课程网站-北京大学网络与信息系统研究所.pptVIP

网络信息体系结构Web-based Information Architecture 地点: 一教112 时间: 星期三，16:50-18:40 （另外每周安排一个小时的讨论，星期一17:50-18:40，地点待定） 教员: 李晓明 办公室: 理科一号楼1711 Email: lxm@ 电话: 前言 这门课的由来 基本内容 教材和参考资料 课程的管理要求 课程的由来 2003年1月，在印度遇到CMU的Jaime G. Carbonell教授，一起参加“中美百万册图书”项目讨论 Director of Language Technologies Institute /~jgc Web-based Information Architectures 从2001年开始发展“燕穹”的理念 从1999年开始接触“天网”搜索引擎 从1997年开始上“Internetics”课程 从1995年开始使用Web “中美百万册图书项目” 已经发展成“中美印” Raj Reddy, 1994 Turing Award Winner（人工智能） 让100万册书籍上网，为全人类“便捷”共享 有史以来，人类大约出版了100M本书，分散在各个图书馆和民间 北大图书馆约有500万册书 版权问题是该项目发展的一个制约因素 “中美百万册图书项目” 美国自然科学基金会 CMU Internet Archive, since 1997 Kahle Brewster (play the SEWM minutes and Brewster’s talk) 中国教育部 北大，清华，浙大，中科院研究生院… 1995年，开始接触Web 所受到的两次“技术文化”冲击 1982，电话；直到1987，也对Internet并没有什么感觉 1995，Web，世界好像变了 From “High Performance Computing and Communication” to “High Performance Networking and Computing”. From working on PCRC (Parallel Compiler and Runtime Consortium) to teaching web technologies based on the Internet/Web. 1997年，开始Internetics课程 一个人掌握了那些知识，就能称得上基本掌握了关于Web的技术知识？ Buzzword driven approach … From Peking University to PKU-UWE to PKU-UWE-UnivSA Computer Science Internetics Internetics PKU-UWE: 1999 1999年，开始接触“天网”(play the story of Tianwang) 天网的背后 2001年，我们有了新的想法 “燕穹”，Web InfoMall 2003年，我们有更进一步的01/yc “中文数字财富大全库” China Digital Assets Library (CDAL) CDAL home page CDAL资源，2003年8月 乐曲，歌曲：20,000 电影，电视：2,000 图像，图片：60,000 书籍：10,000 网页：400,000,000 日志：30,000,000 可能性，放得下吗？我们得到最多的质疑 许多人（单位）都做这一项工作是不现实的（也没有必要；只要做一份，但开放） 但一个国家是完全有可能做的 10KB/网页，1MB/分钟mp3，100MB/小时视频，500KB/书，400KB/图片 10元/1GB，万元/1TB 估计，暂且到2010年 网页：20亿 ? 20TB 书籍：200万? 1TB 视频：100,000小时? 10TB 歌曲，乐曲：1000万分钟? 10TB 图像，图片：1000万幅? 4TB 总共45TB，45万元！（乐观派的结论？） 在100Mbps线路上，大约50天！ 课程基本内容 Web，作为一个客观对象的若干已知性质（property） 用于发现Web性质的工具 收集Web信息的方法和技术 分析和处理Web信息的若干技术要点 Web信息查询服务 Web已有哪些性质? 网页的平均大小为10KB—15KB 网页的大小和内容大小的比约为3:1 服从“power law” 体现“小世界”（small world）现象 整体具有“蝴蝶领结”结构 网页的数量按几何级数增长 网页的平均生命周期约为1.4年，半衰期约为1年 网页的平均复制率约为4 查询日志具有很强的时间局部性 … Bow tie 发