在多维系统前两篇文章里面，我讲述了这个系统是大概如何划分互联网的内容的。但是，却没有详细的讲过，它内在的机制是怎样的。今天，看到GOOGLE BUZZ的诞生感到很高兴，觉得很有必要将我这个系统的处理方式写出来。说不定会有帮助。如果能实现的话，会带来改变吧。同时，也结合GOOGLE BUZZ来对比讲述，因为我觉得GOOGLE BUZZ非常适合有来实现我的这个多维系统的理念。

大家都知道EXCL电子表格，在处理数据时经常会用到一个叫作筛选的功能，我们总是使用电子表格的这一功能，给各种数据增加一个筛选记号，通过这个记号我们就可以使用筛选命令对各种数据进行筛选。我对互联网的筛选办法也不列外，就是通过对互联网上的各种内容增加一个筛选记号从而使人们可以对内容进行控制，也许有人会说，你这个给内容加上筛选的记号是不是就是以前传说中的TAG功能呢。其实不是，其实，这个筛选记号就是那个顶的功能。在GOOGLE BUZZ中，如果你对某个内容觉得不错，那么，在这个内容的下面就有一个“顶”的按钮，通过这个按钮，你点击之后，那么被你顶过的那篇文章就会得到一次顶值，那么，这样一来，我的这个系统就是通过这个顶为每篇文章加入一个筛选的记号。在多维系统中，会跟踪到每条被顶文章的记录。通过这个记录你可以查询到这篇文章被谁顶过，和这个人顶过哪些文章。这样，就通过对文章附加上顶这个值，我们就可以对所有凡是有顶的值的文章进行操作，或者称之为筛选。凡是被负与了顶值的文章，都将被多维系统看作是一个可以进入处理条件的内容。有了这个顶的值。我们就可以跟踪从人到贴子，从贴子到人的因果关系。放在人文的角度来讲，当一个用户对一个内容行使顶的权力时，这就代表了这个用户从自身角度出来来发表它自己的一个判断。正是由于这一个个小小的判断，使得互联网拥有了对内容判断的有效机制。有了这个顶的值，我们就可以对互联网所有的内容分为两大类，一类是被顶过的，而另一类是未被顶过的。你看，这样无论互联网的内容有多少，它只不过分为两类而已。

我相信，大家看到这里一定会认为我说的这些没有什么好新奇的，顶这种办法，在当今的互联网早就有人作了，比如说GIGG类网站等等。好吧，先莫急，我这篇文章是一篇较长的文章，如果你能把它读完，你才能了解我这个多维系统是如何工作的。

也许正是由于对这种顶功能应用的初浅认识，加上搞计算机的人总是站在等式两边的角度看待问题，所以包括GOOGLE BUZZ在内，都没有发现，用户顶的因果关系。中国有句话说，叫恶有恶报，善有善报。放在逻辑上来讲，一切事情都有因果的关系，放在社会学来讲，人总是要为了自身的利益考虑的。所以，当让一个四肢健全，头脑正常的用户花费自己的时间去帮你顶的时候，由于缺乏利益上的因果关系，所以用户没有必要去顶一篇文章。除非是谁顶谁负责。你顶起的文章明天就会为你带来相应的结果，如果用户能明白这一点的话，那么顶功能就算是在人文的角度找到了一个支点，这个支点促使人们形成一个意识，就是，如果你想看好文章，那你就不能乱顶，因为一但如果你十分随意的顶了你并不喜欢的文章，那么系统就会跟据你顶的内容作为判断依据反还给你相应质量的或者更差的文章。所以，顶功能是惯穿整个多维系统的价值线索。而GOOGLE BUZZ似乎并没有在交互方面向用户强调和表述顶对用户的意义，而只是通过设置了一个顶功能让用户使用。那么，这样的话，用户很有可能把GOOGLE BUZZ中的顶与互联网上其它的顶混为一谈。以为，它只不过是像所有互联网论坛里面那样一个xx的按扭。实际上，在我的多维系统里，顶是一个贯穿全部内容的绳子。通过用户的这种主动行，来为内容加上一个标记，通过这个标记来跟踪用户与用户，帖子与用户之间的关系。所以，如果GOOGLE BUZZ的设计，能够让用户明白，自己今天所顶过的文章，就是明天所得的结果，所以，同所有的数据处理方式一样，多维系统同样可以产生一个类似于报表功能的结果输出，这样，用户就可以很容易的通过计算机网络处理出来的结果，对所关注的人或内容作出一个更准确的判断，从而帮助用户准确的识别哪些内容是优秀的，哪些内容是不好的。那么，这也表示，我的这个多维系统的一个目的就是，帮助人们如何去判断一个内容的好坏，帮助人们如何去判断一个站点的好坏。正是通过顶这个标记的处理，多维系统就可以得出不同的报表数据。从而从各个方面可以综合更为真实的衡量内容的质量。怎么样，这个系统好吧。那么，先稍等一下，我喝口水，去去就来。。。。

好了，现在利用顶功能给各种内容加上了一个标记记号，这样我们就能够对内容进行下一步操作。我{zx0}的多维系统设计是以RSS阅读器为基础构思的，比如，你经常看一些你喜欢的BLOG，并且订阅了它们，那么，我只要给阅读器加上一个顶功能，那么，我就可以通过这个顶功能来汇总得出哪些文章被推荐过。由于我订阅的BLOG都是我自己选择的结果，所以，只要我看我订阅的这些BLOG顶的东西就能找出一些我感兴趣的内容。当然，{zh0}有一个报表出来，比如，可以按时间得出今天我订阅的这些BLOG里面，哪些文章是被顶得最多的。这样，通过这些BLOG的顶，我就可以找出更多的文章出来。这也形成了一种渠道上的传播。我要补充的是，我的RSS是分了级别的，在我的RSS里面，我给每个我订阅的RSS源都作了级别的分类，比如，我将优秀的内容分为一级和二级，将中等的内容分为三到四级，将一般的内容分为五到六级，将差的内容分为七到八级。这具体的分级标准是一个很经验性的事情。以我看了这么多BLOG文章的篇数，加上这些年来不断的写作与思考，对如何把BLOG分为几级，都有过长足的想法。其实，这也是一个过程。正像我所讲的那样，多维系统的目的之一，就是帮助人们提高和不断认清自己的鉴赏水平。这就像一个从没进过城的乡下人一样，很多城里人习以为常的事情，乡下人却很吃惊。就像CCTV报料说手机可以煮鸡蛋这则新闻一样，有互联网经验的人和没得互联网经验的人听闻后反应都不一样。就像在一个新闻发达，民众民智高的地方一样，对什么样的内容加以识别也体现出了民智如何。互联网也是这样，想要使互联网变得更好内容更干净，除了在技术上的措施以外，接下来的事情，就是培养使用互联网人的素质问题。就好比论坛刚开始出来的时候，还有人用言论进行破坏活动，后来发展到用技术手段时行破坏活动。但发展过了一定时期以后，是不是就有人发现，费这些精力作这种没有意义的事情有什么用。就像人们刚开始接触网络一下，先是觉得网络容易接近距离，接下来又是觉得网络不真实，再由不真实又变得真实。这就是人自身的不断变化。这种变化，应该更准确的归纳为人的社会问题。而非互联网的技术问题。所以，通过顶功能，进行简单的扩展是件不错的事情。我可以通过我所订阅了的BLOG来获知它们都顶了哪些文章，而哪些文章被顶的次数最多。也许你会说，其实这种按顶排名的机制早就有了，有不少是作假的呢。呵呵，这个我当然考虑过。我的多维系统，在这方面也有办法。

与以往不同，以往的排名方式总是接受来自于用户的xx，从而产生一个排名。但是多维系统不同，一个排名只针对一个用户，也就是说，在这个用户的排名结果中排得{dy}的文章，在另一个用户的排名结果里却并不一定仍然会是{dy}。这就很好的区分开了，多维系统的排名被一些xx者所利用。xx者可以通过自己为自己xx获得一个高的排名，但是我刚才讲过，只有你订阅了的BLOG才会影响到你的排名结果。xx者的文章除非被每一个RSS订阅用户添加到自己的RSS里，不然的话，它用的身份再多，也是自己xx给自己看。

通过计算机网络处理后的放大作用

接下来又有人会问我了，考拉同志，既然你是通过统计你订阅了的RSS的BLOG们的推荐数来发现一些文章或者BLOG，那摸请问，对于一个还未使用过的互联网用户来说，它们没有使用过RSS阅读器自然也就无从跟据订阅对像来统计xx结果了喽。

嗯，我就是我要说的放大作用。我对互联网人的读与写有种认识叫作视角理论，就是，人们总会以一种视角去看待问题，就像手电筒的光一样，每个人的眼光射出去就是一道手电筒的光。如果几个人的眼光聚到一起就会发生重合，那么自然就会产生效应了。这也是人以群分物以类聚的所在。有着共同视角的人比较容易形成一个个的网络上的组织。组织形成就会形成中心，中心形成就会形成传播的渠道了。（题外话：老子也没去学过什么传媒学，这些东西我是从哪里学来的，真它妈见鬼了）。就像神经结构一样，若干条神经交织在一起形成的结点，就会被称之为穴位，互联网的信息也是一样，通过这种交差，而形成一个集结，从而比起我们通过一篇内容去判断一个BLOG的好坏，不如通过这种交差形成的集节，把一种内容进行放大这样来得更容易掌握对内容的判断。本来一个弱点并不算什么，但如果将这个弱点放大之后，我们就更加容易的进行判断。我说过，多维系统就是帮助人们对内容进行判断。比如，有一个人在写一篇xx文章，大谈君主封建制的好处，说得头头是道，引经据典，总之，搞得你搞不清它说的是客观还是主观。这个时候就要用到多维系统的放大功能。多之前说过，通过顶功能，我们为每个内容作了记号标记，使得我们可以跟踪每个顶是由谁顶的，这样的话，我们只要察看一下，顶篇xx文章的都是些什么人，那我们就可以反过来判断这篇文章的性质如何了。打个比方，GOOGLE这次的事件，就有很多引导型xx在鼓吹大吹通过占领搜索引擎的排名从而引导舆论。所以，这个时候我们只要看一下，顶这篇帖子的都是些什么，就可以区分，写这种文章的都有哪一伙人。我说过，多维系统详细的记录了每个人的顶贴行为，如果你发现，顶这篇文章的百分之八十都是坏人，那么这篇贴子肯定也是坏贴子。所以，多维系统的另一个用处就是可以把你看过的BLOG分为好和坏。一般我们通过好人找到好人，当然也会通过坏人找到坏人，如果是还不知道好与坏的蒙胧者，那多维系统就会帮助它培养它的审查好与坏的能力。所以，多维系统能够将好的越好，将坏的越坏这样一个机制。所以，这样听起来多维系统很复杂。所以，初步阶段，只要给多维系统一个正面方向，就是只有顶贴而无隆贴的规则。先从一个方向上加以区分先。这样的话，如果我是一个没有订阅过任何BLOG的新人来说，我可以通过BUZZ，随意的查看任何一个人，然后跟据这个人所共享的内容中查看，哪些内容是被顶得较多的。就这样，众一个被顶得较多的贴子找到另一些人和贴子。而当前的GOOGLE BUZZ之方面却显得比较的乱。如果按照我的多维系统设计，因为我已经给每个顶贴都作了记号，然后我只要使用类似电子表格之类的筛选功能，进行各种组织，我就能够找到另人异想不到的内容。比如，现在GOOGLE BUZZ可以跟据一个人查到它在关注哪些人，以及哪些人在关注它，那么，我就可以设置条件为，通过选定其中的两个人，然后，通过GOOGLE BUZZ平台的计算机网络得出，在这两个人的顶的帖子当中，那些贴子是被顶得最多的。从而我不但可以分清当前这丙个人的素质如何，我还能发现更好的文章。要知道，优秀的人只会选择优秀的文章来推荐，垃圾的人，只会选择垃圾的文章来推荐。一但通过前两个人进行筛选之后得出的结果，我又可以进行下一轮的筛选了。这一点，是以往任何的互联网应用所不具备的。当今的互联网，有几个有筛选功能。就像操作电子表格一样，我选中对A和B两行，然后对其中凡是有顶记号的贴子都筛选出来，然后我再统计，从这些被先过的都带有顶记事的内容中，哪些是重复次数最多的。这样我就获得了{dy}论的筛选结果，通过这种海先，我可以优秀的获得我的{dy}批RSS种子源，然后，我再通过这些种子源获得更为精细的内容。

OK到此为止，就是通过多维系统的这种机制，不断的进行筛选优化，{zh1}得出的内容源一定是优秀的。从而就达到了治理互联网的解决办法。