2022年搜索引擎的第三定律搜索研究教程.docx

2022年搜索引擎的第三定律搜索研究教程
搜寻引擎走到今日，已经是一个结束过去，开拓将来的时候了。为了说清晰我所讲的第三定律，我们先来回顾一下第一和其次定律。
第肯定律 相关性定律=版权全部 软件 下载 学院 版权全部=
听起2022年搜索引擎的第三定律搜索研究教程
搜寻引擎走到今日，已经是一个结束过去，开拓将来的时候了。为了说清晰我所讲的第三定律，我们先来回顾一下第一和其次定律。
第肯定律 相关性定律=版权全部 软件 下载 学院 版权全部=
听起来象是一篇学术论文，的确，就连第一，其次定律的提法以前也没有过，但是第一，其次定律的内容确早已在业界和学术界得到了公认。其实这第肯定律是早在互联网出现之前就被学术界广泛探讨过的，那就是所谓的相关性定律。这个领域那时叫情报检索，或信息检索，也有叫全文检索的。那时的相关性都是基于词频统计的，也就是说，当用户输入检索词时，搜寻引擎去找那些检索词在文章(网页) 中出现频率较高的，位置较重要的，再加上一些对检索词本身常用程度的加权，最终排出一个结果来(检索结果页面) 。早期的搜寻引擎结果排序都是基于本文的第肯定律的，如Infoseek, Excite, Lycos等，它们基本上是沿用了网络时代之前学术界的探讨成果，工业界的主要精力放在处理大访问量和大数据量上，对相关性排序没有突破。词频统计其实根本没有利用任何跟网络有关的特性，是前网络时代的技术。然而，网络时代的主要文献是以网页的形式存在的，而几乎每个人都可以为所欲为地在网上发表各种内容，词频相同的两个网页，质量相差可以很远，可是根据搜寻引擎的第肯定律，对这两个网页的排序应当是一样的。为了能够派在某些检索结果的前几位，很多网页内容的制作者费尽心机，在其页面上堆砌关键词，搜寻引擎对此防不胜防，苦不堪言。这种状况到了1996年起先有了变更。
其次定律 人气质量定律
1996年4月，我到赌城拉斯维加斯开一个有关信息检索方面的学术会议，会议的内容就象拉斯维加斯的天气一样，按例比较枯燥乏味。但远离公司的我，却难得有一个静下心来仔细思索问题的机会。就在听一个毫不相干的论文演讲的时候，我突然把科学引文索引的机制跟Web上的超级链接联系起来了 - 感谢北大，她在我上大三的时候就教授了我科学引文索引的机制，美国唯恐没有一所高校会在你本科的时候教这玩艺儿。科学引文索引的机制，说白了就是谁的论文被引用次数多，谁就被认为是权威，论文就是好论文。这个思路移植到网上就是谁的网页被链接次数多，那个网页就被认为是质量高，人气旺。在加上相应的链接文字分析，就可以用在搜寻结果的排序上了。这就引出了搜寻引擎的其次定律：人气质量定律。依据这肯定律，搜寻结果的相关性排序，并不完全依靠于词频统计，而是更多地依靠于超链分析。我意识到这是一个突破性的东西，回去以后就很快总结了思路，于96年6月申请了这一方面的美国专利。1999年7月6号，美国专利和商标局批准了专利号为5，920，859的，以我为唯一独创人的专利。大约在96年底，斯坦福高校计算机系的两位探讨生也想到了同样的解决方法，他们后来创立了一个叫Google的搜寻引擎，Google的网站上至今仍旧说他们的这项技术是Patent-pending (专利申请中) ，不知道美国专利局是不是还会再批这样的专利。Anyway,