知乎的「領域」功能你怎麼看？

12-27

http://www.zhihu.com/lookup/class 戳這裡

策略正確，上線似乎倉促了點，個人感覺有以下幾個問題：

1、分類原則：到底是按現有內容來劃分，還是著眼未來按人類知識體系劃分？按現有內容劃分，那以後必然面臨著再次劃分，用戶再次學習並適應的問題。另外，分類就像成立分公司，某些話題即使現在很弱，但給他一塊地、獨立為他成立一個分公司的成長速度肯定會飛快。

2、分類邏輯：哪個話題在哪個領域是按什麼邏輯？
比如，語言、數學和醫學（酷知識領域）比心理學、哲學和藝術（社會人文領域）酷一點？
又比如，創業和職業與成長的聯繫是否更緊密一點？
再如，為什麼把體育單獨拎出來？在所有領域，這是最弱的一個，最火的關鍵詞也只有2614人關注。莫非是如第1點所述，看好」體育「分類，所以為他成立了分公司？如果是，為什麼不成立財經分公司（商業那個不算，狹隘了點）？

3、分類命名：8個名字4種風格：中間帶點的，有形容詞的，覺得帶點不好玩要用漢字連接的，傳統的。zone會不會比class好一點？

4、分類圖標：美工不給力。圖片像是從PPT早期的模板上扒下來。偶數個圖標對齊是否更好看操作也更方便一點？圖標縮小一點，滑鼠選擇就快一點？

5、呈現方式：採用類似」我的主頁--私信--設置--退出「的呈現方式，用戶可以少點3-4次滑鼠（節省掉的4次是：點領域，展開領域，選擇領域，收起；如果第一次用領域則是3次）。當然，領域圖標要橫做兩排，而不是豎排。

6、默認版塊：退出領域後再次進入，默認的是退出時停留的版塊，不方便。如果要更換到其他版塊，要點擊三次滑鼠。如果採用第5點所述改進，則可避免這個問題。（其實，第一次遇到時，我以為是出問題了，@匿名用戶也遇到這個問題；反覆刷新了幾次才恍然大悟）

作為外行也無法使用IT語言來表述看法；以上是個人感覺，想到什麼說什麼，這大概是我在知乎單位時間內字數最多的回答，不當之處敬請諒解~當然，以我過去挑刺的經歷來看，知乎團隊是不會介意滴，呵呵

感覺上未來應該會不錯，但至少目前還摸不透有些領域是怎麼界定和劃分的。

知乎的領域毫無疑問是一種知識組織方式，但是領域到底是什麼？為什麼知識積累到一定量就要按照領域來組織？可能很多人並沒有深入思考過。俺貼一篇幾年前寫的文章，也許對理解這個問題有幫助。

1.1.1.
知識網路與知識距離
知識是相互關聯的數據組成的網狀結構，知識本身是靜態的，表現為數據及其關聯，數據的關聯也可以表現為數據，所以靜態的知識其實就是一堆數據。然而事實上，我們根據直覺知道，知識比數據更有用，這種有用的性質是真實存在的，但也是有針對性的，到目前為止我們只知道知識對於人類有用，還沒有證實是否對於其他物種也同樣有用。人腦中的知識表現為神經元網路的連接方式，這些連接方式是隨著人的從出生開始不斷認識世界的過程，而動態形成的。最新的認知科學成就表明，隨著人的生長發育，人腦神經元之間的連接是逐漸減少的，直到成年才穩定下來，新生兒大腦中的神經元連接比成年人多兩倍。我們可以據此推測，人腦對於神經元連接採取一種淘汰策略，逐漸將較少使用的部分淘汰掉，留下使用頻繁的部分，表現為小孩子比成年人更富於想像力，思維更發散，在問題求解方面效率較低的原因。小孩學習知識的過程，就是一個不斷進行解題訓練的過程，通過這種訓練，不斷地優化神經元的連接方式，從而使得對解題無用的連接逐漸被廢棄。
在信息系統里，知識網路的形成過程恰好相反，連接是逐漸增多的，隨著知識的輸入，以及從原有知識中推導出新知識，信息系統中的網路連接數越來越多。在每次知識增加後，對系統的解題能力進行測試，直至最後通過測試，實現預定的功能。可以說，信息系統中的知識網路的構造是一個人腦中的知識向信息系統中轉移的過程。因此信息系統中的知識網路應當與人腦中的神經元網路具有一定程度的同構性。近年對無標度網路的研究日益深入，而人腦中的知識網路具有無標度網路的一些特徵，即通過進化逐漸形成，整體稀疏，局部密集，有區域中心節點。因此知識庫中的知識網路也應當具有這樣的特性。知識網路之所以具有這樣的一些特性是由知識網路的形成方式決定的，我們前面論述過，一個知識領域是為了求解一定類型的問題而產生的，人們在求解問題的過程中，發現和創造了一些知識，而後為了傳播和共享這些知識，通過溝通使得各個研究者對解決這一類問題所涉及到的基本概念、基本方法達成共識，從而使得各個研究者頭腦中與問題相關的知識網路進行融合，並且以語言的形式表達出來。這個形成過程決定了，首先一個知識領域是以一批核心概念作為中心，所有的知識都與核心概念發生聯繫，這一組核心概念就是研究者之間的共識；其次，在知識領域之中，知識相互之間是經過人為的發現、整理、整合，從而達到高度的集成，能夠確保體系內部的邏輯一致性，而在知識領域之外，不同知識領域之間的中間地帶，知識沒有經過充分發現、整理與整合，因此存有大量遺漏，錯誤，從而造成有效連接稀少；最後，知識領域是因為人類應用的需要自發地發展起來的，從而經歷了一個進化演變的過程，從簡單到複雜，從稀疏到密集，經過不斷地淘汰與修正，達成一個較為合理實用的形態，這個發展過程決定了網路的構型符合進化系統的一般規律。
神經元網路是一種不加權網路，兩個節點之間的直接連接具有一個單位距離。任意兩個節點之間的距離取決於它們之間連接數最少的通路的連接數。這個距離決定了從一個節點聯繫到另一個節點所需要的時間，如果一次思考有確定的時間限制，那麼距離就決定了這次思考所涉及的神經元範圍。如果一次思考總是從中心節點或其鄰近區域開始，那麼那些距離中心節點較遠的神經元在思考中被使用到的機會較少，距離中心節點較近的神經元被使用的機會較多。在知識庫中的知識組成的網路是否需要加權，取決於所使用的知識表示法。如果知識表示法是用簡單的斷言形式，對各種內容元素不加區分，就不需要加權；如果採用框架表示法，則需要考慮表示法內部的隱含謂詞的影響，適當加權。

1.1.2.
知識運用的局部性與領域範圍
一個具體的解題過程使用到的知識是有限的，而且作為一個具體的人類個體或者一個具體的信息系統，需要求解的問題大多是相似的，因而頭腦中或者知識庫中對於解決某一類問題有用的一部分知識被頻繁使用，而與解決這類問題無關的知識則很少用到。這就是知識運用的局部性。為了適應知識運用的局部性，我們在整理知識的時候，總是盡量減少經常被一起使用的知識之間的距離，而對於不經常一起使用的知識，則不去進行這種優化。由於減少了距離，因此對於常用的知識可以解決的問題，就可以加快解題過程。局部性的另一個作用是在進行問題識別的時候，會比較優先使用最近經常用到的知識，從而加大了將問題與這部分知識相聯繫的可能性。
知識經過多次整理之後，會針對某一特定範圍的問題而聚集在一起，反映在知識網路結構上就是形成一個明顯緻密的網路節點聚集區，這個區域內的節點彼此之間有大量的聯繫，而在這個區域之外，聯繫非常稀疏。這些緻密的部分就構成領域的主體，而由緻密轉為稀疏的地方就構成領域的邊界。知識有普遍與專門的差別，知識的普遍性是指適用範圍廣泛。應當特別注意，在本文中普遍與抽象，專門與具體，並不具有同樣的意義，是兩對不同的範疇。通常，一個普遍性的知識領域是多個專門性知識領域的連接中心，專門性知識領域的核心概念經常作為普遍性知識領域中的某些概念的下位概念出現。而不同抽象層次的知識領域彼此在理論層面上沒有關聯，僅僅是從高階理論溝造出來的一個模型與低階理論的TBox內容具有對應關係。兩個專門知識領域通過普遍知識領域相連接，需要通過泛化來完成。泛化就是用更具普遍性的上位概念代替專門的下位概念，這種代替會導致一定程度的信息丟失，因此更普遍的上位概念不能適用下位概念所適用的全部理論，而下位概念則可以適用上位概念的全部理論。也就是說，越普遍的概念所能適用的理論就越少。泛化之後，就可以在上位概念所在的普遍知識領域中進行推理，但推理過程不能返回原專門知識領域，只能得出結果後返回結果。
1.1.3.
知識抽象層次與知識領域結構
前面已經提到過知識抽象層次對於構建大型知識庫的影響，本節具體論述這個問題，並詳細說明利用知識領域模型解決知識抽象層次問題的方法。
知識抽象層次的問題，是由於人把思維作為研究對象，總結其規律，提煉理論，而產生的。我們目前尚且無法考證人類在語言產生之前思維當中是否已經有了「概念」，但是語言的產生毫無疑問要求人類必須建立起一個概念體系，以便用有限的符號表達無限的客觀世界。人類的概念體系建立起來之後，隨著對世界的不斷認識而日趨複雜化精密化，對概念體系本身加以研究，認識其規律性，也越來越顯得重要。對概念體系本身加以研究仍然需要利用概念體系這一工具，於是就產生了用於表達概念體系的概念體系，這就是所謂的高階理論。高階理論大部分存在於哲學當中，一部分存在於心理學和系統科學當中，也偶有零星的在其他學科，特別是交叉學科中出現。
概念最初形成的時候，都是針對對人類生產生活有意義的客觀實在的具體之物，這個時期概念的數量、上位層次以及相互之間的聯繫都較少。由於概念數量少，關係簡單，既不需要，也不可能對概念體系的內部規律加以研究。概念的作用主要用於引起人對實在物體的記憶。人們通過用語言描述概念之間的關係，讓語言的收聽者或者閱讀者可以在自己頭腦里建立起敘述者所描述的實際場景的模型，從而模擬敘述者所敘述的事件，用於理解和判斷。通過多次進行這種模型推演，人腦可以識別出其中的一些固定的模式，這樣就逐漸形成了對自然規律的認識。這些認識被補充到概念體系中去，表現為各種關聯、規則和約束。這些關聯、規則和約束，在添加進概念體系的時候，會自動受到檢驗，以保證與已有的概念體系的內容之間沒有矛盾和衝突，這種檢驗通過推理和模型推演兩種方式，或者兩種方式的結合來完成。一個模型由多個個體組成，這些個體都是由概念體系派生出來的實例，個體之間的聯繫是由概念體系中的關聯、規則和約束所決定的，當概念體系更新後，模型也要隨之更新。理論上一個概念體系可以派生出無限多個模型，也可以派生出無限大的模型，但在實際中較小的、簡單的、能快速計算出結果的模型才有實用價值，而且多個模型並行推演會使效率急劇降低。模型也是交流知識的一個重要手段，多人使用各自的概念體系建立起同一場景的模型，通過比較推演結果，以及達成這些結果所依據的概念體系，從而發現各自概念體系之間的差異，對概念體系達成共識，形成公認的知識。
隨著概念體系日趨龐大、複雜和精密，產生了幾個方面的問題：首先，概念體系擴大，使得經常被使用的概念在整個概念體系中所佔的比例越來越小，如果長期不被使用，概念就可能被廢棄，知識就遺失掉了，為了減少知識的遺失，就需要將概念體系記錄下來，記錄概念體系需要對概念體系本身進行整理歸納；其次，概念體系使用的人越來越多，使得對概念體系取得一致所需要的溝通成本急劇上升，從而使完全充分地溝通並取得一致變得不可能，這就需要一種更高抽象層次的理論來證明或者判斷概念體系內容的正確性或者合理性；最後，概念體系當中的關聯、規則與約束的急劇增加，使得概念體系內部結構空前複雜，導致了概念體系難於理解和掌握，需要通過在更高抽象層次上用更簡潔的理論來幫助理解。
高階理論是人們把低階理論中的概念視作客觀實在之物，採用與研究客觀世界中的物體同樣的方法加以研究，而產生的概念體系。高階理論的產生，需要以對低階理論的整理和記錄為前提，只有先將低階理論整理記錄下來，才可以將其作為客體加以研究。一旦有了記錄下來的低階理論，就可以將低階理論中的概念和關係視作存在之物，從中提取概念、關聯、規則和約束，形成高階理論的內容。高階理論一旦建立起來，就可以用於對低階理論的內容進行建模和推演，從而檢驗和發現低階理論內容中存在的問題，對低階理論進行進一步優化。高階理論的形式與低階理論並無不同，也是一個普通的概念體系，由概念、關聯、規則和約束組成，只是其概念的實例是另一些概念、關聯、規則和約束，因此高階理論的表示與存儲並不需要特別的方法，高階理論的模型與低階理論的內容有一定的對應關係（注意不是一一對應關係，模型可以建立很多個），這種關係需要在模型中加以表達。
以上是知識抽象層次在人腦中產生和發展的一般過程，在知識庫中，需要將理論和模型加以區分，理論就是通常所謂的TBox，模型則是從理論生成的，在理論約束下的，通常所說的ABox。並不是所有的知識領域的理論都有對應的高階理論。如果兩個領域之間互為高階/低階理論，則這兩個領域的內容不能互相引用，即高階理論的內容中不能有低階理論的概念出現，反之亦然。抽象層次關係不具有傳遞性，如果領域A是領域B的高階理論，領域B是領域C的高階理論，則領域A絕不可能成為領域C的高階理論。
1.1.4.
知識的「普遍-專門」聯繫與知識領域結構
概念的形成源自對個體共性的歸納，概念體系中的概念之間有上下位關係，下位概念保留了個體較多的細節，因而只能概括較少的個體，上位概念只保留較少的細節，從而可以概括較多的個體，下位概念概括的個體的集合，是上位概念概括的個體的集合的子集。上下位概念之間的關係我們稱為普遍-專門關係，而不像通常論述知識表示的文章那樣稱作抽象-具體關係。這是因為我們對知識抽象層次的論述中已經使用了抽象一詞，用於表達知識抽象層次關係，在此使用普遍-專門兩個詞語抽象-具體相區別，以避免混淆。由於以往的知識表示論述對這兩種關係使用相同的辭彙，造成了很多人誤以為它們是同一種關係，然而這卻是兩種截然不同的關係，OWL Full 的不可推理也是這種混亂造成的。知識領域的普遍-專門關係具有傳遞性。
一個知識領域中的知識，可以有多個上下位層次，但是層次太多會造成建模困難，因此實踐中需要適當控制層次的數量。我們前面已經論述過，知識領域以知識元素聯結成的網路當中的密集部分為主體，稀疏部分為邊界。密集和稀疏的標準可以根據需要加以調整，這樣一來，同一個網路可以有多種不同的知識領域劃分方法，具體採用哪一種劃分，要根據實際需要來確定，通常是根據預定求解的問題，以及可獲得的計算能力來決定，一方面要使得知識領域能夠滿足解決最常見的問題的需要，另一方面，要使得在現有的計算能力下建模操作具有合理的響應時間。
一個普遍知識領域中，包含下級專門知識領域中的核心概念的上位概念，有時候是全部，有時候是部分。如果只包含一個專門領域部分核心概念的上位概念，那麼沒有包含的部分有可能沒有上位概念，也有可能包含在其他普遍知識領域中。一個普遍知識領域通常有多個專門知識領域，而一個專門知識領域也可能對應一個以上普遍知識領域。專門知識領域可以引用普遍知識領域的理論，反之則不成立。由於知識領域的普遍-專門關係具有傳遞性，因此專門知識領域引用普遍知識領域的內容的時候，不僅可以引用普遍性層級直接上一級的知識領域，而且可以引用更高普遍性層級的領域，直至最頂層。從普遍領域引用到專門領域中的內容，可以視作專門知識領域本身的內容，用於推理和建模。對普遍知識領域理論的引用，是專門知識領域理論的重要補充，尤其是當問題涉及到兩個知識領域，而兩個知識領域之間不能直接互相引用的情況下（在4.2.6節將詳細討論這種情形），對問題求解只能通過將概念泛化，在更普遍的知識領域中嘗試尋找答案。
概念抽去了很多細節之後，可以具有非常高的普遍性，有時候高得可以容納不同抽象層次的概念作為下位概念，當普遍性高到這種層次的時候，通常已經沒有多少可以適用的理論，對於解決問題意義不大。但是這種情況很容易引起思維上的混亂，好像不同抽象層次在普遍性下統一了。例如通常認為具有最高普遍性的概念「事物」（Thing），不論是實在物的概念，還是哲學上抽象觀念的概念，都是它得下位概念，處於它所在的最高普遍性知識領域下級某一專門知識領域之中，但是「事物」已經普遍到沒有任何屬性，而對之可以下的斷言也幾乎沒有（由於事物一詞常被用來指代更具體的概念，有時候我們會感覺有些斷言是正確的，但是這只是錯誤地降低了普遍性之後作出的判斷，例如「事物是客觀存在的」，「事物總在發展變化之中」，前一句把事物等同於客觀存在之物，而忽視了主觀存在也屬於事物，後一句可以用天體物理學家提出來的宇宙大爆炸奇點作為反例，奇點是事物，但是根據其定義，奇點爆炸是時空的開始，爆炸之前時空是不存在的，因而不可能具有以時間空間為參照系的「發展變化」）。事實上，普遍知識領域下級的專門知識領域之間並沒有發生任何交互，因此不存在統一的可能，專門知識領域當中的概念必須被泛化為普遍知識領域中的概念，才能與另一專門知識領域中的概念在普遍知識領域中的泛化概念發生關係，因而關係只發生在普遍知識領域概念之間，而由於每一個單獨的知識領域內部可以保證邏輯一致性，因此那些因混淆抽象層次而無法自圓其說的理論已經被排除在知識領域之外，從而排除掉了抽象層次混同的可能性。
1.1.5.
知識領域的內容
知識領域的內容是指這個知識領域範圍內的知識，如前所述，這些知識分為模型和理論兩部分。模型由個體或者實例組成，模型中的個體或實例，可以是事實的對應物，來自直接的感官材料，也可以是從理論生成出來的虛擬之物，或者虛擬與事實的結合。一個模型並不限於與一個知識領域相對應，可以從一個以上知識領域派生出來，但是這些知識領域不能屬於不同的抽象層次。模型中的個體或者實例，可以從一個以上的概念派生出來，類似於面向對象編程中的多重繼承。理論以概念為核心，由概念及其相互之間的聯繫組成，概念可以帶有屬性，屬性是為可以以辭彙或者數值表達的數據所預留的存儲單元。有些知識表示法把聯繫也作為一種屬性，例如OWL規範中就把兩個概念之間的聯繫作為「對象屬性」，而屬性和聯繫本來也是有密切關係的。我們認為可以取值的屬性事實上代表了認識活動的邊界範圍，每一個屬性如果繼續探究下去，就會越過邊界，從而使屬性變為某種聯繫，連接到另一概念甚至一個完整的理論。比如「顏色」這種屬性，我們經常遇到，通常都認為這個屬性是要取一個值，這個值可以是辭彙，例如「紅」、「綠」、「藍」等等，也可以是數值，例如RGB顏色代碼，但是這個屬性是否可以演變為聯繫呢？很多人直觀上認為不可以，但是如果我們深入探究下去，就會發現直觀的看法不是那麼靠得住（為簡單起見，我們這裡僅限於討論人類視覺通常感受到的顏色，而不涉及「顏色」一詞的各種引申和轉義用法所表達的含義）。如果我們深入探究顏色，就會發現幾個問題，首先，顏色是人的視覺感受，而每個具體的人對顏色的感受是不一樣的，可能不少人都見過對於同一個色標，有人說是綠有人說是藍，也知道有一定比例的人不能分辨紅和綠，認為是同一種顏色。為了搞清楚為什麼會發生這種狀況，就需要對顏色作進一步解釋，這就不可避免地要創造出一套關於顏色的理論，於是顏色就必須成為一個概念，作為這個理論的核心概念，而不是繼續作為一個可以簡單賦值的屬性。如果顏色是一個概念，那麼具體到一種顏色是什麼呢？當然也是概念，因為我們討論的是對顏色進行解釋的理論，這裡的顏色顯然只能是人的視覺感官能夠實在感受到的顏色，而不是什麼分類標籤，很多人在這裡會把具體的顏色當作實例來表達，這就又犯了我們前面所說的混淆抽象層次的錯誤。那麼，在顏色理論中什麼才是實例呢？首先，顏色理論要說明各種顏色之所以存在的原因，顏色之所以被人類視覺分辨出來，是因為人眼對不同波長的光線有不同的感覺，因此顏色感覺的形成需要光線進入人眼，這需要三方面因素來決定：物體本身的光反射特性，環境光照條件，人眼的感光能力；其中，人眼感光能力會影響本人對顏色的認識，由於我們的知識庫存儲的知識是共識而非個別個體的認識，因此可排除這個因素，環境光照條件在大部分情況下只會影響明暗的感受，而不會導致正常人把一種顏色的物體辨認為另一種顏色，如果我們只考慮這大部分情形（這符合我們對顏色的一般看法，我們通常說某物是某種顏色，而不說某物白天是什麼顏色，晚上是什麼顏色，在有顏色燈光環境下又是什麼顏色），那麼也可以忽略光照條件因素。現在我們只需要關注物體本身的光反射特性，這樣一來，我們就可以說，具體的顏色是具體的物體的光反射特性，因而每個物體的顏色都是具體的，唯一的，這就符合構成實例的條件了，因而顏色的實例是每個具體物體上的顏色，並且這種顏色是會發生變化的，例如蘋果成熟的時候由青轉紅，這也符合實例與概念關係的一般發展規律，當一個實例變化到不再符合它原先所屬的概念的規定的時候，它就不再屬於這個概念。具體的顏色被歸類入各種顏色概念，而物體的顏色就因此由屬性變為了關係。
以下省略數千字，因為知乎答案不能超過10000字。

挺好的，能目的性更強地看問題。
但不知道這些話題是以什麼規則劃分到各自的領域之下
提問用戶自行劃分么？
還是系統劃分？

領域的劃分有點奇怪，可能還是因為知乎的天然屬性緣故。還有就是領域之間的切換比較麻煩

感覺上面的分類太大了，要看到下面的具體問題要翻好多，不方便啊

這個產品有點繞，讓用戶有點茫然。至少我是這樣，我第一感覺就是不知道這個「領域」要幹什麼，要我做什麼。定位有點模糊吧。

我主要是在手機上看知乎，跟原來的「發現」相比，「領域」變得太重太複雜了。

給用戶推薦更多優質內容的出發點很好，不過感覺「領域」現在的內容板塊的劃分更多是從知乎自己的運營角度考慮的：「我們有這些功能和運營點，我們應該好好利用」。

「話題廣場」、「編輯推薦」、「熱門問答」、「動態」、「專題」、「熱門話題」、「熱門用戶」、「活躍用戶」，把一堆概念和功能堆砌到一個頁面，這不是在報復用戶么？

知乎偷懶了，我覺得應該有更好的方法來組織和融合這些不同類型的內容，用更簡單的方式呈現給用戶。

習慣性的打開「發現」，才知道已經升級改版成「領域」了，雖然內容組織上更好了，但還不是很習慣，長遠來看會更好用。適應中...

如果能保留「發現」起到過渡就更好了（在「發現」的右側提示瀏覽更多「領域」）。

我覺得領域,應該是和標籤同一個級別的,直接將問題分類,而不應該包含標籤,將標籤分類.

具體例子,還沒有想起來.

原先的話題廣場還是很有用的，現在弱化了，暫時覺得是倒退了。知乎在擴展，必定要細分，以迎合更多用戶的多種需求，但目前感覺並不好，信息組織不到位，找信息的成本更大了，希望之後能有改進。

網站去搞這麼個東西不好，很多東西自然而然的存在更好，太明確的劃分會搞的很沒感覺。我關注了各行各業的朋友，你領域裡給我推薦互聯網的事情。。。過了

還好，等於另一種的推薦列表，不過做得還不夠好，因為這種網站是以內容為主的，當新的內容不夠多的時候，就要你把舊的內容推出來，要不會減少粘性。

領域，其實是一個信息組織的問題。我以前也很頭疼在這個方面，因為各個屬性是交叉的，所以領域覆蓋的範圍要到多大，還是就通過tag就OK。領域現在也再摸索中吧。

樓上的朋友不用這麼長篇大論吧？
其實很簡單，就是想用興趣標籤組建用戶群，黏粘用戶在線時間而已。

我覺得挺好的。早就覺得應該把知乎的話題好好分分類了。BUT情感領域腫么沒有額？

興趣圈分類導向，隨著知乎的發展，內容的充實，確實需要這樣明確的大分類。
應該會有更多新的分類出來吧。

我希望有個專家領域，或者說權威領域，不是想知道某個具體問題的答案，只是想知道他關注哪些專業領域的問題。

感覺像CMS首頁聚合，挺好的。
不過有個想法，整合Wiki，也就是那麼將大家認同度很高的，整理出來。

已經沒有了

除了不知道點哪個和容易找不著北，看起來還好。

終於抄襲了我的想法,具體看http://www.zhihu.com/question/19738344/answer/12945619 我的答案

說白了領域就是話題(關鍵字)的一個屬性, 用來做分類的. 這個分類是固定的人工來添加的.(也就是右下角的話題廣場)

國內做的這個的有xcar的說真的

但這只是第一步,