搜索简史

现在的同学很难想象没有搜索引擎的日子，国内的百度，国外的Google，Bing基本成为互联网的唯一入口，上网的第一件事是搜索一下。

回想整个互联网，关于信息获取，可以分为这么几个阶段：

1）门户网站

20世纪末的时候大家还玩的是门户网站。全世界出名的网站就那么几个，国外Yahoo，国内Sina／搜狐／网易。大家上个网需要记住这些网站的域名，然后输入。当时网站和内容都特别少，其实也就只能看看简单的新闻。

2）分类导航

随着网站的越来越多，记住域名这种事情难度太高。所以要yahoo 是世界上第一家提供分类导航的网站。分类导航能产生也是顺其自然的事情，电话薄／地址导航类的书籍，几十年过去了，现在仍能在美国还有提供。

就是这么一种简单的方式，让Yahoo占领了整个互联网世界，同时Yahoo的华人老板杨致远也让华人津津乐道谈论了好多年。

由网吧管理员李兴平99年创建的hao123也只作了一个类似的一个分类导航简单的事情，最后04年作价上亿卖给百度。所以说信息获取，信息导航的价值和空间要多大有多大。

3）搜索引擎

Yahoo随着访问量和收录链接数的增长，Yahoo目录开始支持简单的数据库搜索。因为Yahoo的数据是手工输入的，所以不能真正被归为搜索引擎，事实上只是一个可搜索的目录，但是总算是萌芽。

真正的搜索引擎诞生也同时诞生了一家至今仍能是霸主的公司Google。说到Google一开始更多的是创始人Larry page的博士生作业。让Google成名的是，Larry研究的算法page rank。

为什么这个算法特别重要？ 用户搜索的目的就是想获得答案和获取最佳信息。而互联网上各种信息良莠不齐，谁排在前，谁排在后面就显得很重要了，直接影响用户的搜索感受。那能不能像Yahoo一样通过人工录入呢，答案是否定的，在互联网信息爆炸的今天通过人工的方式基本不可能。所以Google想了一个巧妙的方法，根据网页之间相互超链接的来计算相关性。具体的方法是：

PageRank通过网络浩瀚的超链接关系来确定一个页面的等级。Google把从A页面到B页面的链接解释为A页面给B页面投票，Google根据投票来源（甚至来源的来源，即链接到A页面的页面）和投票目标的等级来决定新的等级。简单的说，一个高等级的页面可以使其他低等级页面的等级提升。

方法说的玄乎，简单来理解就是被链接的次数越多，越重要就会排在前面。这样用户使用Google搜索出来的相关性会大大增强，准确率大大提高。

现在国内的百度，国外的Google，Bing基本都是这套技术。

搜索引擎的出现也让搜索成为一门技术。相关的研究方兴未艾！下面简单的说一说搜索技术当前发展和趋势。

1）page rank 到 learning to rank

从page rank通过链接来判断，还是不能完全解决问题，所以大家又尝试用机器学习训练的方式来解决搜索的排名，对语义的理解，learning to rank一直是搜索技术研究等热点。

2）通用搜索到垂直搜索

Google／百度做的都是通用搜索，更多的是解决文本信息的问题，通用的算法很难解决所有的问题。比如音乐，视频不能简单通过链接来分析，还有正版，盗版等一系列问题，所以产生了很多垂直搜索等技术。

3）从信息到知识

搜索核心是获取信息，大家在研究等同时发现，信息里面隐藏了大量的知识，如果搜索的时候能直接返回知识，从而相当于给搜索的人直接返回更想要的答案。知识要用到的关键技术就是知识图谱。

4）大搜索

大搜索的概念可以到百度文科里面下载《大搜索技术白皮书》看看。

http://wenku.baidu.com/view/4f42bded58fafab069dc02da.html?from=search

这个是防洪墙之父方滨兴院士15年主持的一个技术项目提出的一个概念：“面向泛在网络空间的智慧搜索”。这个看起来玄乎，简单说一下关键两点：

1）搜索范围变大，除了互联网之外，未来的物联网也能搜索。

2）搜索更智能，不是简单的关键字匹配，是包含意图理解，知识综合，最后返回的结果也不全是简单的链接，而是用户最终要的答案，比如，搜索机票，最后返回的结果是帮用户把全部行程安排好。

方教授搞防火墙，搞得名声不太好，但是大搜索的概念还是挺准确的。

总代来说，搜索还是门复杂的技术，未来研究等空间很大。我辈一起努力吧！