第七十三章 Robin的Quora初体验（求追读））

    “感谢@JimmyWales的邀请，作为Quora的创始人，我想我有必要来回答一下这个问题。

    人们获取知识的渠道在不断地增加，最早是从老师那里得到知识，后来是从书籍中获取知识，到了现代，我们越来越多地依赖从互联网上获取知识，比如搜索引擎。

    在创办拳头电子社区后，我在上面看到大量的帖子都是玩家们关于游戏的各类疑问，比如星际争霸板块经久不衰的帖子要属于哪个种族强，以及各个种族如何开局是最佳开局。

    包括我们推出的《植物大战僵尸》里也经常有新人提问，希望知道一些比较难的关卡要如何配置植物才能顺利过关。

    于是我萌发了一个想法，那就是能不能做一个专注于回答问题的社区，让大家的知识在这里交汇。

    当我萌生这個想法后，我要挑选合作伙伴，我还有其他的公司，没有这个精力来做这件事。当时我听说硅谷有人和我有相似的想法，这个人就是@JimmyWales和@LawrenceSanger。

    他们试图打造一个线上百科全书Nupedia来解决这个问题，但是Nupedia的进展缓慢，当我找到他们之后，他们在听到我的想法后，认为知识问答社区是一个比线上百科全书能够更好解决这个问题的方案。

    于是在两位加入后，Quora的开发进入到一个快车道。

    用户可以在Quora上提出问题、回答问题、编辑和评价问题和答案，也可以关注特定主题或其他用户。

    我们的特色是用户可以对答案进行投票、评论和编辑，以确保高质量的内容被更多人看到。

    并且Quora有严格的社区准则和管理措施来防止滥用和垃圾信息。有拳头电子社区的例子在前面，大家可以充分相信我们管理一个高素质社区的能力。

    最后希望大家能够在这里玩得愉快。”

    周新的回答获得了数百个点赞，是该问题下面获得赞同数最多的回答。

    Robin觉得很有创意，“又是Newman的创意，在问题的下方可以选择按照赞同数排序或者回答时间排序，既让用户看到高质量的回答，又能够让用户看到最新的回答。

    同时兼顾了二者的设计足够巧妙。”

    周新在回答里提到的JimmyWales和LawrenceSanger本来应该是wiki百科的创始人。

    他们在搞wiki的前身，Nupedia百科，这是一个纯粹以学术为导向的在线百科全书，全部由专家和学者来进行编写，编写后要经过严格的审核和审校。

    Nupedia可以看做是门槛没那么高的期刊，也正因如此，这项工作进展非常缓慢。

    吉米威尔斯和拉里桑格二人感到挫败感和怀疑，周新在找到他们之后，三人一拍即合，知识问答社区不仅能够实现他们想做的事情，而且也有更高的商业价值。

    至于二人知道周新的创意，会扔下周新自己搞，且不说Quora的网站框架和测试版都已经做出来了，他们另外单干从时间上就落后了不少。

    光是周新在硅谷的名望，从开始创业以来从来没有失败过，而且估值全都是以十亿美元为单位。而且周新在硅谷的名声很好，乐于分享股份，不管是最早的阿什利、斯蒂芬还是NewPay的冯路易斯、沃伦·詹森，可都分到了股份。

    加上Quora的方向和线上百科全书重叠度很高，因此吉米·威尔斯和拉里·桑格几乎没有犹豫，当下就答应加入Quora。

    对周新来说，二人创办wiki百科就不说了，从能够把wiki百科搞起来已经充分证明了他们的管理能力。

    本来周新也打算把线上百科和Quora打包，做成一家企业，这两者的用户就是线上百科的免费劳动力。

    更重要的在于，二人之前搞Nupedia，手上积累了大量学术界人脉关系。

    周新认识的学术大佬全集中在集成电路领域，他们二人不同，认识的学术大佬遍布所有领域。

    加上拉里·桑格大学期间搞过一个邮件列表服务器，为有辅导需求的学生与导师建立沟通平台，以此建立论坛，用来提供个性化辅导课程、个性化辅导的方式。

    通过这个服务他在大学生群体里也有一定的影响力。

    周新对Quora的规划，就是初期用户以学生群体和大学教授群体为主，其次是硅谷的互联网从业人员和互联网大佬们。

    视角回到Robin身上，作为纽约州立大学的计算机硕士，早期的Robin对技术很关注，他进入计算机这个细分领域下之后发现，里面的问题五花八门。

    “DSL服务模式为什么会比传统的拨号连接方式更快？”

    “我是一名计算机专业的大一学生，但是我丝毫没有从计算机学习中体会到乐趣，我该怎么办？”

    当然也有很专业的问题，比如“PageRank算法的优势在哪里？”

    “PageRank算法为搜索引擎的排名算法提供了一种全新的思路。

    我们在设计这个算法的时候主要考虑了链接的质量和数量，并利用这些链接之间的关系构建了网页之间的链接图谱，从而对网页进行排序。

    我们为超链接文档集的每个元素分配一个数值权重，目的是“衡量”其在集合中的相对重要性。该算法可以应用于任何具有相互引用和引用的实体集合。它分配给任何给定元素E的数值权重称为E的PageRank，表示为PR（E）。

    PageRank源自基于webgraph的数学算法，该算法由所有万维网页面作为节点和超链接作为边创建，并考虑了cnn或mayoclinic.org等权威中心。排名值指示特定页面的重要性。指向页面的超链接算作支持票。页面的PageRank是递归定义的，取决于链接到它的所有页面（“传入链接”）的数量和PageRank指标。由许多具有高PageRank的页面链接到的页面本身会获得高排名......”

    这篇回答就相当专业，Robin看了眼回答者的ID，谢尔盖·布林。

    同行是冤家，Robin知道对方，大家都是搞搜索引擎的，而且他们的PageRank算法和他发明的算法非常相似。

    Robin为IDD做的站点评分算法是最早利用超链接衡量搜索质量的算法。

    Robin忍不住也在下面写起了回答：“PageRank有借鉴Rankdex站点评分算法的地方......”