以推送的方式改造"Baidu知道"

我过去提出过很多想法，部分也发表在这里，但最后基本都是没有下文的。以至于当我告诉丫头我有一个想法时，还没讲故事，她就笑的不行了。想法嘛，就是随时都要提，提出来才能进一步思考嘛。

“Baidu知道”我从来没有用过，但基本过程我还是了解的，有人提问，有人解答，这种问答的方式是社区的基本交互方式。因此我的出发点就是如何以更好的方式让提问者得到答案，这种更好应该是更快、更准确、用户付出代价更小。

Google通过人工智能的方式，以强大的计算能力为基础，为用户提供了一个统一的问答系统。比如我们可以搜索框中输入“华南虎灭绝了吗”。搜索引擎自身并不告诉我们结果，而是将我们转交给其他问答社区，比如“Baidu知道”，“Yahoo知识堂”，从而进一步获得结果。这里表面上看是没有人的参与，但其实最终解答问题还是需要人类的智慧贡献。
“Baidu知道”,采取另一条路，即自己建设知识社区，维护知识树和用户群。人们在社区内发布问题，志愿者去解答相关的问题。我之所以提出以推送的方式改进“baidu知道”，是觉得简单发布，等待解答的方式效率不够高，问题并不能第一时间被能够解答的人感知到，即使这个人是Baidu的用户，人们需要首先登录“Baidu知道”社区，找到自己熟悉的领域，然后在很庞大的问题池中选择问题来回答，针对性不强，时效性不高，造成的结果就是解答的质量参差不齐（结论很武断，只是推断出来，没有进行实证研究，在此提示读者请忽略此结论）。在提问时，提问者会为问题分类，这个分类体系是Baidu设计的，但层次大概有三四层。由于分类的粒度较大，因此问题池也较大，这不利于人们解答。

推送是一种大家很熟悉的方式，比如Email、RSS订阅、IM消息等。目前人们谈推送主要是指在用户提出显性请求之前，计算机系统将用户可能关心的信息主动发送给用户，使用户的体验更加的个性化，效率也提高了。将推送结合进“Baidu知道”的步骤如下：

1. 分析问题的语义信息。当用户提出问题时，计算机系统首先分析问题的语义信息，比如“华南虎灭绝了吗”，计算机可能分析出：华南虎－》大型猫科动物，灭绝－》珍惜动物保护，自然保护区，甚至和新闻相结合推断出－》周正龙。这种语义分析可以使得问题的粒度更细，这是分类系统所无法以较低成本提供的。
2. 系统进一步分析这个问题可能哪类人可以解答：猫科动物专家？保护野生动物基金会？林业部？记者？
3. 系统找到这些人都是谁。“Baidu知道”的用户在注册的时候应该提供一份可以解决问题的描述，或者系统根据他过去的回答情况，提取关键特征，得到一个特征向量。这样猫科动物专家－》中科院动物所－》Mr. Right；野生动物保护－》华南虎保护基金会；balabala...
4. 最后就是推送了，这里可以有多种方式，专家们可能喜欢Email，那么系统就Email他有个问题需要他帮忙。有人安装了Baidu Toolbar，那么可以直接推送到浏览器里。其余的流程，激励机制就没有必要改变了。

很多人会说，问题并不一定只有专家才能解答，生活上的问题人人都是专家。是呀，这里提到的问题只是针对特定需求，比如专业问题，需要高效率的时候才是需要的。以计算机的角度分析，问题的关键是如何做语义分析和推导。即步骤2和3。

OK。这个问题报告完了，说的很罗嗦，你觉得这个有意思欢迎和我讨论，尽管我可能并没有机会去进一步研究他。

盛世出猛虎，猛虎显国威，国威值百万，百万要掉头。