用于生物网络的人群验证的系统和方法

用于生物网络的人群验证的系统和方法【专利摘要】提供了用于策划和传播网络模型的系统和方法。提供网络模型的表示，并且接收表示用户动作的数据。用户动作被导向至所述网络模型的至少一个元素。基于为相应的元素接收的用户动作的数目而将得分分配给每个相应的元素。具有超出验证阈值的分配的得分的边的验证的子集被识别，并且具有低于拒绝阈值的分配的得分的边的拒绝的子集被识别。边和相关联的节点的验证的子集作为策划的网络模型被提供，该模型省略了边的拒绝的子集。【专利说明】用于生物网络的人群验证的系统和方法【
背景技术：
】[0001]近20年来，众包计划已用来利用和集中广泛的各种各样的技术社区的专长来解决称之为“挑战”的具体问题。这些挑战已解决了就像预测电影的观众评价(Netflix挑战)、知识发现与数据挖掘(KDDcup,www.kdd.0rg/kddcup/,[KohaviR、BrodleyCE、FrascaB、MasonL、ZhengZ.,aKDD-Cup2000organizers’report:peelingtheon1n”，ACMSIGKDDExplorat1nsNewsletter，2000年第2(2)期第86-93页])，微阵列和下一代测序(MAQC，www.fda.gov/MicroArrayQC/,[ShiL、CampbellG、JonesWD等人。“TheMicroarrayQualityControl(MAQC)-1Istudyofcommonpracticesforthedevelopmentandvalidat1nofmicroarray-basedpredictivemodels”(EI)，2010])和蛋白质折叠(FoIdIt,www.fold.1t,[GoodBM、SuAl,“Gameswithascientificpurpose”，GenomeB1logy，2011年第12(12)期第135页])那样多样化且劳动密集的话题。基于人群的方案还尝试在诸如B1Carta(www.b1carta.com/)或WikiPathways(www.wikipathways.0rg的常用数据仓库中收集科学知识[PicoAR、KelderT、vanIerselMP、HanspersK、ConklinBR、EveloC,uWikiPathways:pathwayeditingforthepeople”，PLoSb1logy，2008年7月22日第6(7)期:el84])。然而，这些方案对于在验证可通过结合大量的出版物中报道的数据而得出的知识的过程中使用来说不够稳健。复杂的关系数据不能通过经典的同行评审过程来容易地评估[MeyerP、AlexopoulosLG、BonkT等人，“Verificat1nofsystemsb1logyresearchintheageofcollaborativecompetit1n，，，NatB1technol.，2011年9月第29(9)期第811-815页]。本发明提供了一种系统，该系统可以解决正面临
技术领域：
中数据和出版物的爆炸性增长的科学家和工程师的需求。【
发明内容】[0002]如上所述，当由许多研究者在短时间内产生关于单一复杂话题的各个相关方面的大量定量数据时，用于由指定的个人验证知识的早期解决方案可能无法达到所要求的速度。【申请人】已认识到，通过使用计算机网络可以有利于由一群策划网络模型并传播所得到的策划的网络模型。本文所述计算机系统和计算机程序产品通过包括来自多个个体的输入而实现包括网络模型的策划(curat1n)的方法。通过聚合多个用户的意见，本公开允许开发关于从多个个体的观点来看网络模型的哪些部分是有效的以及网络模型的哪些部分需要进一步调查的详细的理解。[0003]在某些方面，本公开的系统和方法提供了一种用于策划网络模型的计算机化方法。该计算机化方法包括由计算机系统提供，该计算机系统包括通信端口和与至少一个非暂态计算机可读介质通信的至少一个计算机处理器，所述至少一个非暂态计算机可读介质存储包括表示初始网络模型和该初始网络模型的元素的数据的至少一个电子数据库。初始网络模型包括与多个边互连的多个节点，每个边表示在两个相连的节点之间的因果关系。向多个用户请求用户动作，用户动作被导向至网络模型的元素。网络模型的元素可以是边、节点或与边、节点或模型的一部分相关联的信息项。然后，基于为相应的元素接收的用户动作为网络模型的每个元素分配得分，并且各具有超出验证阈值的得分的经验证的元素被识另IJ。表示一个经策划的网络模型的数据经由通信端口被提供，该模型包括初始网络模型的经验证的元素。[0004]在某些具体实施中，该计算机化方法还包括识别各具有小于拒绝阈值的得分的被拒绝的元素，其中，策划的网络模型省略被拒绝的元素。各具有大于拒绝阈值且小于验证阈值的得分的未验证的元素被识别，并且指示在策划的网络模型中的未验证的元素。[0005]在某些具体实施中，用户动作中的至少一些是由用户提供的二进制投票，该投票指示用户是否赞同或不赞同网络模型的元素。分配给相应的元素的得分是导向至所述相应的元素的接收的用户动作的数目、接收的用户动作中的每一个的特性或两者的函数。接收的用户动作中的每一个的特性可包括所述相应的用户动作是否具有正属性或负属性的指不O[0006]在某些具体实施中，用户动作中的至少一些包括与节点或边相关联的信息的提供。该计算机化方法还可包括将表示策划的网络模型的数据传播给至少所述多个用户或公众。至少一个用户动作可包括网络模型的表示中此前不存在的新节点或新边的建议，并且该方法还可包括通过包括该新节点或新边来修改网络模型。[0007]在某些具体实施中，网络模型表示生物系统，每个节点表示与其它节点中的至少一个相互作用的生物实体，并且每个边表示在生物系统中的生物实体之间的因果关系。在某些具体实施中，网络模型是表示生物系统的生物网络模型，生物网络模型是宏观网络模型的子集，并且通过选择该宏观网络模型的边界来限定。使用生物表达语言(B1logicalExpress1nLanguage)提供表示网络模型的数据。[0008]在某些具体实施中，该计算机化方法还包括使用一个集成声誉系统来管理根据每个相应的用户的用户动作奖给各个用户的奖励。集成声誉系统根据用户动作将一数目的分数分配给用户，其中，该数目可以根据网络模型的状况来修改。可用来确定网络模型的状况的一个或多个因素包括为该元素接收的用户动作的数目、为该元素接收的用户动作的属性、或该节点或边相对于网络模型中的其它节点和边的位置。在所述元素被后续的用户动作验证之前，声誉系统基于导向至该元素的验证的用户动作将额外的分数奖给用户。反映在增强或验证网络模型时取得的进展的其它因素可用来确定集成声誉系统的功能和编程。[0009]在某些具体实施中，用户动作中的至少一个在网络模型中创建新边，该新边是网络模型的表示中此前不存在的。分配给提供该新边的用户的分数的数目大于分配给提供网络模型中的现有边的修改的用户的分数的数目。在某些具体实施中，从不同用户接收的用户动作可以彼此独立。通过对其他用户不显示或隐藏由一用户采取的导向至元素的动作，或通过不向一用户显示由其他用户对初始网络模型进行的修改，可以实现这一目的。在某些具体实施中，根据由用户积累的声誉分的数目对用户排序。【附图说明】[0010]在结合附图考虑以下详细描述之后，本公开的另外的特征、其性质和各种优点将显而易见，贯穿附图，类似的附图标记表示类似的部件，并且在附图中:[0011]图1是用于提供网络验证过程的计算机网络的框图。[0012]图2是用于提供网络验证过程的服务器的框图。[0013]图3是示例性计算设备的框图，该计算设备可用来实现本文所述计算机化系统中的任一个中的任一个部件。[0014]图4是用于表示网络模型中的两个节点之间的关系的例示性BEL语句。[0015]图5是网络模型及其元素的例示性符号图。[0016]图6是为采取与网络模型有关的各种用户动作而分配给用户的分数的数目的表。[0017]图7是用于策划网络模型的例示性过程的流程图。【具体实施方式】[0018]本文所述为用于策划网络模型和传播该模型的计算机系统和方法。本文所述方案允许由多个个体策划和验证网络模型。本公开允许发展关于从多个个体的观点来看网络模型的哪些部分是有效的以及网络模型的哪些部分需要进一步调查的详细的理解。该理解的发展被记录并由用户的社区有效地共享，并且该记录代表在各个时间点的最新知识。[0019]尽管网络模型是表示复杂信息的强有力的方式，但网络模型可能容易变得难以导航和管理，因为其大小、复杂性和密度随额外的数据而增加。然而，目前缺乏用来在协同环境中构建、共享和维护这些网络模型的有效工具。如本文所述，通过使许多个体能够并行工作以策划和共享大的复杂且不断变大的网络模型，本发明的方法和系统减少了这些困难。本公开提供了用于支持协同的众包网络模型构建和验证项目的系统和方法，该项目通过使用社会声誉引擎来有效地管理。因此，本公开的系统和方法包括一组网络策划功能，这些功能链接到一组用户声誉管理功能。本文所公开的系统和方法可以被视为一个平台，以用于为任何网络研究社区提供用于资格鉴定、验证和可选地传播网络模型的高性能环境。[0020]在一个具体实施中，本文所述的网络策划项目具有预定的截止日期，在该日期之后，导向至网络模型的用户动作都不会被系统接受。网络模型或其一部分可以被视为已由一组用户基于在该时间段内的知识交换和记录而验证。可选地，验证的网络模型和相关联的信息及知识被传播或公布。由本文所述系统和方法实现的多个个体的验证可代替在学术期刊上公布之前通常进行的同行评审过程。在另一个具体实施中，本文所述网络策划项目是没有预定的项目截止日期的连续的工作。在这样的项目中，随着新的证据在一段时间内被添加和积累，网络模型被逐渐地扩充并持续地改进。以这种方式，该项目不仅是网络模型的验证，而且是长期的策划和改进过程，该过程可用来扩充和维护主题领域中现有的知识。[0021]本发明所公开的系统和方法为技术社区提供了某些益处，这包括:用于网络模型及相关信息的资格鉴定、验证和传播的加速的机制;在主题领域中的知识的更好的表示；用于共享可再现和可重复使用的结果的论坛;连接创造网络模型的那些人与可以验证作为该网络模型基础的假设并将建模结果转化为实际应用的其他人的平台。[0022]在本公开的一些具体实施中，该方案包括若干阶段。在构建阶段，基于技术或科学文献来构建网络模型，并且通过可得到的数据来验证作为所构建模型基础的假设。然后，由组织者将网络模型导入在上面进行验证阶段的在线系统并在该系统上进行维护。在验证阶段，组织者与一组个体或“人群”(例如，科学社区的成员、主题专家、学生和研究者、或他们的组合)就在线网络模型进行沟通。此外，组织者邀请人群(此时为用户)就模型的各个方面和元素来审查和提供评论、证据、投票或它们的组合。通过聚合用户输入，网络模型可以被修改、验证和增强。验证阶段可以作为在提供导致网络模型的合格修改的评论、证据或投票的个人用户或用户团队之间的竞争而建立。如本文所用，术语网络模型的“元素”包括边、节点、关于边或节点的一条信息或证据。边或节点可各自与多项信息和证据相关联。信息可以是任何数据、图像、实验观察、评论、意见、喜欢或不喜欢。信息或证据可以是初始网络模型的一部分，或者它可以由用户生成或提交。由用户进行的每个动作可以被记录并根据动作的属性来分配某个预定数目的声誉分。由个人用户或团队积累的分数的数目可以被定期地或实时地(可能地以排行榜的形式)共同显示给该用户或团队。在验证阶段开始后的某个时间，所得到的网络模型和用户动作的分析允许组织者识别所得到的网络模型中的多个节点或边，这些节点或边产生:(i)显著量的趋同的用户动作和评论;或(ii)显著量的有分歧的用户动作和评论。用户动作和评论的分析可以揭示由该人群验证、未验证或不可验证的网络模型的部分或边。分析的结果可以使组织者能够对于网络模型或其部分的传播作出决策。[0023]在本公开的各种具体实施中，网络模型表示生物系统的功能和机制。在过去10到20年内，用于生物研究的革命性工具的开发已经允许实现在全系统方法中大量数据的采集。用于可再现地生成此类数据的技术的出现已经开启了系统生物学的时代。这种转变使得可以将旨在评价基因表达中的变化的实验工作从诸如通常为验证工作假设而进行的单基因聚合酶链反应的低通量技术拓展至在用于假设生成的各种场景下的转录物组的全系统评价。因此，随着存储到数据库中的数据集的大小和数量的增长，科学输出以及所公布的科学文献的数量呈几何级地增加。[0024]生物通路信息的总量急剧增加，其中通路和分子间相互作用的在线资源的数量从2006年的190个到2010年的325个增加了70%[Bader，G.D、Cary，M.P.和Sander,C，(2006)aPathguide:apathwayresourcelist”，NucleicAcidsResearch，第34期第D504-D506页]。这表明，科学社区认识到这样的信息大大有利于理解生物活性物质对生物系统的影响。网络生物学为调查在分子、通路和过程水平下暴露的影响提供了一致的框架[Hasan，S.等人，(2012)“Networkanalysishasdiverserolesindrugdiscovery”，Drugdiscoverytoday]。针对许多疾病状态的药物可能需要多种活性有效;因此，网络生物学实际上可用来调查干扰生物网络而不是单独的目标的药物[Yildirim，M.A.等人，(2007)“Drug-targetnetwork”,NatureB1technology，第25期第1119页]。此外，网络生物学提供了一个平台，以潜在地理解候选药物的副作用并且预测多向药理学[Hopkins，A.L.，(2008)“Networkpharmacology:thenextparadigmindrugdiscovery”，Naturechemicalb1logy，第4期第682-690页]。可以构想，在本公开的范围内的方法和系统可以应用于实践系统毒理学或系统药理学，这将改善对疾病机制的理解并因此为患者提供更有效且安全的治疗。[0025]图1描绘了可用来实现本文所公开的系统和方法的计算机网络和数据库结构的示例。图1是根据示例性具体实施的用于进行生物网络模型的策划的计算机化系统100的框图。系统100包括服务器104和通过计算机网络102连接到服务器104的两个用户设备108a和108b(—般地，用户设备108)。服务器104包括处理器105，并且每个用户设备108包括处理器IlOa或IlOb和用户接口112a或112b。如本文所用，术语“处理器”或“计算设备”是指一个或多个计算机、微处理器、逻辑设备、服务器或其它设备，所述其它设备配置有硬件、固件和软件以执行本文所述的计算化技术中的一种或多种。处理器和处理设备也可包括用于存储输入、输出和当前正被处理的数据的一个或多个存储设备。下文参照图3详细地描述了示例性的计算设备300，其可用来实现本文所述的处理器和服务器中的任一者。如本文所用，“用户接口”包括但不限于一个或多个输入设备(例如，小键盘、触摸屏、轨迹球、语音识别系统等)和/或一个或多个输出设备(例如，视觉显示器、扬声器、触觉显示器、打印设备等)的任何合适的组合。如本文所用，“用户设备”包括但不限于一个或多个设备的任何合适的组合，所述一个或多个设备配置有硬件、固件和软件以执行本文所述一种或多种计算机化动作或技术。用户设备的示例包括但不限于个人计算机、膝上型计算机和移动设备(例如，智能手机、平板型计算机等)。图1中仅示出一个服务器、一个数据库和两个用户设备，以免使图变得复杂，但本领域的普通技术人员应当理解，系统100可支持多个服务器和任意数量的数据库或用户设备。[0026]网络模型数据库106是包括表示网络模型和网络模型的元素的数据的数据库。网络模型的表示通过用户接口112显示给用户，并且在用户设备108处的用户与用户接口112交互，以通过网络102提供用户输入。系统由此从用户请求和接收表示用户动作的数据，并且一般性地管理用户会话。例如，当网络模型是生物系统的模型时，网络模型的表示可以呈B1logicalExpress1nLanguage(BEL)中的一个或多个语句的形式，如结合图4所述。用户可选择显示的网络模型的一部分，并且一个或多个BEL语句可以通过用户接口112来显示。BEL语句可以提供在网络的两个节点(例如，主语和宾语)之间的关系的指示，并且当由系统提供时，用户可以选择对BEL语句或涉及、支持或驳斥该BEL语句的一条或多条证据投票。在一个示例中，用户可以投票以表示一条证据支持一个BEL语句，从而使由该BEL语句表示的关系的验证合格。在另一示例中，用户可以投票以表示赞同BEL语句，而不进行资格鉴定(qualificat1n)。在又一示例中，用户可以投票以表示一条证据不支持BEL语句，从而驳斥由该BEL语句表示的关系。在又一示例中，用户可以投票以表示不赞同BEL语句，而不进行资格鉴定。系统可以为用户提供选项，以提供对BEL语句的建议的修改，例如，对一个或两个节点的改变、或对与在这两个节点之间的边相关联的质量或值的改变(例如，BEL语句的谓语)。系统也可以为用户提供选项，以提供对建议的修改的合格证据。建议的修改和证据可以记录在网络模型数据库106中。修改的网络模型可以可选地实时显示。然后，通过其它用户接口112与网络模型交互的其他用户可以实时查看更新的网络模型并提供关于建议的修改的反馈。[0027]如本文所述，当表示赞同的投票数超出验证阈值时，或者同等地，当接受模型的一部分的用户数超出验证阈值时，网络模型的元素或部分(例如，一组BEL语句或关于一个或多个BEL语句的几条证据)被验证。网络模型的其它元素或部分(例如，接收的表示赞同的投票低于拒绝阈值)可以被识别为被拒绝，并且这些元素或部分中的一个或多个可以向组织者指示和/或从修改的网络模型中删除。网络模型的另外的部分(例如，接收的表示赞同的投票在验证阈值和拒绝阈值之间)可以被识别为有问题的，并且这些元素或部分中的一个或多个可以向组织者指示和/或被标记以用于进一步科学调查或从修改的网络模型中删除。验证阈值和拒绝阈值可以由组织者根据项目的目标来限定。例如，验证阈值、拒绝阈值或这两个阈值可以根据表示赞同或不赞同的投票或用户的绝对数(例如，5、6、7、8、9、10、11、12、13、14或15个投票或任何其它合适数目的投票)来限定;或者它们可以基于表示赞同或不赞同的投票的相对比例(例如，大于50%、大于60%、大于70%、大于80%、大于90%或100%)、以及可选地表示无意见的投票、或它们的组合。[0028]图1的系统100可以以多种方式中的任一种布置、分布和组合。例如，可以使用这样的计算机化系统:该系统将系统100的部件分布在经由网络102相连的多个处理设备和存储设备上。这样的具体实施可能适用于通过多个通信系统进行的分布式计算，这些通信系统包括共享到公共网络资源的接入的无线和有线通信系统。在一些具体实施中，系统100在云计算环境中实现，在该环境中，部件中的一个或多个由经由因特网或其它通信系统相连的不同的处理和存储服务提供。服务器104可以是例如在云计算环境中实例化的一个或多个虚拟服务器。在一些具体实施中，服务器104与网络模型数据库106组合成一个部件，该部件的示例结合图2来详细描述。[0029]图2是执行本文所述功能中的任一个的服务器204的框图。服务器204包括处理器205、网站管理器222、网络模型电子数据库206、网络可视化引擎224、基于WEB的语句编辑器226、声誉电子数据库228和声誉引擎230，它们全部通过总线相连。[0030]网络模型电子数据库206可包括网络模型的数据库，该数据库包括网络模型的多个版本，例如但不限于初始网络模型、由用户动作创建的修改的网络模型、策划的网络模型和一致同意的网络模型。在一些具体实施中，网络模型以BEL表达并且以无标度表示来表示定性生物学。节点为BEL术语并且使用诸如但不限于SwissProt(参见www.uniprot.0rg)、EntrezGene(参见www.ncbi.nIm.nih.gov/gene)、RatGenomeDatabase(参见rgd.mcw.edu)和ChEBI(参见www.eb1.ac.uk/chebi/)的生物数据库来识别。网络边是BEL语句，其连接两个节点，维持网络的可计算性，并且由来自科学文献的证据支持。网络结构和支持的证据都可存储在MongoDB数据库(www.mongodb.0rg)中。结合图4更详细地描述BEL语句。[0031]服务器204还包括网站管理器222，其管理网站以有利于可视化和审查过程以及用户登录过程。网站可以通过用户接口112提供给多个用户。作为示例，网站显示表示若干较小的子网络模型之间的连接和关系的提议或修改的网络模型的概述。网站管理器222也提供用于选择这些子网络中的一个来审查的功能。网站管理器222也可提供用于选择的网络模型的列表，或者网站管理器222可被配置成允许用户使用搜索功能，该功能将允许在网络中搜索标识符、综述、元素、各个节点、边、以及生物实体的任何同义词(基因或蛋白质)、或与网络模型有关的任何其它合适的数据。网站管理器222也支持可以在策划网络模型的过程中使用的一整套用户动作。例如，可以为用户提供一个或多个选项，以添加、移除、替换或修改网络模型的元素(边或节点)。此外，可以为用户提供一个或多个选项，以添加、移除、替换、修改或评论支持网络模型的元素的证据。[0032]在一个具体实施中，用户对于网络模型及其元素采取的动作可以可选地需要由至少一个其他用户通过投票过程认可。一旦被认可，该动作就可被输入，以修改初始网络模型的存储版本或进一步修改修改的网络模型的存储版本。修改的网络模型和其它版本可以实时显示给用户。在初始网络模型通过用户的动作修改之后，网络模型变成修改的网络模型，其可以通过相同用户或不同的用户的其它动作来进行进一步的修改。随着修改的积累，多个版本的模型可以被存储，这些版本中的每一个表示已对初始模型进行的一定次数的修改。修改可以被存储在修改数据库中，其中字段条目包括与更新的元素(节点、边、新证据)和提出该修改的用户的标识符有关的数据。当其他用户提供关于修改的输入时，数据库可以被更新，以包括提供诸如投票、评论、额外的修改或证据的输入的用户的标识符。在某些具体实施中，多个用户的动作将导致在项目开始时的初始网络模型的多个修改。在一段时间之后，新修改的次数可能减少，并且可能最终接近零。此时，修改的网络模型可以被称为验证的或一致同意的网络模型，其可以可选地被传播到社区。[0033]网络可视化引擎224在视频显示单元上或以打印形式提供网络模型的可视化。例如，网络可视化引擎224可以由D3.js(www.d3js.0rg)提供技术支持。网络可视化引擎224允许用户以图形方式查看网络模型，并且可选地允许用户以图形方式添加、删除、替换或修改模型的元素(例如，边)。可选地，可以为用户提供用于将评论添加到网络模型并提供对网络的不同的可视化过滤器的功能。这样的过滤器包括初始网络、修改之后的当前网络、或带有提议修改的初始网络模型的可视化，该提议修改作为层呈现在初始网络的顶部上。图5示出了可以由网络可视化引擎224生成的网络模型的一部分的示例。[0034]可选地提供的基于WEB的语句编辑器226可以允许用户提议网络模型中的改变。在一个示例中，用户可以提议改变由BEL语句表示的网络边。在一些具体实施中，所有网络边都由BEL语句表示，这些语句中的一些由至少一个技术参考文献支持。基于WEB的语句编辑器226可以是基于WEB的BEL语句编辑器，该编辑器为用户提供特色功能，这些功能提供对BEL语句的功能句法的指导。例如，自动完成的术语服务可以在输入蛋白质名称、化学化合物名称、基因本体术语、以及在BEL语句中使用的其它生物实体方面提供支持。基于WEB的语句编辑器226也可以在BEL语句被创建时提出在光标位置处哪一个函数和实体类型是被允许的。结合图4描述了一个示例性的BEL语句。[0035]声誉电子数据库228存储与用户有关的数据。例如，可以为每个用户分配唯一的用户标识符。可以向用户提示用户名和密码，以通过用户接口112登录网站。每个用户可以与存储在声誉电子数据库228中的一数目的声誉分和可选地多个用户属性相关联。声誉引擎230管理与用户动作相对应的一般激励措施和特别地声誉分和奖章(如实现)的处理。作为示例，声誉引擎230可以使用技巧游戏原理来奖励某些类型的用户动作，例如，提交新证据、或投票赞同或反对与网络模型中的边相关联的一条证据。[0036]根据用户动作的类型和完成动作所需的专长和/或努力的估计量，可以将对应数目的声誉分奖励给用户。用户可以提交原创性修改((即(，提交人)，而其他用户可以对建议的修改投票((即(，投票人)。用户可以投票以表示赞同或不赞同网络模型的元素，即，边、节点、或一条支持信息或证据。一旦网络模型的边或一部分达到最少投票数，网络的该部分就可以被“锁定”，从而不能进一步投票。例如，如果表示赞同由BEL语句限定的特定边的投票数超出验证阈值，那么对应的边就可以被锁定，使得关于该边的额外的投票不被接受。组织者可决定(可选地通过进一步的详细审查)已被锁定在系统中的边实际上已被验证，并且对网络模型的该元素达成共识。在一些具体实施中，除非提出驳斥此前达成的共识的新证据，边将被锁定。当对于由提交人提出的修改或一条证据达成共识时，如果该修改或证据随后被赞同(表示赞同的投票数超出验证阈值)，则可以赋予提交人额外的分数。备选地，如果该修改或证据被拒绝(表示赞同的投票数低于拒绝阈值，或表示不赞同的投票数超出某个其它阈值)，则可以部分地或全部地扣除分配给提交人的最初奖励的分数。除了为提交人分配额外的分数或扣除分数之外，基于该投票人是否赞同或不赞同共识，投票人也可以接收额外的分数，或者可以扣除分数。在一些具体实施中，仅当网络模型的元素或一部分达成共识并且投票人的投票与共识一致时，该投票人才被奖励附加分。[0037]声誉引擎230可以基于其它标准奖励其它类型的奖品。例如，当用户完成预定的一组动作时，可以奖励声誉奖章。例如，如果用户创建了(例如3、4、5、6、7、8、9、10个或任何其它合适数目的)赞同的网络边，他/她可以被奖励一个奖章。在一些具体实施中，奖章不影响用户的总分或排行榜位置，但仍然是对用户对网络模型的贡献的重要认可。[0038]为了减少某些用户以欺骗方式获得声誉分或通过不基于证据或专长的动作而进行的尝试，本公开的系统和方法可以使用由组织者定期地或实时地进行的一个或多个质量审查核对。系统可以可选地提供工具和数据以在该努力中支持组织者。在一个示例中，在一组用户之间的提交和投票活动的同时发生率可以被测量。显示支持彼此的提交的异常量的活动的一组用户可能被组织者审查其活动，以确认支持动作的科学或技术理论基础。此外，系统可以仅允许单位时间(例如，每小时)内有限数目的用户动作，以便避免使用自动化脚本来进行大数目的动作。[0039]排行榜(参见图6)可以列出一组用户或团队及其声誉分，所列内容是组织者、一些用户或所有用户通过用户接口可见的。因此，排行榜可以用来从用户的社区中识别得分高的用户，这些用户可能是在由网络建模的主题领域中的积极性高的个体或专家。[0040]根据本公开，生物系统可以被建模为由节点(或顶点)和连接节点的边组成的数学图。节点可以表示在生物系统内的生物实体，例如但不限于化合物、DNA、RNA、蛋白质、肽、抗体、细胞、组织和器官。边可以表示节点之间的关系。在图中的边可以表示节点之间的各种关系。例如，边可以表示“键合”关系、“以...表达”关系、“基于表达谱共调控”关系、“抑制”关系、“在手稿中同时出现”关系、或“共享结构元素”关系。一般来讲，这些类型的关系描述了一对节点之间的关系。在图中的节点也可以表示节点之间的关系。因此，可以表示关系之间的关系、或在关系和表示在图中的另一种类型的生物实体之间的关系。例如，表示化学物质的两个节点之间的关系可以表示一个反应。该反应可以是在反应与抑制该反应的化学物质之间的关系中的节点。[0041]图可以是无向的，这意味着在与每个边相关联的两个顶点之间没有区别。备选地，图的边可以是从一顶点导向至另一顶点的。例如，在生物语境中，转录调控网络和代谢网络可以被建模为有向图。在转录调控网络的图模型中，节点将表示基因，其中边表示基因之间的转录关系。作为另一示例，蛋白质-蛋白质相互作用网络描述了在生物体的蛋白质组中的蛋白质之间的直接物理相互作用，并且在这样的网络中常常不存在与相互作用相关联的方向。因此，这些网络可以被建模为无向图。某些网络可具有有向和无向边。构成图的实体和关系(即，节点和边)可以在数据库中被存储为相互联系的节点的网。[0042]在数据库内表示的知识可以具有得自各种不同来源的各种不同的类型。例如，某些节点可以表示关于基因以及基因之间的关系的信息。在这样的示例中，节点可以表示一个致癌基因，而连接到该致癌基因节点的另一个节点可以表示抑制该致癌基因的活性或表达的基因。节点可以表示蛋白质、以及蛋白质之间的关系、疾病及其相互联系、以及各种疾病状态。存在可以组合在图形表示中的许多不同类型的数据。计算模型可以表示节点之间的关系网，这些节点表示例如下列数据集中的知识:DNA数据集、RNA数据集、蛋白质数据集、抗体数据集、细胞数据集、组织数据集、器官数据集、医学数据集、流行病学数据集、化学数据集、毒理学数据集、患者数据集、以及人口数据集。[0043]虽然蛋白质由基因序列编码，但基因表达中的变化并不总是与蛋白质活性中的变化有关。本文所述网络模型不一定依赖于这些正向假设(forwardassumpt1n)，而是可以基于节点所调控的基因的表达来推断上游节点的活性。“正向推理(Forwardreasoning)”假设基因表达与蛋白质活性中的变化有关，而“反向推理(backwardreasoning)”或逆向因果推理将基因表达中的变化考虑为上游实体的活性的结果。因此，网络模型可以捕获节点中的生物学和节点之间的因果关系。在一个示例中，基因的差异表达是上游节点活化的实验证据。[0044]本公开中使用的网络模型包括指示基于逆向因果推理的原因与结果的节点和边，该模型包含若干优点。首先，网络中的节点由具有固定的拓扑关系的有因果关系的边相连，使得网络模型的生物意图容易被科学家或用户理解，从而能够对作为整体的网络进行推断和计算。其次，与用于构建其中连接常常在组织或疾病语境之外被表示的通路或联系图的其它方法不同，本文的网络模型根据合适的组织/细胞语境和生物过程来创建。第三，因果网络模型可以捕获各种各样的生物分子中的变化，这些分子包括蛋白质、DNA变体、编码和非编码的RNA、以及其它实体，例如，表型、化学物质、类脂、甲基化状态或其它改性(例如，磷酸化)、以及临床和生理观察。例如，网络模型可以表示从分子、细胞和器官级直至整个生物体的知识。第四，网络模型是演化的，并且可以通过施加合适的边界来修改以表示特定的种和/或组织语境，并且在额外的知识变得可用时被更新。第五，网络模型是透明的；网络模型中的边(原因与结果关系)全部由已公布的科研成果来支持，这些科研成果使每个网络依托于针对被建模的生物过程的科学文献。最后，网络模型可以以(.XGMML)格式提供，以允许使用可免费获得的工具容易地可视化，这些工具包括Cyt0SCape[Smoot、M.E.等人，(2011)uCytoscape2.8:newfeaturesfordataintegrat1nandnetworkvisualizat1n，，，B1informatics，第27期第431-432页]。为了充分地获取这些网络模型的益处，需要快速地生成、验证和传播网络模型，这是本文所公开的系统和方法能够实现的。[0045]在本公开的各种具体实施中，以结构化语言对生物系统的网络模型进行编码，该语言表示通过捕获生物实体之间的因果关系和相关性获得的技术发现。该语言使得能够形成可计算的语句，该语句由用限定的本体(例如，HGNC，参见www.genenames.0rg)表达的函数和实体定义构成。BEL是在本公开的具体实施中使用的此类语言的示例([TalikkaM、SchlageWK、GebelS等人，ToxicologySummit&Expo,Toxicology,2012；ClarkT、CiccaresePN、GobleCA,Micropublicat1ns:aSemanticModelforClaims,Evidence,ArgumentsandAnnotat1nsinB1medicalCommunicat1ns,arXivpreprintarXiv:1305.3506,2013；VercruysseS,KuiperM.“Jointlycreatingdigitalabstracts:dealingwithsynonymyandpolysemy”，BMCresearchnotes，2012年第5(I)期第601页])(WWW.0penbel.0rg)AEL语句是表示离散的科学因果关系及其相关的语境信息的语义三元组(主语、谓语、宾语)。图4示出了BEL语句的示例。函数和实体定义用限定的本体(命名空间)来表达。例如，P(HGNC:CCNDl)=>kin(p(HGNC:CDK4)是一个语句，它等同于“由在HGNC命名空间中的‘CCNDI，标示的蛋白质的增加的丰度直接增加由在HGNC命名空间中的‘⑶K4，标示的蛋白质的丰度的激酶活性”。BEL语句的其余部分由涉及该语句的语境的字段组成，例如，引出该语句的参考文献、该语句的组织、细胞系、生物体和疾病语境。[0046]使用BEL语句的一个优点在于，该语句既方便人类读取，又是机器可计算的，这使它成为一种用来从人工策划以及由机器进行的数据挖掘中捕获技术文献证据的有用语言。BEL也可以在可视化提出的网络模型的上下文中显示文献证据。另外，由OpenBEL社区开发了工具并组装在称为BEL框架的新兴的开放平台技术中。本领域的普通技术人员应当理解，本公开不限于BEL语句。在不脱离本公开的范围的情况下，可以使用其它语言，例如，系统生物学标记语言(SBML)。[0047]网络模型可以用作用于模拟和分析的基底，并且表示能够在生物系统中实现感兴趣的特征的生物机制和通路。该特征或其机制和通路中的一些可以有助于疾病的病理学和生物系统的不利影响。在数据库中表示的生物系统的现有知识用来构建这样的网络模型:该模型由关于在各种条件下(包括在正常条件下和在被药剂干扰条件下)的许多生物实体的状况的数据填充。网络模型是动态的，因为它表示响应于干扰的各种生物实体的状况的变化，并且可以产生药剂对生物系统的影响的定量和客观的评估。[0048]网络模型的使用有利于多种研究应用，包括药物发现、个性化药物、或毒理学风险评估[HoengJ、DeehanR、PrattD等人，“Anetwork-basedapproachtoquantifyingtheimpactofb1logicallyactivesubstances，，，DrugDiscovToday，2012年5月第17(9-10)期第413-418页]此前已公开了对这些应用中的一些的原理验证。在一个示例中，在网络模型中的干扰幅度中检测到动态变化，该网络模型描述了在如由基因表达数据描述的正常人支气管上皮(NHBE)细胞的TNF治疗之后的TNF-NFkB信令[MartinF,ThomsonTM、SewerA等人，“Assessmentofnetworkperturbat1namplitudebyapplyinghigh-throughputdatatocausalb1logicalnetworks”，BMCSystB1l，2012年5月31日第6(I)期第54页]重要的是，检测到的网络幅度中的测量的变化对应于在TNF治疗之后的NFkB核转位的直接实验测量结果。这示出了网络模型如何可以识别和测定化学引发的生物变化。该特征可能尤其对于毒理学社区有用，因为其力图用体外测定来代替昂贵且漫长的体内毒理学测试，以测量化学毒性[KrewskiD、AcostaD，Jr.、AndersenM等人，“Toxicitytestinginthe21stcentury:avis1nandastrategy，，，JToxicolEnvironHealthBCritRev.2010年2月第13(2-4)期第51-138页。[0049]捕获已知的生物学的网络模型的同行评审可以提高网络的质量，并有助于被更大范围的科学社区接受。在同行评审的期刊中描述当前网络集合的构造的文献的公布是初始步骤[GebelS^LichtnerRB^FrushourB等人，“Construct1nofacomputablenetworkmodelforDNAdamage，autophagy，celldeath,andsenescence”，B1informaticsandb1logyinsights，2013年第7期第97-117页；WestraJff^SchlageWK^HengstermannA等人，“AModularCell-TypeFocusedInflammatoryProcessNetworkModelforNon-diseasedPulmonaryTissue，，，B1informaticsandB1logyInsights，7:1-26，2013;ParkJS^SchlageWK^FrushourBP等人，“Construct1nofaComputableNetworkModelofTissueRepairandAng1genesisintheLung”，ClinicalToxicology?2013，S12;SchlageWK^ffestraJW、GebelS等人，“Acomputablecellularstressnetworkmodelfornon-diseasedpulmonaryandcard1vasculartissue”，BMCSystB1l，2011年第5期第168页;WestraJff^SchlageWK^FrushourBP等人，“Construct1nofacomputablecellproliferat1nnetworkfocusedonnon-diseasedlungcells，，，BMCSystB1l，2011年第5期第105页]。然而，对于同行评审人可以验证的内容存在限制，并且经典的同行评审系统不容易实现数据集或生成的网络的全面分析。[0050]本公开的系统和方法使得一组同行评审人能够高效地且有效地提供对正被几乎实时地更新的网络模型的反馈。例如，研究者可能已获得关于网络模型的边的结果。然而，在将结果传播给公众之前，研究者希望让本领域的专家来评审他/她的结果。在这种情况下，通过将结果提交为对网络模型的建议修改，并且等待来自其他用户的投票或其它证据支持形式的反馈，研究者可以利用本公开的系统和方法。这样，研究者可以从其他专家和同行评审人(即，系统中的用户)获得关于结果的反馈，并且仅可以选择在结果被验证时将结果传播给公众。[0051]在另一示例中，研究者可以获得关于网络模型的多个边的多个相关结果。代替立即写出包括所有结果的手稿，研究者可以将每一个结果提交为对网络模型的单独的修改。在这种情况下，研究者接收针对单独的结果中的每一个的反馈，并且可以基于在后续公布中接收到的反馈来选择包括或省略初始结果中的任一个。[0052]在本公开的一些具体实施中，网络模型具有一组独特的特征，这些特征将该网络模型与对于科学社区来说已经可得的信号通路和网络的集合区分开并使它们成为对该集合的补充[GebelS、LichtnerRB、FrushourB等人，“Construct1nofacomputablenetworkmodeIforDNAdamage，autophagy，ce11death,andsenescence”，B1informaticsandb1logyinsights，2013年第7期第97-117页；SchlageWK^ffestraJW、GebelS等人，“Acomputablecellularstressnetworkmodelfornon-diseasedpulmonaryandcard1vasculartissue”，BMCSystB1l，2011年第5期第168页;WestraJff>SchlageWK^FrushourBP等人，“Construct1nofacomputablecellproliferat1nnetworkfocusedonnon-diseasedlungcells，，，BMCSystB1l，2011年第5期第105页]D诸如STRING[FranceschiniA^SzklarczykD^FrankildS等人，“STRINGv9.1:protein-proteininteract1nnetworks,withincreasedcoverageandintegrat1n”?NucleicAcidsRes.，2013年I月第41期(数据库期号)第D808-815页]或HPRD[KeshavaPrasadTS、GoelR^KandasamyK等人，HumanProteinReferenceDatabase—2009update,NucleicAcidsRes.，2009年I月第37期(数据库期号)第D767-772页]的数据仓库尝试在几乎无语境场景下创建蛋白质-蛋白质相互作用的全基因组图景，而其它信号通路数据仓库(例如，KEGG和B1Carta)可以采用文献的人工策划，但不提供显著的生物语境。本公开提供了在为相关联的文献精确限定的语境边界内构造的策划的网络模型。在一些具体实施中，可以并入诸如蛋白质组学、代谢组学或脂类组学的其它组学数据集。作为这些网络基础的基因表达在搜索观察结果的解释过程中大大地有利于复杂数据集的生物学解释。在一些具体实施中，网络模型是动态的，因为它们可以通过施加合适的边界而被修改以表示特定的种和/或组织语境，并且可以在新知识变得可用时实时更新。[0053]网络模型的构造是多步骤的迭代过程，并且在此前的出版物中被详细地描述[SchlageWK^ffestraJW、GebelS等人，“Acomputablecellularstressnetworkmodelfornon-diseasedpulmonaryandcard1vasculartissue，，，BMCSystB1l.，2011年第5期第168页；WestraJff^SchlageWK^FrushourBP等人，“Construct1nofacomputablecellproliferat1nnetworkfocusedonnon-diseasedlungcells，，，BMCSystB1l.2011年第5期第105页]。简而言之，网络模型的构造始于模型边界的认真选择，S卩，选择将包括在模型中的合适的组织/细胞语境和生物过程。然后，相关科学文献被审查，以提取包括文献的模型的节点和边的因果关系。在本公开的一个具体实施中，网络模型基于基因表达数据并且通过施加逆向因果推理来构造。多个数据集被用来优选地从实验测试网络模型是否表示被建模的生物系统，在该实验中，实验暴露干扰由正构造的网络模型捕获的生物机制。[0054]在本公开的一些具体实施中，模型构建工作可通过文本挖掘来辅助进行。文本挖掘通常涉及使用计算机实现的方法来分析技术文献的文本，选择性地检索相关术语，并且将它们引入结构化的关系中。使用文本挖掘可以有利于可用来构造网络模型的BEL编码的知识库的半自动组装。本文所公开的系统和方法可以为用户提供选项，以便在用户正在审查或修改所述组中的节点和边时基于关于该组节点和边的信息和知识来进行文本挖掘。[0055]在一些具体实施中，网络模型被用于表示人肺生理学中牵涉的关键生物过程，并且此前已被公布:细胞增殖[WestraJW、SchlageWK、FrushourBP等人，“Construct1nofacomputablecellproliferat1nnetworkfocusedonnon-diseasedlungcells，，，BMCSystB1l，2011年第5期第105页]，细胞应激[SchlageWK,WestraJW、GebelS等人，“Acomputablecellularstressnetworkmodelfornon-diseasedpulmonaryandcard1vasculartissue”，BMCSystB1l.，2011年第5期第168页]，细胞命运[GebelS、LichtnerRB^FrushourB等人，“Construct1nofacomputablenetworkmodelforDNAdamage，autophagy，celldeath,andsenescence，，，B1informaticsandb1logyinsights，2013年第7期第97-117页]，肺部炎症[WestraJff^SchlageWK^HengstermannA等人，“AModularCell-TypeFocusedInflammatoryProcessNetworkModelforNon-diseasedPulmonaryTissue，，，B1informaticsandB1logyInsights，2013年第7期第1-26页]，组织修复和血管新生[ParkJS^SchlageWK^FrushourBP等人，“Construct1nofaComputableNetworkModelofTissueRepairandAng1genesisintheLung”，ClinicalToxicology，2013;S12L此外，四个网络被构建以模拟慢性阻塞性肺病(COPD)的发病机制。COPD是一种常见的肺部炎性疾病，其中气道变得狭窄，从而造成气短XOPD是主要的和日益严重的全球健康问题。世界卫生组织预测，该疾病在2020年前将成为全球第三大死因和第五大常见致残因素[LopezAD、MurrayCC，“Theglobalburdenofdisease,1990-2020”，NatMed.，1998年11月第4(11)期第1241-1243页]。发达国家中肺气肿/COPD的主要风险因素是暴露于烟草烟雾[PauwelsRA、BuistAS^CalverleyPM^JenkinsCR、HurdSS，“Globalstrategyforthediagnosis,management,andprevent1nofchronicobstructivepulmonarydisease”，NHLBI/WH0GlobalInitiativeforChronicObstructiveLungDisease(GOLD)Workshopsummary?AmJRespirCritCareMed.，2001年4月第163(5)期第1256-1276页LB-细胞活化和T-细胞浸润及活化子网络被构建，以表示这些免疫过程和它们在coro中的作用，并且通过基于健康生理学修改模型来构建细胞外基质(ECM)降解和胞葬作用子网络，以模拟与COB)相关的机制肩如，可以通过网络102提供描述在人类coro中牵涉的生物系统的一组网络，以便由多个用户进行策划。[0056]虽然本公开的大部分内容涉及生物网络模型，但本领域的普通技术人员应当理解，本公开的系统和方法可以应用于任何类型的网络，例如，生态网络或任何其它类型的系统，该系统可包括节点和表示节点之间的因果关系的边。[0057]本公开的系统和方法包括集成的社会声誉系统，该声誉系统鼓励高质量的基于证据的贡献和一致同意的网络模型的开发。本公开的系统和方法并入传统和非传统的激励措施以促进用户活动。非传统的激励措施之一是应用游戏化原理。这样的原理将游戏机制应用到特定问题和任务，以吸引用户的兴趣和活动，并且用非传统的激励措施正向激励参与者。如本文所述，本公开的系统和方法利用了以下认识:对提高某人的声誉的普遍愿望将导致更好地策划的网络模型。相比仅提供用户的排名而不导致或涉及朝由组织者设定的目标所做的进步的其它声誉系统，在集成声誉系统和验证过程之间的这种相互作用做出了改进。特别地，当用户向系统贡献知识和意见时，所得到的策划的模型的质量被提高，并且声誉系统对这些用户动作的表现进行鼓励。[0058]例如，通过参加技能游戏获得的声誉成为对执行任务的奖励的一部分，而不是(或除此之外)诸如经济奖励的物质激励措施(即，传统激励措施)。声誉可以通过从不同动作的表现累积的分数或通过为满足特定标准而奖励的奖章来衡量。用户可以累积声誉分、声誉奖章、或两者的组合，并且通过支持注释和评论的排行榜系统和基础结构与更大网络的用户交互。对用户的声誉分奖励可以仅仅基于或偏向于知识、证据或两者的贡献，而不是唯一地或大部分基于计算动作(例如，耗费大量计算资源的计算)。与其中声誉系统仅可以识别获胜者的游戏情景不同，与集成声誉系统结合的本公开的网络模型策划情景导致对知识的更多理解和共享。通过强调所提供的科学信息，本公开将游戏化组件限制到排行榜，以促进友好竞争和参与。[0059]特别地，相比没有声誉分数系统的网络策划系统，将声誉分数系统与网络策划系统集成导致提供更好的网络模型的更稳健的验证过程。特别地，集成声誉系统激励用户通过执行诸如投票、建议修改或提供支持网络模型的一部分或驳斥此前提供的证据的证据的用户动作来为网络模型做出贡献。对为网络模型做贡献的激励源自对在用户社区内获得声誉的愿望。除了游戏化方面之外，利用声誉分数、声誉奖章和排行榜系统，可以提供任意数目的许多专业和科学激励措施来刺激参预和参与。例如，在一些具体实施中，在模型被传播给非用户之前，用户获准访问策划的网络模型。在一个备选的具体实施中，获得一定分数的用户可能能够下载网络模型的所选部分，例如，以各种连接度连接到由用户作用的节点和边的那些节点和边。下文描述了声誉系统的若干具体实施，但本领域的普通技术人员应当理解，在不脱离本公开的范围的情况下，声誉系统可包括用来鼓励用户为网络模型的开发做贡献的任何激励工具。[0060]项目的组织者可以建立集成声誉系统以奖励声誉分。通常，声誉系统为每一类型的用户动作奖励一数目的声誉分。奖励的分数的数目可以是预定的，并且在某些特定条件下对应于一种类型的用户动作。可以由用户进行投票以表示赞同或不赞同与网络模型中的节点或边相关联的一条证据。[0061]例如，投票赞同支持网络模型中的现有边的一条证据(从而验证由该边表示的关系)的用户可以被奖励一定数目的声誉分。在另一示例中，用户可以投票不赞同支持该边的一条证据，从而不验证或驳斥由该边表示的关系。在这种情况下，用户可以被奖励相同或不同数目的声誉分。如果用户提供了对边的建议修改，例如，改变一个或两个节点，或改变与这两个节点之间的边相关联的值，那么用户可以被奖励类似或不同数目的声誉分。[0062]在某些具体实施中，为用户动作而奖励给用户的声誉分的数目可以依赖于网络模型的状况，并且也部分地依赖于随时间变化的某些条件。例如，相比执行与关联到较少投票的边有关的动作的用户，执行与已经与许多投票相关联的边有关的动作的用户可以被奖励较少的声誉分。在这种情况下，当针对一边的引入的投票积累时，每个投票的相对有用性和奖励的分的数目可能随每个引入的投票而减少。与对该边的用户动作相关联的奖励的分的数目中的这种动态变化可以被通信至用户社区，以鼓励用户对受到较少关注的网络的其它部分采取动作。这样，为指向一边的动作而奖励给用户的声誉分的数目可以依赖于针对该边或该边所处的网络模型的部分而接收的用户活动(即，现有用户动作的数目)的多少。集成声誉系统的这方面可由组织者手动地、由根据一组条件(图6)编程的声誉系统、或由手动或自动动作两者的组合来调节。[0063]在一些具体实施中，奖励给用户的声誉分的数目可以依赖于关于一个元素或该元素所处的网络的部分的此前的动作、后续动作、或这两类动作的性质。在一个示例中，奖励给提供与节点或边相关联的用户动作的用户的声誉分的数目可以基于与该节点或边相关联的用户动作的历史。例如，如果一个边和与表示不赞同的类似的数目的表示赞同的投票相关联，则该边可以被标记为尚未验证;并且如果一证据之后被导致边的验证的其它用户赞同，那么提供与该边相关联的证据的用户可以被奖励额外数目的声誉分。在另一示例中，奖励给提供与节点或边相关联的用户动作的用户的声誉分的总数目可以基于与该节点或边相关联的后续用户动作。可导致声誉分的额外奖励的后续用户动作的示例是当表示赞同或不赞同的投票数达到或超出阈值(即，验证阈值或拒绝阈值)时边或节点的验证。因此，如果用户是表示赞同的投票的初始提供者，并且当接收到造成该节点或边被验证的足够数目的投票时，初始投票人可以被奖励额外的声誉分。在该示例中，由声誉系统奖励的分数与在网络模型的验证和策划过程中做出的进步集成。[0064]在一些具体实施中，奖励给用户的声誉分的数目可以由表示边或网络模型的一部分的物质来预定。特别地，网络模型的某些节点或边可以表示难得出名的主题、有争议且因此需要解决的主题、或对于组织者来说重要的主题。例如，相比连接到较少节点的其它节点，连接到许多其它节点的节点可以与更大数目的声誉分相关联。类似地，相比与较少被连接的节点相关联的其它边，与这样被大量连接的节点相关联的边可以与更大数目的声誉分相关联。通常，由声誉系统奖励的分数反应在网络模型的验证和策划过程中做出的进步。[0065]在一些具体实施中，当得分或表示赞同的投票数超出验证阈值时，或等同地，当同意模型的一部分的用户数超出验证阈值时，网络模型的部分(例如，一组BEL语句或关于一个或多个BEL语句的几条证据)被验证。如本文所用，术语“得分”包括表示赞同网络模型的对应部分的投票数、表示不赞同的投票数、或源于表示赞同的投票数和表示不赞同的投票数的表达。例如，网络模型的元素(例如，边、节点、或支持边或节点的一条证据)的得分可以对应于表示赞同该元素的投票的绝对数。当表示赞同的投票的绝对数超出预定值时，验证阈值可以被超出。在另一示例中，网络模型的元素的得分可以对应于在表示赞同的投票数和表示不赞同该元素的投票数之间的比率。在这种情况下，当表示赞同的投票数超出表示不赞同的投票数的两倍(或任何其它合适的倍数)时，可以达到验证阈值。[0066]拒绝阈值可以与验证阈值的定义类似地或不同地进行限定。在另一示例中，网络模型的元素的得分可以对应于表示不赞同该元素的投票的绝对数。拒绝阈值可以在表示不赞同的投票数、表示赞同的投票数、或它们的组合方面被限定。在一个示例中，得分可以对应于表示不赞同的投票的绝对数。在这种情况下，当接收到最小绝对数的表示不赞同的投票时，可以达到拒绝阈值。在另一示例中，得分可以对应于表示赞同的投票的绝对数。在这种情况下，当未接收到最小绝对数的表示赞同的投票时，可以达到拒绝阈值。在又一示例中，得分可以对应于在表示不赞同的投票数和表示赞同的投票数之间的比率。在这种情况下，当得分或比率未能超出某个预定值时，可以达到拒绝阈值。例如，当表示不赞同的投票数超出表示赞同的投票数的两倍(或任何其它合适的倍数)时，可以达到拒绝阈值。在这些情况中的任一种情况中，当达到拒绝阈值时，网络模型的对应的元素或部分可以被识别为被拒绝，并且这些部分中的一个或多个可以被标记为未验证或从网络模型中删除。[0067]在一些具体实施中，网络模型的另外一些部分被识别为有争议的，并且这些部分中的一个或多个可以被标记以进一步调查。特别地，网络的有争议部分可以对应于在项目开始之后的某个时间未达成共识的部分。换句话讲，验证阈值或拒绝阈值都未达到。这可以发生在接收到过少的总投票时，或者接收到类似数目的一方面表示赞同的投票与表示不赞同的投票时。因此，本公开的系统和方法可用来识别未验证或不可验证且因此不适合传播的边、节点或网络模型的部分。可以将这样的边、节点或网络模型的部分通信给用户、组织者或两者以进一步调查和策划。[0068]在一些具体实施中，如上所述，一旦网络模型的边或部分或与该边或部分相关联的证据已达到预定的最少投票数，网络模型的该边或部分或与该边或部分相关联的证据就可以被“锁定”，并阻止进一步投票。例如，如果已达成共识，关于网络模型的该证据、边或部分的附加投票就不可以被输入系统中。当达成共识时，可以将额外数目的声誉分分配给此前对网络模型的该证据、边或部分投票的一个或多个用户。例如，投票赞同支持在网络模型中最终被验证的边的一条证据的用户可以为正确投票而被奖励奖赏声誉分。此外，最终被验证的修改或支持证据的初始提交人和较早的投票人可以被奖励相比较晚的投票人额外的奖赏声誉分。[0069]在一些具体实施中，基于其它标准来分配其它类型的奖励。例如，当用户完成预定的一组动作时，可以奖励声誉奖章。例如，当用户创建或修改在一段时间后随后被验证的网络边时，该用户可以被奖励一枚奖章。[0070]在生物网络的大众策划和该策划的在线验证的范围内，一种提交、赞同和评论系统被设计用于鼓励科学家对支持各种网络关系的证据进行批判性评价。在验证边和节点时，用户可能被要求使用受控的句法(例如，采用BEL语句的形式)，并且通常可以通过引用一个或多个同行评审出版物来支持其行动。BEL语句与参考文献一起使用确保了结构和逻辑上的正确性，并且解决了关于知识策划平台的一个重要问题:一致性检验[GrozaT、TudoracheT^DumontierM，“Stateoftheartandopenchallengesincommunity-drivenknowledgecurat1n”，Journalofb1medicalinformatics，2013年2月第46(1)期第1-4页]。BEL语句严格执行一致的输入结构，这使得能够利用算法或手动地进行证据评价。参考文献的要求允许其他参与者判断对正在验证的网络、种类、组织或过程的评论或修改的适用性和逻辑合理性。[0071]通过实现奖励被更广泛的一组用户赞同的网络验证和修改的系统，本公开的系统和方法更多地突出和强调了高质量的策划动作。随意而为的用户动作不可能被奖励奖赏声誉分。在某些具体实施中，通过要求投票人提供额外的或新的证据来支持这类用户动作，可以为表示不赞同的投票分配略微更大的任务。恶意的或武断的反对投票是不鼓励的。然而，如果该不赞同动作是正确的，并且边或与该边相关联的证据随后遭到反对，那么投票人可以被奖励奖赏分，以表彰其对不正确的动作的识别。[0072]在一些具体实施中，在锁定边、与边相关联的证据或网络模型的一部分之前，任何用户都可以查看关于该边或该条证据或网络模型的该部分的投票或评论，但贡献于投票、评论、额外证据或模型的修改的用户的用户名可能不是可由其他用户查看的。用户动作可以保持匿名，以防止对后续用户动作的不当影响。然而，在某些具体实施中，当边或一条证据或网络模型的一部分被锁定时，提交人和投票人的用户名可能是可由所有用户查看的。这样的透明性可有助于在用户之间产生持续的对话，这种对话可以被传递到该网络的其它部分。[0073]在一些具体实施中，排行榜系统用来为用户提供对他们在整个网络策划项目中和可选地该网络的每个具体子网络或部分内的相对表现的理解。排行榜系统可以设计成鼓励在每个子网络内的友好竞争和更多的参与。在一些具体实施中，排行榜可以指示用户名、由声誉分的总数目确定的排名、以及诸如所创建、赞同和不赞同的边的数量的具体尺度。在一些具体实施中，排行榜可以在全局水平下操作，包括由在其它过去或现在的网络策划项目中的用户采取的动作获得的声誉分。在某些具体实施中，为了促进竞争和持续参与，同时避免由于总分上的大差距导致的挫败感，用户可以只能够看到在每一个全局或具体网络排行榜内该用户的排名上下5个用户的排名和分数。所有排行榜的前5个(或任何其它合适数目的)用户名可以被显示，但不含其总分，以奖励最大贡献者，而不使其他参与者气馁。[0074]在一些具体实施中，本文所述系统和方法以用户动作的形式请求用户输入。该请求可以是对与网络模型有关的用户动作的被动性和一般的请求。在这种情况下，网络模型(这可以是初始网络模型或初始网络模型的修改版本)的表示显示在一个或多个用户接口上，并且用户可以选择网络模型的各种元素或部分，以提供输入。在另一示例中，该请求可以是对与网络模型的特定元素或部分有关的用户动作的主动性或具体的请求。在这种情况下，网络模型的表示可以显示在一个或多个用户接口上，并且网络模型的指定元素或部分可以被高亮、放大或以某种方式特殊地显示。在通过计算机网络发送对用户动作的请求之后，本文所述系统和方法接收来自多个用户的用户动作，并且可以基于接收的用户动作的类型和与该用户动作或网络模型的对应元素有关的任何其它因素将声誉分分配给每个用户。由每个用户积累的声誉分的数目可以用来为用户分配排名，并且该排名可以用来形成排行榜(例如，根据声誉分的数目排序的具有最大数目的声誉分的用户的列表)。在网络验证阶段期间、在网络验证阶段之后或在网络验证阶段期间和之后，可以将排行榜或其一部分显示给用户。排行榜可以在声誉分被奖励给用户时实时更新，或者排行榜可以被定期更新，例如，每隔固定的时间间隔，例如每小时、每天、或任何其它合适的时间间隔。[0075]在一些具体实施中，当阈值数目的用户动作被接收时(例如，当为网络模型接收到50个、100个、200个或任何其它合适数目的用户动作时，或者当为网络模型的一个或多个部分接收到5个、1个、20个或任何其它合适数目的用户动作时)，当对初始网络模型的阈值数目的验证的修改被执行时，当已经过阈值数量的时间(例如，10、20、50、100或任何其它合适数目的天、周或月)时，或当出现上述情况的任何合适的组合时，网络验证阶段结束。如本文所述，当排行榜在网络验证阶段期间被显示时，排行榜可包括到网络验证阶段结束时间的倒计时或对网络验证阶段结束时间的指示。例如，显示的排行榜可包括网络验证阶段剩余的天数或小时数。在另一示例中，显示的排行榜可包括自验证阶段开始以来接收到的用户动作的数目或在验证阶段结束之前需要接收的用户动作的数目。[0076]在一些具体实施中，用户可以作为个人或团队参与。虽然用户可能最终作为个人被评价，但与其他人作为团队的自我认同可以鼓励在团体内的参与和团体之间的竞争。此夕卜，甚至在项目的官方截止日之后，本公开的基础结构也可以保持并对社区可用，以用于进一步的动作。而且，如果用户上升到网络的排行榜的顶部，该用户的可见范围可以增加。上升到排行榜的顶部可以帮助用户作为在主题领域内的专家赢得声望。[0077]作为示例，图6是描绘系统的表，该系统列出了可以为各种类型的用户动作奖励的声誉分的数目。如图6所示，验证阈值和拒绝阈值均设为7个投票。此外，当参与者的声誉在游戏期间在排行榜上对于其他人变得可见，而不是仅在结束时提供时，参与者的积极性可以被进一步提高。为了补充个人排行榜，团队或机构排行榜可以用来鼓励合作竞争。[0078]在一些具体实施中，科学家被激励以主动地贡献于感兴趣的网络并通过与其它领域的专家交流来发展新的理解。这种沟通可以通过在整个网络中可用的评论系统而便利化，该系统允许用户提供针对各个节点和边的评论和响应。本公开的社会方面可能是一个重要特征，因为它鼓励用户与学术同行接触，以促进网络动作的赞同和不赞同。它不仅提供了获得声誉的机会，而且提供了将改变付诸于网络的机会，这些改变代表了可由此产生新认识的经过验证的信息。朝更多交互的这种推动自然地增加了用户的个人网络，这在传统上是科学生涯的重要部分。[0079]在一些具体实施中，网络模型验证过程的结果被评价，以识别被验证、拒绝或指示为有争议的网络模型的不同部分。通过识别网络模型的这些不同部分，组织者可以确定在网络策划项目期间关于主题领域的知识被进一步扩展、修订或无效化的程度。为了有助于组织者解释网络策划项目的结果，可以分析下列示例性尺度中的一个或多个:在项目之前和之后，支持每个边的证据的数量;在过程之前和之后，相对于网络的预期语境而言，每个节点或边的语境注释的特异性;在锁定之前对每个节点或边的正评论或投票与负评论或投票的比率;对每个边的编辑动作的数目；边删除动作的数目；以及锁定的边和未锁定的边的数目。[0080]在一些具体实施中，事务处理(transact1ns)和所得到的网络被检查，以确定游戏化原理是否产生不需要的人工假象，例如，由仅为了获得分数的用户进行的无价值的活动。如果存在个人或团体成功的任何不寻常的模式，所得到的语句和边的技术结论可以被审查，以确定最终网络的技术内容是否为了竞争目的而以任何方式被减损。在一些具体实施中，网络模型策划项目的结果被评价，以根据声誉系统将该领域的专家识别为最高得分者。[0081]图7是用于策划网络模型的方法700的流程图。方法700包括以下步骤:提供用于显示、编辑和注释网络模型的在线系统(步骤702);将初始网络模型导入系统中(步骤704);请求表示来自多个用户的动作的数据(步骤706);由声誉系统管理根据用户的动作奖励给各个用户的奖品和声誉分(步骤708);识别网络模型的验证的方面和可选地将修改/一致赞同的网络模型传播给用户或公众(步骤710);以及根据用户累积的声誉分对用户排序(步骤712)。[0082]本公开的系统和方法提供了一种策划的网络模型。提供了包括节点和边的网络模型，并且导向至少一个节点或至少一个边的用户动作被接收。基于为每个相应的边接收的用户动作的数目，为该相应的边赋予权重。经确认的子集的边和被拒绝的子集的边被识别。在经确认的子集中的边具有被赋予的超出确认阈值的权重，而在被拒绝的子集中的边具有被赋予的低于拒绝阈值的权重。然后，经确认的子集的边和相关联的节点被提供为策划的网络模型，其中策划的网络模型省略了被拒绝的子集的边。[0083]图3是计算设备的框图，该计算设备为例如用于执行本文所述过程的图1的系统100的部件中的任一个。系统100的部件中的每一个可以在一个或多个计算设备300上实现，这些部件包括网络模型数据库106或206、用户设备108、服务器104或204、处理器105或205、网站管理器222、声誉电子数据库228、声誉引擎230、网络可视化引擎224、或基于Web的语句编辑器226ο在某些方面，多个上述部件和数据库可以被包括在一个计算设备300内。在某些具体实施中，部件和数据库可以在若干计算设备300中被实现。[0084]计算设备300包括至少一个通信接口单元、输入/输出控制器310、系统存储器、以及一个或多个数据存储设备。系统存储器包括至少一个随机存取存储器(RAM302)和至少一个只读存储器(ROM304)。这些元件全部与中央处理单元(CPU306)连通，以有利于计算设备300的操作。计算设备300可以以许多不同的方式配置。例如，计算设备300可以是常规的独立式计算机，或备选地，计算设备300的功能可以被分布在多个计算机系统和架构中。计算设备300可被配置成执行建模、打分和聚合操作中的一些或全部。在图3中，计算设备300经由网络或局部网络链接到其它服务器或系统。[0085]计算设备300可以被配置成分布式架构，其中，数据库和处理器被容纳在单独的单元或位置中。一些这样的单元执行主要的处理功能，并且至少包含通用控制器或处理器和系统存储器。在这样的方面，这些单元中的每一个经由通信接口单元308附接到通信集线器或端口(未示出)，该集线器或端口用作与其它服务器、客户端或用户计算机和其它相关设备的主要通信链路。通信集线器或端口自身可具有最低的处理能力，主要用作通信路由器。各种通信协议可以是系统的一部分，包括但不限于:Ethernet、SAP、SAS?、ATP、BLUETOOTH?、GSM和TCP/1P。[0086]CPU306包括处理器，例如，一个或多个常规的微处理器和用于从CPU306卸载工作量的诸如数学协处理器的一个或多个辅助的协处理器。CPU306与通信接口单元308和输入/输出控制器310通信，CPU306通过通信接口单元308和输入/输出控制器310与诸如其它服务器、用户终端或设备的其它设备通信。通信接口单元308和输入/输出控制器310可包括多个通信信道，以用于与例如其它处理器、服务器或客户终端同时通信。彼此通信的设备不需要连续地发送到彼此。相反，这样的设备仅需要在必要时发送到彼此，实际上可以在大部分时间抑制交换数据，并且可能需要执行若干步骤以在设备之间建立通信链路。[0087]CPU306也与数据存储设备通信。数据存储设备可包括磁性、光学或半导体存储器的适当组合，并且可包括例如RAM302,ROM304、闪存驱动器、诸如压缩盘的光盘或硬盘或硬盘驱动器。CPU306和数据存储设备均可以例如完全位于单个计算机或其它计算设备内；或由通信介质连接到彼此，通信介质为例如USB端口、串行端口电缆、同轴电缆、以太网式电缆、电话线、射频收发器或其它类似的无线或有线介质、或它们的组合。例如，CPU306可以经由通信接口单元308连接到数据存储设备。CPU306可被配置成执行一个或多个特定的处理功能。[0088]数据存储设备可以存储例如:(i)用于计算设备300的操作系统312;(ii)—个或多个应用程序314(例如，计算机程序代码或计算机程序产品)，其适于根据本文所述系统和方法并且特别地根据结合CPU306详细描述的过程来指导CPU306;或者(iii)适于存储信息的数据库316，其可以用来存储程序所需的信息。在一些方面，数据库包括存储实验数据和公布的文献模型的数据库。[0089]操作系统312和应用程序314可以例如存储成压缩、未编译和加密的格式，并且可包括计算机程序代码。程序的指令可以从计算机可读介质而不是数据存储设备(例如，从ROM304或从RAM302)读入处理器的主存储器中。虽然在程序中的指令的序列的执行造成CPU306执行本文所述过程步骤，但硬连线电路可以用来代替软件指令或与软件指令结合使用，以实现本公开的过程。因此，所描述的系统和方法不限于硬件和软件的任何具体组入口ο[0090]合适的计算机程序代码可以提供用于执行本文所述与建模、打分和积聚有关的一个或多个功能。程序也可包括程序元素，例如，操作系统312、数据库管理系统和“设备驱动程序”，这些程序元素允许处理器经由输入/输出控制器310与计算机外围设备(例如，视频显示器、键盘、计算机鼠标等)进行交互。[0091]如本文所用，术语“计算机可读介质”是指任何非暂时性介质，其提供或参与提供指令到计算设备300的处理器(或本文所述设备的任何其它处理器)以执行。这样的介质可以采取许多形式，包括但不限于非易失性介质和易失性介质。非易失性介质包括例如光学、磁性、或光磁性盘、或诸如闪存存储器的集成电路存储器。易失性介质包括动态随机存取存储器(DRAM)，其通常构成主存储器。常见形式的计算机可读介质包括例如软盘、软磁盘、硬盘、磁带、任何其它磁性介质、CD-R0M、DVD、任何其它光学介质、穿孔卡、纸带、带有孔图案的任何其它物理介质、RAM、PR0M、EPR0M或EEPR0M(电可擦除可编程只读存储器)、FLASH-EEPR0M、任何其它存储芯片或盒、或计算机可从其读取的任何其它非暂时性介质。[0092]各种形式的计算机可读介质可以涉及将一个或多个指令的一个或多个序列传输到CPU306(或本文所述设备的任何其它处理器)以用于执行。例如，指令可以初始地承载在远程计算机(未示出)的磁盘上。远程计算机可以将指令加载到其动态存储器中，并且通过以太网连接、电缆线路或甚至使用调制解调器的电话线发送指令。计算设备300(例如，服务器)本地的通信设备可以在相应的通信线路上接收数据，并且将数据置于用于处理器的系统总线上。系统总线将数据传输到主存储器，处理器从主存储器检索并执行指令。由主存储器接收的指令可以可选地在由处理器执行之前或之后存储在存储器中。此外，指令可以经由通信端口被接收为电信号、电磁信号或光信号，这些信号是载送各种类型的信息的无线通信或数据流的示例性形式。[0093]本文引用的每篇参考文献均以引用方式全文并入本文中。[0094]虽然已结合具体示例特别地示出和描述了本公开的具体实施，但本领域的技术人员应当理解，在不脱离由所附权利要求限定的本公开的范围的情况下，可以对这些具体实施做出形式和细节上的各种更改。因此，本公开的范围由所附权利要求指示，并且落入权利要求书的等同物的涵义和范围内的所有更改因此都旨在被涵盖。【主权项】1.一种用于策划网络模型的计算机化方法，所述方法包括:由计算机系统提供，所述计算机系统包括通信端口和与至少一个非暂态计算机可读介质通信的至少一个计算机处理器，所述至少一个非暂态计算机可读介质存储包括表示初始网络模型和所述初始网络模型的元素的数据的至少一个电子数据库，所述初始网络模型包括与多个边互连的多个节点，每个边表示在两个相连的节点之间的因果关系；向多个用户请求用户动作，所述用户动作被导向至所述网络模型的元素，其中，所述元素包括边、节点或与边或节点相关联的信息项；基于为所述相应的元素接收的所述用户动作为所述网络模型的每个元素分配得分；识别经验证的元素，所述经验证的元素各具有超出验证阈值的得分；以及经由所述通信端口提供表示策划的网络模型的数据，所述策划的网络模型包括所述初始网络模型的所述经验证的元素。2.根据权利要求1所述的计算机化方法，还包括识别被拒绝的元素，所述被拒绝的元素各具有小于拒绝阈值的得分，其中，所述策划的网络模型省略所述被拒绝的元素。3.根据权利要求2所述的计算机化方法，还包括识别未验证的元素并指示在所述策划的网络模型中的所述未验证的元素，所述未验证的元素各具有大于所述拒绝阈值且小于所述验证阈值的得分。4.根据权利要求1所述的计算机化方法，其中，至少一个用户动作包括所述网络模型中此前不存在的新元素的建议，所述方法还包括请求导向至所述新元素的用户动作。5.根据权利要求4所述的计算机化方法，还包括在所述新元素被验证之后通过包括所述新元素来修改所述初始网络模型或所述策划的网络模型。6.根据权利要求1所述的计算机化方法，其中，所述用户动作中的至少一些是由所述用户提供的二进制投票，所述二进制投票指示所述用户是否赞同或不赞同所述网络模型的元素。7.根据权利要求1所述的计算机化方法，其中，分配给相应的元素的得分是导向至所述相应的元素的接收的用户动作的数目、所述接收的用户动作中的每一个的特性或两者的函数。8.根据权利要求7所述的计算机化方法，其中，所述接收的用户动作中的每一个的所述特性包括所述相应的用户动作是否为正属性或负属性的指示。9.根据权利要求1所述的计算机化方法，其中，所述用户动作中的至少一些包括与节点或边相关联的信息的提供。10.根据权利要求1所述的计算机化方法，还包括将表示所述策划的网络模型的数据传播给至少所述多个用户或公众。11.根据权利要求1所述的计算机化方法，其中，所述网络模型表示生物系统，每个节点表示与其它节点中的至少一个相互作用的生物实体，并且每个边表示在所述生物实体之间的因果关系。12.根据权利要求11所述的计算机化方法，其中，表示所述网络模型的所述数据使用生物表达语提供。13.根据权利要求1所述的计算机化方法，还包括由集成声誉系统来管理根据每个相应的用户的所述用户动作奖给各个用户的奖励。14.根据权利要求13所述的计算机化方法，其中，所述集成声誉系统根据所述用户动作向用户奖励一数目的分数，其中，奖励的分数的所述数目根据所述网络模型的状况来修改，所述状况由一个或多个因素确定，所述一个或多个因素包括为所述元素接收的用户动作的数目、为所述元素接收的所述用户动作的属性、或所述节点或边相对于所述网络模型中的其它节点和边的位置。15.根据权利要求14所述的计算机化方法，其中，在所述元素被后续的用户动作验证之前，所述集成声誉系统基于导向至元素的所述验证的用户动作将额外的分数奖给用户。16.根据权利要求15所述的计算机化方法，其中，分配给提供所述新元素的用户的分数的数目大于分配给提供所述网络模型中的现有元素的修改的用户的分数的数目。17.根据权利要求1所述的计算机化方法，其中，所述网络模型是表示生物系统的生物网络模型，所述生物网络模型是宏观网络模型的子集，并且通过选择所述宏观网络模型的边界来限定。18.根据权利要求1所述的计算机化方法，还包括根据由所述用户积累的声誉分的所述数目对所述用户排序。19.一种包括计算机可读指令的计算机程序产品，当在包括至少一个处理器的计算机化系统中被执行时，所述计算机可读指令造成所述处理器执行根据权利要求1-18中的任一项所述的方法的一个或多个步骤。20.—种包括至少一个处理器的计算机化系统，所述至少一个处理器被配置成具有非暂态计算机可读指令，所述非暂态计算机可读指令在被执行时造成所述至少一个处理器执行根据权利要求1-18中的任一项所述的方法。21.—种用于策划网络模型的系统，所述系统包括:第一通信端口，其被配置成发送对来自多个用户的用户动作的请求，所述用户动作被导向至初始网络模型的元素，其中:所述初始网络模型包括与多个边互连的多个节点，每个边表示在两个相连的节点之间的因果关系;并且所述元素包括边、节点或与边或节点相关联的信息的项；以及第二通信端口，其被配置成提供表示策划的网络模型的数据，所述策划的网络模型包括所述初始网络模型的经验证的元素，其中，所述经验证的元素各具有超出验证阈值的得分，所述得分基于为所述相应的元素接收的所述用户动作而分配给每个元素。22.—种用于策划网络模型的系统，所述系统包括:第一通信端口，其被配置成从多个用户接收用户动作，所述用户动作被导向至初始网络模型的元素，其中:所述初始网络模型包括与多个边互连的多个节点，每个边表示在两个相连的节点之间的因果关系;并且所述元素包括边、节点或与边或节点相关联的信息的项；以及第二通信端口，其被配置成接收表示策划的网络模型的数据，所述策划的网络模型包括所述初始网络模型的经验证的元素，其中，所述经验证的元素各具有超出验证阈值的得分，所述得分基于为所述相应的元素接收的所述用户动作而分配给每个元素。【文档编号】G06F19/12GK105940421SQ201480041508【公开日】2016年9月14日【申请日】2014年8月12日【发明人】W·海斯,J·霍恩格,M·C·派奇【申请人】菲利普莫里斯生产公司,塞尔文塔公司