对中国曾有过静态网页数的一种估计.pdfVIP

北京大学学报（自然科学版），第 卷，第 期， 年 月 ! ! #$$! % ’() *’+,-(+)./0 1)(/.)2+/0 ， ， （ ， ） 3-+4,.5+()(+5 6,7+-,-5+5 892 : ! 19 : ! ;) #$$! 对中国曾有过静态网页数的一种估计!） 李 晓 明 （北京大学计算机科学技术系，北京， ） =$$?= 摘 要 根据北大天网系统在#$$# 年初的一次网页搜集结果，特别是当前仍然存在网上但“最后 修改时间”不是#$$# 年网页的数量，本文提出了一种估计过去网页数量的模型，并据此对中国自从 =% 年以来的静态网页数以年为时间单位进行了估计，从而得到了一个增长曲线，在一定的理论 意义上验证了人们常说的“网上信息爆炸性增长”的特性。 关键词 互联网；因特网；网页；网络动力学 中图分类号 @6 !! 引 言 尽管 等新技术在发展并有一致看好的前景， 网页依然是人们制造和消费网上 D;E F@;E 信息的主要形式。因此，网页的数量是网上信息建设规模的一个基本指标。中国互联网络信 息中心（ ）从 年开始，每半年发布一次有关全国网站数量，网民数量等统计信息，但 G11HG =? 关于网页的数量只是在 年 月的“中国互联网络信息资源数量调查报告”中才开始有所 #$$= I ［］ = 反映 。这意味着 （）网页数量已经成为 关心的一个指标； = G11HG （）这个数量在 年以前的情况已经不可能统计得到了。 # #$$= 本文旨在对它们做一个估计，从而得到过去? 年来中国网上信息规模成长的一个概貌。 实际上，抛开网页所含的内容不谈，仅仅网页和网站的数量以及由JK,.2+-7 在它们之间建 立的关系，已经是很有意义的研究对象了。文献［］研究了网页之间的链接距离，文献［］研究 # ! 了以网页数衡量的网站规模的概率分布，文献［］所讨论的是由于网页之间自发发生的链接关 I 系所形成的所谓“网上社区”（ ）。从这些工作可以看到关于网络信息世界的研究 L,M ’900/-+( 上正在从 个不同的层次展开，即 ）信息资源量及其分布；）海量信息之间的关联结构； ） ! = # ! 信息内容。本文属于第一层次的一个结果。 下面第 节给出一些相关的技术准备，说明本文所作的估计不是纯粹的数学结果，而是基 = 于北大“天网”系统的一次收集的统计；第# 节建立一个针对这些统计数据的模型，然后根据这 个模型得到估计结果；最后在第 节对这个结果进行分析，并对它可能对其他人们关心的指标 ! （例如网页的“半衰期”）产生的影响进行讨论。 ） 和 （ ）资助项目 = % ?! A=$!#?$B 收稿日期： ；修回日期： #$$#C$%C$? #$$#C$?C$ 万方数据 第 期 李晓明：对中国曾有过静态网页数的一种估计 I