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!

原文发布于微信公众号 - 大数据和云计算技术(jiezhu2007)

原文发表时间:2016-11-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器人网

手把手教你用软胶棒DIY软体机器人

在这个世界上不断涌现的各种发明中,总是有一些看上去没什么实际用处,但却新奇有趣,很吸引眼球的项目。下面要介绍的使用3D打印、少量热胶棒、几根绳子和一对伺服电机制...

3337
来自专栏大数据文摘

制作信息图的“核心信条”

1737
来自专栏IT 指南者专栏

究竟什么才是学习?

我一直以为,学习就应该是拿着学习的资料,花大块的时间在图书馆里面按照计划一字一句、从头到尾的进行研习。但慢慢的我发现,我对学习的理解太狭隘,我一直在错误的进行学...

2598
来自专栏老九学堂

程序员:天冷了,今天穿件格子衫去上班

821
来自专栏Data Analysis & Viz

你猜简书有多少名签约作者?

简书到底有多少名签约作者?这或许是困扰很多人的问题。由于官方没有统一公开说明,因而具体的数据无法知晓。不过,最近几天爬取了简书26w+较优质的用户数据:《爬取简...

471
来自专栏杨建荣的学习笔记

学习这件事情,我最近这么干

记得前些日子写过一篇文章,一种能够快速进阶的学习方式,其实主要想表达的就是学习方法得当,对于系统成果来说会有意想不到的效果和收获。

1110
来自专栏大数据挖掘DT机器学习

【推荐】想学统计学需要掌握哪些知识?

这是一个很好的问题,对于新手、特别是非统计科班出身的人来说,心里总是有这样的顾虑,掌握的统计学基础只是不够,然而又应该从哪里入手呢?以下是中国统计网整理...

3834
来自专栏机器人网

教你用软胶棒DIY软体机器人

在这个世界上不断涌现的各种发明中,总是有一些看上去没什么实际用处,但却新奇有趣,很吸引眼球的项目。下面要介绍的使用3D打印、少量热胶棒、几根绳子和一对伺服电机制...

3106
来自专栏顾宇的研习笔记

不要被“学会”的假象迷惑

很多喜欢读书的人,喜欢买书。我认识了很多人,都有很多的书,很多人会舍不得扔掉它们。因为总觉得有什么没读懂。

661
来自专栏阮一峰的网络日志

公众分类法(Folksonomy)

先从一个具体的问题开始思考:如何给电子书分类?(这个问题可以推广到如何给信息分类。) 传统的方法是使用自上而下的目录分类法(Taxonomy)。在中国是中图分类...

41110

扫码关注云+社区