关于信息系统组织方式的一个提案
序言
昨日整理Gmail信箱之时，觉有不便之处，于是进入“Suggest a feature for Gmail”的页面，准备提些建议。不意一只灵感的小虫悄悄爬上脑梢，急欲捕之而后快。遂作“A Proposal on
Organization of Information System”一文，以备Gmail参考之用。甘冒不谦之嫌，窃以为该提案是对包括文件系统、邮件系统等在内的信息系统的组织方式的一种创新。为让更多的国内同仁了解，现将此文译成中文。仓促成文，还望诸位方家不吝赐教。
郑晖于2008年5月19日
1. 引言
我们生活在一个信息时代，但有时信息带来的负担甚至超过收益。从用户的角度看，大多数信息系统包括文件系统、邮件系统和各类基于菜单的系统本质上都是层级（hierarchical）结构的。随着信息量的递增，系统的可用性却在递减。这种结构的主要缺陷是它仅提供了通往目标信息的单一通道。用户在任何一个转角处走错都可能导致最终迷路。如果一个信息系统能支持多路通道，情况就会得到改善。有鉴于此，本文借助Gmail系统的一些思想提出了一个切实可行的方案。
2.信息检索之困
信息是个好东西，可储存和重新获取却令人头痛。日复一日地，一个典型的计算机用户浏览并保存网页，收集心仪的书签和RSS，从BT或emule上下载文件，收发电子邮件，编写文档或程序。他愉悦地享受着这一切，直到有一天他发现自己逐渐为信息超载所困扰。一个明显的迹象是他时不时感到有点头晕——他的桌面凌乱不堪，各种图标如沙丁鱼般“济济一堂”；他的书签菜单展开来如巨毯般一直拖到地上；他的信箱塞满邮件，鼓鼓囊囊、几欲暴裂。他开始意识到如果这种状况不改变，他的脑袋一定比硬盘或邮箱更早爆炸。此后，他养成了将文件、书签和邮件整理到层级文件夹中的习惯。情况果然大为改观。惜乎好景不长，文档数量增长迅猛，文件夹越来越多、越来越深。将一个文档保存到合适的地方需要花费时间，而找回当初下载或创建的文档则更花时间。整日在树状结构中穿梭，他有些倦恼和迷失了。他知道自己拥有一棵遮天蔽日的圣诞树，上面挂满了琳琅满目的礼物，可是没有多少是触手可及的。每每在掘地三尺仍一无所获之后，他不得不怀疑自己的记忆，偶尔也忍不住怀疑机器的记忆。明知那些失踪之物从来不会自动跳出来，他还是情不自禁地冲着电脑歇斯底里：那些该死的文档到底躲到哪里去了？时不时地，他又滑回老习惯：将所有最新的文件保存到桌面，不为别的，只是那里似乎更方便更令人放心。我们不禁要问：这种困境的根源是什么？
3. Gmail解决方案
问题出在传统的信息组织方式上，即树（或森林）型结构。这种层级结构应付大量信息尚胜任有余，但对于海量信息则有些不堪重负。随着信息量的膨胀，树型结构越来越力不从心。许多文件夹中的列表不可避免地变长，一些文件夹被深层嵌套。在文件系统中，通过在Windows中创建捷径或在Unix类的操作系统中创建符号链接（symbolic link）能一定程度上缓解一些症状，但显然不能根治。作为一种有趣的替代方案，Google的Gmail提供了他们称作“标签”（label）的工具。一个标签是一种文字标记，它能与其他的标签同时应用到一条信息上。开始许多用户抱怨它，因为他们习惯了文件夹风格。但这种抱怨慢慢减少，用户发现他们的信息不再是藏于密密丛林的游击队，而是一字排开等待检阅的正规军。所有最近的信息都在顶部，而这在精心组织的文件夹系统中是不可能的。用户不再为如何分类信息而犯难，他们可以在每条信息上贴上任意多的标签。找一个特定的信息也很容易，既可用自定义标签来过滤，也可用系统标签如inbox,
sent, star, chat, trash等来过滤。他们还能通过收信人、发信人、主题和信息内容来搜索。更好的是，用户可定义过滤器自动为来信贴标签。这种解决方案，今后我们称为标签结构，不必囿于邮件管理系统，它能有效地用于文件系统和其他诸如知识管理系统之类的信息系统。
4. 改进方案
标签结构并非尽善尽美。尽管与信息数量比，标签要少得多，但依然会泛滥。在Gmail的标签结构中，所有用户定义的标签是独立而平等的，但事实上——不同的标签在重要性、紧急性和常用性上可能大相径庭；一些标签有着内在联系；同一信息上的不同标签在相关度上也有所不同。比如，“工作”或“家庭”的标签更重要，“待做”或“考试”的标签更紧急，“体育”或“电影”的标签对一个体育迷或电影迷来说更常用。当一个程序员将一些资料标记为“Java”或“C++”后，他很希望它们能自动加上“程序语言”和“OOP”的标签，以便今后它们能出现在一个列表中。最后，一些标签可能比另外的标签更能描述一条信息。综合以上考虑，我们提出如下可行方案。
- 在标签结构中引入层级结构。我们将标签视作信息的元数据，并将它们以传统的树型结构来组织。这样我们将两个世界最好的部分结合起来，取长补短。实际上我们可以走得更远。我们知道，层级树型结构在图论中是有向树，只要有意义，我们可以把标签结构推广为有向图（digraph）。这意味着一个标签可以有多个上级，有点类似一些OOP语言中的多继承。显然当所有的标签都是树根（即无子标签）时，就退化为Gmail的标签结构。
- 为标签引入重要性、紧急性和常用性权重，标签可按权重排序。Gmail的星号标签可作此用，但粒度过粗。常用性权重可在每次访问后自动增值，这样最常用的标签总在前面。标签还能按最近访问时间来排序。如是，用户最关心的信息抬眼即是、垂手可得。
- 引入主标签。一项信息的某个标签可设为主标签。从这种意义上讲，传统的树型结构是我们这种结构的特例：每个文件夹名正是一个标签名。（但有一个细微差别：同样的文件夹名在不同的路径下不会象标签名那样发生冲突）如果主标签的相关度是1，那么其他标签的相关度应在0和1之间，这为搜索和排序提供了新的准则。
- 引入别名标签。标签允许有多个名字，这些名字可以是同义词、缩写甚至是不同的语种。别名还能更强大：用户可一个标签定义为其他标签的逻辑组合。例如，“我的程序”可定义为“我的文档and程序”，“娱乐”可定义为“体育or小说or电影”等等。
- 引入线信（thread）。用户能建立thread将相关信息连接起来。Gmail中有会话（conversation），但用户无法自己合并相关邮件。thread 对信息跟踪和保留不同版本的信息非常有用，这种聚合使得信息系统更加紧凑连贯。
5. 结论
要定位一项信息，用户在层级系统中需要点击文件夹在展开，在标签系统中需要点击标签来过滤。我们没有提及搜索是因为搜索较慢且有些信息不以文本形式存在。标签系统是更好的解决方案，但仍有不足之处。为了进一步方便信息检索，我们设计了含权有向图标签结构（weighted
diagraph tag structure），这是一种结合树型结构的优点的标签结构。一个具此结构的信息系统应该更加平易近人且令人愉快，它的用户可以象悠闲的养鱼人，不管往池塘里投入多少条鱼，只要一声口哨，他想要的那条就会摇头摆尾地游过来。