歡迎來到網絡科學 (Option C) 學習筆記！

各位未來的電腦科學家好！本章節網絡科學 (Web Science) 是你們選修單元中非常精彩的一部分。這不僅僅是關於如何建立網站，更是要理解網絡作為一個龐大且持續演變的系統——一個連結了數十億人、機器與思想的「社會技術網絡」。

我們將探索網絡的底層結構、搜尋引擎的運作原理、社交連結背後的數學規律，以及「更智能」網絡的未來願景。

別擔心「PageRank」或「本體論 (Ontology)」這類術語聽起來很複雜，我們會把它們拆解成簡單的現實案例！

C.1 網絡的結構

網絡作為圖 (The Web as a Graph)

從本質上講，萬維網 (World Wide Web) 是一個巨大的圖結構 (Graph Structure)。

  • 節點 (Nodes/Vertices)： 指的是獨立的網頁、文件、圖片或資源。
  • 邊 (Edges/Links)： 指的是連結一個節點到另一個節點的超連結 (Hyperlinks)。

這種簡單的圖結構對於理解一切至關重要，從搜尋引擎如何運作（追蹤邊），到資訊如何傳播（跨越節點），都離不開它。

關鍵尋址與協定概念

統一資源標識符 (URI) 與 URL

URI (Uniform Resource Identifier) 是一個通用術語，指代任何用於識別資源的字串。

URL (Uniform Resource Locator) 則是 URI 的一種具體類型，它不僅識別資源，還告訴你「如何」找到該資源（即存取機制）。可以把 URI 看作名字，而 URL 則是名字加上實體地址。

協定：HTTP 與 TCP/IP

通訊的骨幹依賴於各種協定：

1. 超文本傳輸協定 (HTTP)

  • HTTP 是用於在客戶端（你的瀏覽器）與伺服器之間傳輸數據的協定。
  • 關鍵特性：HTTP 是無狀態 (Stateless) 的。 這點極為重要。這意味著伺服器會忘記關於客戶端先前請求的所有資訊。每一個請求都被視為全新的請求。
    類比：想像一個侍應生，他在送上主菜後立刻忘記了你點的飲料。你每次開口時都必須重新提醒他是誰以及你想要什麼。
  • 為了克服這種無狀態特性（特別是針對登入或購物車功能），網絡會使用 Cookie 和 Session ID 來追蹤用戶。

2. TCP/IP

  • TCP (傳輸控制協定)： 確保數據封包能可靠地並按正確順序傳遞。
  • IP (網際網路協定)： 處理定址問題，確保封包能被路由到正確的目標 IP 地址。
域名系統 (DNS)

DNS 就像是互聯網的電話簿。

  • 人類使用易記的域名（例如 www.google.com）。
  • 電腦使用數字化的 IP 地址（例如 172.217.14.174）。
  • 過程： 當你輸入域名時，你的電腦會向 DNS 伺服器發送請求，伺服器會查詢對應的 IP 地址並回傳。隨後，你的瀏覽器便會利用這個 IP 地址連線至伺服器。
C.1 重點回顧：
網絡是一個由節點（網頁）和邊（連結）組成的圖。HTTP 是無狀態的，並依賴 DNS 將人類可讀的名稱轉譯為機器可讀的 IP 地址。

C.2 資訊搜尋：搜尋技術

搜尋引擎的組成部分

搜尋引擎是用於索引及檢索網絡上大量資訊的複雜系統。它們通常包含三個主要部分：

  1. 網絡爬蟲 (Crawler/Spider/Bot)： 該程式系統性地瀏覽網絡，追蹤連結並下載網頁，以發現新的及更新後的內容。
  2. 索引器 (Indexer)： 負責處理下載的頁面，提取關鍵字、計算連結結構，並將資訊儲存在龐大的索引（就像巨大的圖書館目錄）中。
  3. 查詢處理器 (Query Processor/Search Interface)： 接收用戶的搜尋詞，對照索引進行查詢，並應用排名演算法來呈現結果。

網頁排名演算法

僅僅找到相關網頁是不夠的；搜尋引擎必須優先展示最重要的網頁。這就是排名演算法的工作，其中最著名的是 PageRank（由 Google 開發）。

PageRank 的核心原則： 如果重要的頁面連結到某個頁面，那麼該頁面也被視為重要。

  • 這不僅取決於頁面收到的連結數量（入度/In-degree），更取決於連結的品質。
  • 如果頁面 A 連結到頁面 B，頁面 A 就像是在為頁面 B「投票」。
  • 如果頁面 A 本身很重要，它的投票權重就會比來自不重要頁面的投票更高。
  • PageRank 計算是遞迴式 (Recursive) 的：一個頁面的重要性取決於連結到它的頁面的重要性，從而形成一個複雜的迭代過程。

現有搜尋引擎的局限性

儘管搜尋引擎功能強大，但仍面臨嚴峻挑戰：

  • 網絡垃圾郵件 (SEO 操縱)： 人們嘗試透過關鍵字堆疊、隱藏文字，或建立虛假連結網絡（連結農場）來欺騙演算法，以人為提升排名。
  • 深網/隱形網 (Deep Web/Invisible Web)： 大量資料無法被索引，因為它們位於密碼牆之後、需要提交表單（例如銀行帳戶、私人資料庫），或是屬於專有資料。
  • 語言與文化壁壘： 對於相關性的定義可能因語言和文化而異。
  • 過濾泡沫與偏見： 演算法根據你的歷史紀錄個性化搜尋結果，可能導致你只能看到符合你既有觀點的資訊，將你與多元觀點隔絕。
你知道嗎？ Google 除了 PageRank 之外，還會使用許多（通常多達數百種）專有因素來為搜尋結果排名，使得確切的排名流程高度保密且不斷演進。

C.3 社交網絡與網絡分析

社交網絡 (Web 2.0) 引入了用戶產生內容與建立連結的平台。網絡科學使用社交網絡分析 (Social Network Analysis, SNA) 來剖析這些連結。

網絡分析中的關鍵概念

在社交網絡（如 Facebook 或 Twitter）中：

  • 節點： 個人、群體或實體。
  • 邊： 關係或互動（例如：成為好友、追蹤、提及）。
網絡指標

我們使用指標來衡量節點的重要性和結構：

  • 度中心性 (Degree Centrality)： 節點擁有的直接連結數量。（例如：擁有 500 位好友的人具有高度中心性。）
  • 路徑長度 (Path Length)： 兩個節點之間的最短距離（最小步數/邊數）。這正是著名的「六度分隔理論」的基礎。
  • 聚類係數 (Clustering Coefficient)： 衡量一個節點的鄰居們彼此連結的緊密程度。高聚類係數暗示該節點屬於一個緊密的社群。

冪律分佈與集散節點 (Power Law & Hubs)

許多真實世界的網絡，包括社交網絡和網絡本身，都遵循冪律分佈 (Power Law distribution)（或稱為無尺度網絡）。

  • 在常態分佈中，大多數項目接近平均值。
  • 在冪律分佈中，少數節點（集散節點/Hubs）擁有極多連結，而絕大多數節點只有很少的連結。
  • 類比： 在 Instagram 上，少數名星擁有數百萬追蹤者（集散節點），而普通用戶通常只有幾百個。
  • 重要性： 集散節點對於網絡穩定性至關重要（如果它們失效，網絡連接能力會大幅下降），同時也是資訊擴散的主要媒介（病毒式內容的傳播核心）。

社交網絡中的倫理與法律問題

用戶資料的收集與使用引發了嚴重的倫理與法律擔憂：

  • 私隱與資料洩漏： 大規模資料收集（通常未經用戶完全知情）使個人容易遭到側寫、追蹤及資料外洩的風險。
  • 操縱： 社交網絡結構分析可用於識別關鍵影響者（集散節點），進行針對性廣告或政治宣傳，可能剝削行為弱點。
  • 治理： 誰來監管這些全球性平台上的言論與內容（如仇恨言論、假新聞）？各國法律往往難以跟上無國界的數位通訊。

C.4 超越語法：語意網

對意義 (Semantics) 的需求

目前的網絡 (Web 2.0) 主要為人類閱讀而設計。雖然電腦可以透過 HTML 讀取網頁的「結構」（語法），但它們難以理解內容的「意義」（語意）。

例子：電腦看到 "

15.00

"，卻無法分辨這是時間、價格、溫度還是數量。

語意網 (Semantic Web)（通常稱為 Web 3.0）的目標是建立一個資料網絡，讓電腦能理解資訊的含義，從而實現自動化處理。

語意網的核心技術

資源描述框架 (RDF)

RDF 是以機器可讀方式表達資訊的基礎技術，它使用稱為三元組 (Triples) 的簡單陳述句。

三元組永遠由三個部分組成：

  1. 主語 (Subject)： 被描述的資源。
  2. 謂語 (Predicate/Property)： 關係或屬性。
  3. 賓語 (Object)： 值或其他資源。

例子： 如果我們想表達 "Tim Berners-Lee 發明了萬維網"，其三元組為：
(Tim Berners-Lee, 發明, 萬維網)。
這種結構使機器能夠構建龐大且互聯的意義事實資料庫。

本體論 (Ontologies)

如果說 RDF 提供了事實的格式（三元組），那麼本體論 (Ontologies) 就提供了知識的規則與結構。

  • 本體論是對共用概念化的正式且明確的規範。
  • 將本體論視為一本共用的字典或知識地圖，定義了特定領域內的類別（事物的類型）、屬性（關係）與約束（規則）。
  • 例子：生物學的本體論會正式定義「哺乳動物」，定義其屬性（如「有毛髮」），並定義約束（如「屬於」動物類型）。

本體論允許不同的系統對術語的精確含義達成共識，從而實現有效的資料整合與自動化推理。

語意網的挑戰

  • 採用率： 要讓數百萬用戶和組織持續使用標準化的語意標記，過程困難且緩慢。
  • 複雜性： 開發及維護複雜、詳細的本體論需要消耗大量資源。
  • 不確定性與矛盾： 真實世界的資料通常雜亂、矛盾且模糊。標準的語意語言難以輕易處理這些歧義。

C.5 網絡的未來

網絡的演進

網絡大致經歷了三個階段：

  • Web 1.0 (唯讀網絡)： 靜態內容、簡單瀏覽、互動受限。（1990 年代）。
  • Web 2.0 (社交/互動網絡)： 用戶產生內容、網誌、社交網絡、動態介面。（2000 年代初期）。
  • Web 3.0 (語意/空間網絡)： 專注於機器理解（語意網）、去中心化系統（區塊鏈），以及整合物理與數位現實（物聯網、元宇宙）。

物聯網 (IoT)

物聯網對於未來網絡至關重要。它是指嵌入了技術的實體物件（設備、車輛、電器、感測器）組成的網絡，使其能夠收集並交換資料。

物聯網產生了海量資料（大數據），需要進行處理，這就需要語意網所預想的結構與智慧來解析這些即時輸入的資訊。

未來網絡面臨的持續挑戰

網絡的持續擴張正面臨幾個重大的社會技術挑戰：

  • 安全與信任： 隨著更多設備（IoT）與個人資料移至線上，網路攻擊、身分盜用與資料操縱的風險呈指數級增長。
  • 資訊過載： 海量的內容使得品質篩選與有效搜尋變得日益困難。
  • 數位落差： 擁有高速網路與必要技術的人，與缺乏這些條件的人之間的差距，可能在全球範圍內造成嚴重的社會與經濟不平等。
  • 網絡治理： 確定誰來管控這個全球性、無國界系統的基礎設施、標準與內容規則，仍是一個複雜的政治與技術挑戰。
重點總結：網絡科學核心概念

1. 結構： 網絡是一個圖。HTTP 是無狀態的。

2. 搜尋： PageRank 評估來自重要頁面的連結（而不僅僅是連結的數量）。

3. 社交： 網絡通常遵循冪律分佈（集散節點）。

4. 語意： 使用 RDF 三元組 與 本體論 為數據賦予機器可理解的意義。