各群体之间的不一致性，各个群体会因　为存在这些不一致性而进行更深层次的互动，　这也是互联网上群体智能产生的积极推动因　素。随着时间的推移，互联网上的这３个群体　通过互动扩大了群体认知的汇集，使群体智能　不断涌现，从而为解决具体的复杂问题提供决　策依据。　参　考　文　献　ｒ１］Ｂ０ＮＡＢＣＡＵ　Ｅ，ＤＯＲＩＧ０　Ｍ，ＴＨＥＲＡＵＬＡＺ　Ｇ．　Ｓｗａｒｍ　Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｆｒｏｍ　Ｎａｔｕｒａｌ　ｔｏ　Ａｒｔｉｆｉｃｉａｌ　Ｓｙｓｔｅｍ　［Ｍ］．Ｎｅｗ　Ｙｏｒｋ：Ｏｘｆｏｒｄ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，１９９９．　［２］ＫＥＮＮＥＤＹ　Ｊ，ＥＢＥＲＨＡＲＴ　Ｒ　Ｃ．Ｓｗａｒｍ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　［Ｍ］．Ｓａｎ　Ｆｒａｎｃｉｓｃｏ：Ｍｏｒｇａｎ　Ｋａｕｆｍａｎｎ　ｄｉｖｉｓｉｏｎ　ｏｆ　Ａｃａｄｅｍｉｃ　Ｐｒｅｓｓ，２００１．　［３］陈一壮．论贝塔朗菲的“一般系统论”与圣菲研究所的　“复杂适应系统理论”的区别Ｉ－Ｊ］．山东科技大学学报：　社会科学版，２００７，９（２）：３～２８．　［４］钱学森，于景元，戴汝为．一个科学新领域——开放的　复杂巨系统及其方法论［Ｊ］．自然杂志，１９９０，１３（１）：　３～１０．　［５３戴汝为，操龙兵．综合集成研讨厅的研制Ｉ－Ｊ］．管理科　学学报，２００２，５（３）：１０～１５．　［６］操龙兵，戴汝为．基于Ｉｎｔｅｒｎｅｔ的综合集成研讨厅系　统体系结构Ｉ－Ｊ］．计算机科学，２００２，２９（６）：６３～６６．　ｆ７］叶惠敏，戴冠中．基于综合集成方法的网上舆论倾向　分析与评估系统方案ｆＪ］．计算机工程与应用，２００５，　４１（１６）：２１６～２１７．　［８］郭小哲，葛家理．智慧综合集成研讨厅中的聚度计算　与分析［Ｊ］．西安石油大学学报：自然科学版，２００９，２４　（３）：９９～１０２．　［９］ＢＲＩＮ　Ｓ，ＰＡＧＥ　Ｌ　Ｔｈｅ　Ａｎａｔｏｍｙ　ｏｆ　ａ　Ｌａｒｇｅ－Ｓｃａｌｅ　Ｈｙ—　ｐｅｒｔｅｘｔｕａｌ　Ｗｅｂ　Ｓｅａｒｃｈ　Ｅｎｇｉｎｅ［Ｃ］／／Ｔｈｅ　７ｔｈ　ＡＣＭ—　ＷＷＷ　Ｉｎｔｅｆｎａｔｉ０ｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ，Ｂｒｉｓｂａｎｅ，１９９８．　［１Ｏ］Ｊ０Ｎ　Ｍ　Ｋ．Ａｕｔｈｏｒｉｔａｔｉｖｅ　Ｓｏｕｒｃｅｓ　ｉｎ　ａ　Ｈｙｐｅｒｌｉｎｋｅｄ　Ｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ＡＣＭ，１９９９，４６（５）：　６０４～６３３．　［１１］王晓宇，周傲英．万维网的链接结构分析及其应用综　述［Ｊ］．软件学报，２００３，１４（１０）：１　７６８～１　７８０．　［１２］宋玲玲，李村合．基于链接结构分析的Ｗｅｂ信息检　索方法研究［Ｊ］．现代情报，２００７，２７（２）：１３３～１３５．　［１３］常庆，周明全，耿国华．基于ＰａｇｅＲａｎｋ和ＨＩＴＳ的　Ｗｅｂ搜索［Ｊ］．计算机技术与发展，２００８，１８（７）：７７～　７９．　，１１４］崔霞，戴汝为，李耀东．群体智慧在综合集成研讨厅　体系中的涌现［Ｊ］．系统仿真学报，２００３，１５（１）：　１５１～１５３．　（编辑郭恺）　通讯作者：董龊明（１９６４～），男，云南大理人。昆明理工　大学（昆明市６５００９３）管理与经济学院副教授。研究方　向为管理信息系统、电子商务。Ｅ－ｍａｉｌ：ｙｉｍｉｎｇ．ｄｏｎｇ＠ｈｏｔ　ｍａｉｌ．ｃｏｒｎ