看搜索那些事從發(fā)展到未來

不論是360推出“雷電手機搜索”對抗百度騰訊，還是之前在微博上熱傳的“必應（Bing） PK谷歌（Google）”的比賽，搜索毫無疑問再一次成為了各大互聯(lián)網(wǎng)公司的必爭之地。搜索一直伴隨著網(wǎng)民們的生活，隨著搜索技術(shù)的發(fā)展，不論是搜索的方式、速度還是準確性都變得越來越好。從最初的關(guān)鍵詞搜索，到圖片搜索、社交圖譜搜索，直到最新的實體搜索，一場關(guān)于未來搜索的巨變正在發(fā)酵。

1 何為搜索

搜索引擎（Search Engines）是一個對互聯(lián)網(wǎng)上的信息資源進行搜集整理然后供你查詢的系統(tǒng)，它包括信息搜集、信息整理和用戶查詢?nèi)糠?。它使用特定程序把因特網(wǎng)上的所有信息歸類，以幫助人們在茫茫網(wǎng)海中搜尋到所需要的信息。目前常用的網(wǎng)絡搜索引擎有百度、Google、必應、搜狐、雅虎、有道、中搜、搜搜等。

2 搜索原理

搜索引擎的工作原理大致可以分為三部分。

搜集信息

搜索引擎的信息搜集基本都是自動的。搜索引擎利用稱為網(wǎng)絡蜘蛛（Spider）的自動搜索機器人程序來連上每一個網(wǎng)頁上的超鏈接。機器人程序根據(jù)網(wǎng)頁鏈到其中的超鏈接，就像日常生活中所說的“一傳十，十傳百……”一樣，從少數(shù)幾個網(wǎng)頁開始，連到數(shù)據(jù)庫上所有到其他網(wǎng)頁的鏈接。理論上，若網(wǎng)頁上有適當?shù)某溄?，機器人便可以遍歷絕大部分網(wǎng)頁。

整理信息

搜索引擎整理信息的過程稱為“創(chuàng)建索引”。搜索引擎不僅要保存搜集起來的信息，還要將它們按照一定的規(guī)則進行編排。這樣，搜索引擎根本不用重新翻查它所有保存的信息，就能迅速找到所要的資料。想象一下，如果信息是不按任何規(guī)則隨意堆放在搜索引擎的數(shù)據(jù)庫中，那么它每次找資料都得把整個資料庫完全翻查一遍，如此一來再快的計算機系統(tǒng)也沒有用。

接受查詢

用戶向搜索引擎發(fā)出查詢，搜索引擎接受查詢并向用戶返回資料。搜索引擎每時每刻都要接到來自大量用戶的幾乎是同時發(fā)出的查詢，它按照每個用戶的要求檢查自己的索引，在極短時間內(nèi)找到用戶需要的資料，并返回給用戶。目前，搜索引擎返回主要是以網(wǎng)頁鏈接的形式提供的，這樣通過這些鏈接，用戶便能到達含有自己所需資料的網(wǎng)頁。通常搜索引擎會在這些鏈接下提供一小段來自這些網(wǎng)頁的摘要信息，以幫助用戶判斷此網(wǎng)頁是否含有自己需要的內(nèi)容（如圖1）。

對并不算漫長的搜索技術(shù)的發(fā)展來說，搜索歷史的三次突破就是三張圖譜：網(wǎng)頁圖譜、社交圖譜和實體圖譜。

3 網(wǎng)頁圖譜

上世紀90年代，信息檢索只有兩個衡量的指標：查準率和查全率，最早的搜索引擎AltaVista只解決了查全率，就成了當時最富盛名的搜索工具。谷歌的兩位創(chuàng)始人拉里·佩奇（Larry Page）和謝爾蓋·布林（Sergey Brin）使用PageRank的全新算法，解決了查準率的問題，令當時所有搜索入局者難以望其項背。

網(wǎng)頁搜索的發(fā)展時間相對較長，它也擁有很多特色功能來便利大家的查找，比如說網(wǎng)頁快照、相關(guān)搜索、拼音提示、錯別字提示以及一些高級搜索語法。

比如當你遇到網(wǎng)站服務器暫時故障或網(wǎng)絡傳輸堵塞時，可以通過“快照”快速瀏覽頁面文本內(nèi)容（如圖2）。而如果搜索結(jié)果不佳，有時候則是因為選擇的查詢詞不是很妥當，你可以通過參考別人是如何搜索的，來獲得一些啟發(fā)，百度的“相關(guān)搜索”就是和你的搜索很相似的一系列查詢詞（如圖3）。

然而信息爆炸讓改變悄然發(fā)生，互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)越來越多，沒有被納入搜索引擎的“暗網(wǎng)”以萬億計，人們也往往沒有時間和耐心點擊第五頁以后的搜索結(jié)果。在過去的十幾年里，搜索引擎的研究和創(chuàng)新一直圍繞排序進行，業(yè)內(nèi)參與者競爭的焦點是誰的排序相關(guān)性更好！不過基于傳統(tǒng)網(wǎng)頁搜索的卡位戰(zhàn)已經(jīng)基本結(jié)束，谷歌、百度脫穎而出。

4 社交圖譜

Facebook去年高調(diào)推出“社交圖譜搜索（Graph Search）”，你可以通過它搜索好友圈中誰看過災難電影。Facebook搜索依靠的是10億用戶、2400億張照片和1萬億次頁面訪問量帶來的數(shù)據(jù)金礦。社交圖譜是一種表明“我認識你”的網(wǎng)絡圖譜，它反映了用戶通過各種途徑認識的人：家庭成員、工作同事、開會結(jié)識的朋友、高中同學、俱樂部成員、朋友的朋友等等。社交圖譜主要由一些主流的社交網(wǎng)絡產(chǎn)生，用戶們互相向自己認識的人們發(fā)送邀請來構(gòu)建和維持他們的社會關(guān)系（如圖4）。

Facebook的社交行為數(shù)據(jù)可以滿足相當比例的搜索請求?？梢曰谂笥训摹癓ike”搜索加州的特色餐廳，或是通過朋友的照片尋找一起滑雪的玩伴。除相關(guān)的語義研究，社交圖譜搜索背后是把用戶行為產(chǎn)生的數(shù)據(jù)，比如點擊習慣、Like等運用到極致，它更傾向于解決與生活相關(guān)的社交信息。

社交網(wǎng)絡為信息的交流與分享提供了新的途徑。作為社交網(wǎng)絡的網(wǎng)站一般會擁有數(shù)以百萬的登記用戶，使用該服務已成為了用戶們每天的生活。社交網(wǎng)絡服務網(wǎng)站當前在世界上有許多，知名的包括Facebook、Quazza.com、Myspace、Orkut、Twitter等等。在中國大陸地區(qū)，以社交網(wǎng)絡服務為主的流行網(wǎng)站有人人網(wǎng)、開心網(wǎng)、微博、QQ空間等（如圖5）。

5 實體圖譜

實體搜索對比Facebook的顯著進階是，不僅僅有“人”、“地點”、“照片”等一些最常見的實體，也有如哈利·波特、植物、動物等真實和虛擬世界內(nèi)的所有實體。

實體搜索的概念產(chǎn)生于2004年，其前身是微軟研究院研發(fā)的學術(shù)搜索，它試圖解決信息檢索的精準化。而實體搜索結(jié)果的理想呈現(xiàn)形式將會類似于維基百科，不過不同的是，維基百科是人們手動整理和撰寫的，而實體搜索則是試圖通過自動算法、機器學習、數(shù)據(jù)挖掘和自然語言理解等技術(shù)自動生成的類似網(wǎng)頁（如圖6）。

在算法上，實體搜索把傳統(tǒng)基于“文本”的搜索改變?yōu)榛凇皩ο蟆钡乃阉?，搜索引擎更加智能地去理解用戶的真實需求。例如搜索“Apple”，它理解成蘋果公司的機率最高；如果搜索“Big Apple”，最高的可能性則是列出紐約市。短期來看，實體搜索是對現(xiàn)有搜索精準度的一次改進。

看起來前景無限的社交圖譜搜索和實體搜索吸引了行業(yè)巨頭紛紛涉足?？墒菬o論是社交圖譜還是實體搜索，結(jié)構(gòu)化數(shù)據(jù)庫成為一大難點。一個顯而易見的難點是，現(xiàn)在萬億級的網(wǎng)頁以及全人類的知識，都是用非結(jié)構(gòu)化的方法在處理。

另外手機等移動設備帶來了移動互聯(lián)網(wǎng)的高速發(fā)展期，平臺和工具的變化引起了用戶使用習慣的改變。一個顯而易見的變化是“語音搜索”，隨著三星最新開發(fā)的“眼動追蹤”技術(shù)，以及微軟、英特爾在體感計算上的突破，越來越多的電子設備可以感知用戶的手勢和動作。

從搜索的方式來講，目前的搜索相對被動，而未來的搜索會更加智能，能夠根據(jù)用戶不同的使用場景，用最適合的輸入方式實現(xiàn)“主動搜索”；而從搜索的形式來講，隨著技術(shù)的不斷突破，或許未來的搜索只需要揮一揮手，就可以如《黑鏡》中的主人公一樣隨意切換。然而不論搜索如何變化，我們都能看出，搜索引擎是在不斷揣摩人的心理，為滿足網(wǎng)民的需求而不斷發(fā)展的。正如Google Search產(chǎn)品經(jīng)理Jack Menzel所說，未來的搜索會更自然，就像與朋友聊天一樣。