Tek Review

http://www.cnbeta.com/articles/94131.htm

感谢XJP的投递

Labels: Baidu, search engine

# posted by FT Review @ 7:42 AM 0 comments

rapidshare 改版了，上面有很多keygen之类的资源下载。好吧，就谈谈如何搜索rapidshare上面的资源吧。说rapidshare是一个大金矿一点也不 错，作为世界上最大的在线存储服务器商，每天有非常多的人上传东西，尤其是里面还有很多特别的东西。但是rapidshare本身不提供搜索功能，这的确 是一个遗憾。

那么如何搜索rapidshare资源呢？

首先当然是利用搜索引擎啦，大多数搜索引擎都提供了高级搜索参数，利用这些，你可以轻松搜索rapidshare.com甚至别的同类网站。

比如google，你可以搜索“keygen site:rapidshare.com”这个关键词，列出来的都是各种各样的keygen：

太多了吧，那就再详细一点，例如搜索“microsoft keygen site:rapidshare.com”。看到了你想要的吧，呵呵:)

现在把“microsoft”换成你想要的关键词试试看吧！

除了使用google这种通用搜索引擎之外，还有很多专用的rapidshare搜索引擎，下面我选了几个我认为不错的。

1.Rapidshare1.com

名字非常好记的一个搜索引擎，只需要在rapidshare后面加个1就可以了。

rapidshare1.com的界面非常不错，看上去非常舒服。支持添加到IE和Firefox的搜索引擎列表，这样就可以在搜索引擎直接调用了。如果你是站长，还提供了一段PHP代码，让你的网站也拥有这一功能！

我觉得rapidshare1.com最大的缺点就是广告太多，还是弹窗广告呢，一不小心就跳了很多广告出来，很烦！

还有一个Rapidshare-searcher.com和这个rapidshare1长得十分相像，难道是李逵和李鬼？

2.RapidLibrary.com

RapidLibrary的一个特点就是允许用户自行提交文件，使得来源不再单一是google等搜索引擎了。

这个号称最大的rapidshare资源搜索网站的功能很丰富，能按照文件类型来搜索。出来的结果除了标明大小和能够自定义排序外，还能判断出文件是否已经被删除，非常不错！

当你访问搜索出来的链接时会要你安装一个Zango的软件，这个东西被我的NOD32报Adware.180Solutions广告程序，但如果不安装这个似乎又没办法得到地址，请大家自己决定吧。

RapidLibrary旗下还有一个4MegaUpload.com专门搜索megaupload上的资源，可以看看。

3.Rapidshare-search-engine.com

R-S-E同样是一个著名的rapidshare搜索引擎，而且同时支持rapidshare.com和rapidshare.de这两个网站。

同样支持提交文件，可选择使用web搜索或网站自己的数据库搜索。

支持ajax效果，上图中的那个那个“圆形的齿轮”搜索时会转动，很好玩……

R-S-E还提供了一个Firefox扩展，有获取本页rapidshare链接和测试获取的链接等功能，用FF的朋友可以试一下。

不过网站很不稳定，我已经遇到了几次的错误，严重影响体验啊！

另外再推荐Funfail和rapidshare.tvphp.net这两个，前者支持RapidShare、MegaUpload、TurboUpload和SendSpace等网站，后者支持按照文件类型搜索，都很不错！

除了上面说的，你还可以使用google的自定义搜索来创建一个属于你的rapidshare搜索引擎，方法网上很多，自己找找吧！

Labels: RapidShare, search engine

# posted by FT Review @ 12:26 AM 0 comments

--James Qi(讨论) 2007年10月25日 (四) 15:29

　　为了准备我们未来的关键词搜索Wiki想法，最近找了一些相关搜索网站来研究，我会陆续把研究记录放在日志中。

　　先来看看人工搜索的新贵Mahalo.com，这是我目前在网上找到与我们的想法最接近的项目。

简介

　　Mahalo是夏威夷语“谢谢你”的意思（Wiki也是夏威夷语，现在网络上世道真是变了，夏威夷语这么流行 ）。

　　它是由业内知名的搜索引擎专家Jason Calacanis创建，此人把以前创办的Weblogs Inc以2500万美元的价格出售给AOL，这次在2007年5月30日推出了号称第一人工搜索引擎的Mahalo，引起VC界的关注，刚开始就获得不少 投资。在网上搜索到的一些中文介绍都是6月初发布的，我到10月才开始关注、看到，真是落伍了！

　　下面摘录一点报道中的内容：

　　Mahalo 是世界上第一个台人肉搜索引擎，他们由一些热心人提供动力，这些人废寝忘食地将自己的青春花费在搜索上面，帮你过滤掉垃圾信息，手工编辑最佳的搜索结果，而且如果没有你需要的结果，还可以向他们提交搜索申请 ……

　　Mahalo 不收录的网页：

• 垃圾邮件网站；
• 非垃圾邮件站点但包含欺诈性广告的站点；
• 恶意获取个人信息的站点；
• 只会复制重不原创的站点；
• 非法复制内容（没获得许可）的站点；
• 火星人建立的站点；
• 成人内容或者令人恶心的内容的站点。

　　Mahalo 收录的网页：

• 在某个领域权威的站点；
• 高品质原创内容的站点；
• 运作一年以上的站点；
• 涉及清爽，广告在可以忍受的范围之内的站点。

　　上面是他们自己介绍的，虽然翻译得不好，但它其实是一个严肃的项目，创建人是搜索领域赫赫有名的 Jason Calacanis。这一项目的原动力在于，虽然搜索词是不可限定的，但事实上有一万个搜索词占据了所有搜索 24% 的份额，人工编选的结果和机器搜索其实是很容易很出来的，而那 76% 的“长尾”，就留给 Google 好了。

　　CNET 对它的评介是，搜索结果匹配度非常地高。

平台

　　打开他们网站 http://www.mahalo.com 看看，因为我成天接触Wiki用的MediaWiki软件，所以马上就发现该网站所用平台与MediaWiki惊人相识，同样有Category、 History等，今天上午再仔细看看，确实就是用的在开放源代码软件MediaWiki基础上修改过的系统做为平台（这点上与WikiHow相同），不过他们修改的幅度比较大，主要是适应他们的一些特点，例如不允许浏览用户编辑但可以推荐和讨论，也增加了很多插件来实现他们需要的功能和界面。

　　页面打开特别快，不像其它一些国外的英文网站打开很慢。我故意打错一个链接，看到Squid出错的提示，看来也是用了与MediaWiki配合做缓存的Squid服务器。

　　使用MediaWiki平台来做各种网站项目确实是个好的办法，上面的两个例子网站都是很知名的了，我们自己现在也是这样做，但我们现在还没有找人来进行针对性开发，以后是需要的。

内容

　　该项目目前是全英文的。

　　首页上有一个搜索框，然后下面是分类及热点文章。

　　5月30日推出的时候有4000个关键词，当时说到今年年底准备做10000个关键词。

　　我在页面底部看到“Mahalo's goal is to hand-write the top 20,000 search terms. ”，也就是他们准备做20000个搜索量最大的关键词出来。

　　从已经做好的文章内容来看，质量是没有话说的，远比通用搜索引擎（例如Google, Yahoo!等）给出的结果好，到底是人脑厉害！

页面

　　进入一个典型的关键词Paris Hotels页面后，看到：

上方

　　包括：

• 返回首页链接
• 搜索框
• 分类

左侧

　　包括：

• 标题
• 相关文章（See Also, Do You Mean）
• 推荐Top 7网站
• 其它标题（例如与关键词相关的新闻、视频、历史等）及推荐网站
• 相关搜索（指向更多的相关内部文章）

右侧

　　包括：

• LOGO
• 编辑笔记
• 快速内容
• 最多推荐链接
• 分享本页
• 今日热门页面Top 10
• 图标含义（Warnings / Guide's Choice / What is?）

下方

　　包括：

• 作者名称及链接
• 浏览者推荐链接
• 最近更新时间、查看历史链接
• 搜索框
• 分类
• 到博客和Greenhouse（参加编辑的项目组织网站）的链接
• 使用说明、隐私政策

组织

　　他们招聘有40位专职的编辑人员，另外通过 Greenhouse 招收业余兼职编辑，每篇符合要求的文章付费10-15美元。对编辑人员进行分级别。

　　按照他们自己的说法，写一篇文章一般需要几个小时。然后还有定期的后续维护。

　　给编辑人员的帮助我重点看了看，包括编辑内容的质量要求、格式的编排、准备的模板等，准备得还是很充分的。

其它

　　其它的一些了解到内容：

• 无结果页面：对于还没有编写内容的关键词，系统会给出相关文章列表和Google搜索结果
• 收益：以后靠广告收入，目前专注于高质量内容的建设，另外通过Google搜索结果中的广告可以分享收入

Labels: search engine, SNS

# posted by FT Review @ 10:57 AM 0 comments

--James Qi(讨论) 2007年10月29日 (一) 15:33 (CST)

　　在Google中查找“人工搜索”，除了Mahalo.com以外，还有一个Chacha.com，其结果比Mahalo.com更多、更靠前，于是我也去看看，并做如下记录。

　　很不幸，前几天第一次打开http://www.chacha.com 的时候竟然遇到"Maintenance"的提示，让人怀疑其技术能力和服务水平。今天打开倒还算顺利，看到图标。

　　从页面上看，这是一个英文的搜索引擎，只是除了普通的Search按钮以外，还有一个Search with Guide的按钮，据说这就是向人工向导求助。因为时间的原因，我就没有尝试向人工求助，据国内用过者评价体验还不错。我只试用了普通Search，感觉 与Google也没什么两样，只是排列有些不同，广告比较多。尝试查找中文内容出来了一些乱码，但找到的网站还是对的，应该是显示编码方式的问题。

　　从About中看到Chacha.com和Mahalo.com一样有着明星Founder兼CEO：Scott Jones, CEO & Co-Founder和Brad Bostic, President & Co-Founder。两者还有点相似，名称都来自外文谐音，Chacha还真是来自中文“查查”

　　为了看清其流量，依然从Alexa排行来观察。从Alexa排名对比来看，去年起步的Chacha比今年起步的Mahalo落后很多。

　　Chacha.com与Mahalo.com都有人工参与，但很大不同之处是Chacha.com让人工来实时与用户联系，有针对性地 帮助用户找到合适内容，而Mahalo.com却是让人工在后台埋头编写热点关键词的页面，用户可以找到这些高质量的内容做为参考。从用户的角度来说 Chacha似乎更有帮助，但效率肯定是低下的，在美国人工费用也是昂贵的，我估计网站上的那点广告收入肯定是不够支付人工报酬的。这有些类似目前我们做Wiki网站群的情况，而且越向后期发展会感觉越明显。明星自己的腰包和VC的投资总有用完的时候，看不到流量和收入前景就难以继续的！

　　综合以上的情况，我更看好Mahalo.com的前景，而Chacha.com有些危险，在经历了推出的风光后，现在应该是艰难的时候，让我们大家继续看看他们以后的发展吧。

另外几个相关搜索网站看了看，一并简单记录：

• Wikiseek.com：已经推出，专门搜索Wikipedia内容的搜索引擎，得到维基百科官方认可和支持，收入大部分捐献给维基百科，但目前看Alexa排名20多万位以后，每天没有多少人用；
• Wikiasari：维基百科创始人Jimmy Wales创建Wikia后准备继续做的人工搜索，据说要挑战Google，但推出时间一再延后，现在还看不到任何东西，但人们还是很期待到底会出来什么内容；
• DMOZ：全球最大、最老的人工分类目录，早些年对一个网站来说非常重要的是被DMOZ收录，但近一些年更新太慢，组织不力，日现老态，已经不再重要；
• Ask：看上去就是一个普通搜索引擎，比较一般，流量却很高，Alexa排名目前215位，看了几篇说其与Google不同点的文章，但还是认为没有特别突出的地方；
• Answers：搜索结果属于整合信息，包括维基百科的内容、大英百科的内容、可能关联的商品、天气等等信息，我还比较喜欢，其整合应该都是机器整合的，没有听说人工参与。

Labels: search engine, SNS

# posted by FT Review @ 10:55 AM 0 comments

Labels: search engine

# posted by FT Review @ 6:17 AM 0 comments

Labels: search engine

# posted by FT Review @ 3:13 PM 0 comments

---Rollyo、Yahoo Search Builder、PSS!和Eurekster swickis

网络搜索是眼下的热门话题，大部分注意力都集中在Google和Yahoo这些搜索巨头上，而不是那些正尝试通过新技术来完善搜索服务的小公司。PubSub和 Rollyo 就具备一项Google和雅虎等主流搜索引擎不具备的特色。PubSub是一套自动系统，它不间断地在数以百万计的博客、在线讨论、新闻稿和美国证券交易委员会(SEC)存档文件中寻找和你的关键词匹配的内容。Rollyo的意思是“启动你自己的搜索引擎”。虽然它用的也是雅虎的搜索技术，但允许你把检索的网站限制在那些你相信能产生最佳效果的网址上，从而锁定你的查询。这种个性化设置的搜索引擎叫“searchroll” 。

---

Eurekster Swicki是一个免费的面向个人的搜索引擎服务网站，它提供的功能类似Google的AdSense for search，但总体感觉要比它更加强大。到这里可以试用一个我的搜索。

说起 Eurekster 可能知道的人不一定那么多，不过提到他们旗下的产品，一个社会化搜索引擎 Swicki，应该就有不少人知道了。最近他们完成了第二轮融资，领衔这一次投资的是第一轮投资的资方，来自于澳洲的 Technology Venture Partners 和来自于日本的 Transcosmos Investments，总额达 550 万美元。之前，已经有不少人拿 Swicki 与 Google 的搜索服务作比较，虽然目前看起来这样的比较炒作成分多于实际意义，不过给点时间和空间发展，最后的结果其实还尚未可知，包括像 ChaCha 等一类社会化搜索，作为传统网络搜索引擎到人工智能在搜索引擎上应用完成的一个过渡，社会化搜索引擎在未来几年会有一个不错的发展趋势。

Eurekster也是原始的Web2.0风格的网站之一，而且，经过一段时间的发展，Eurekster表现得越发成熟。Eurekster的主页做得相当好，声明了在线人数，以及产业新闻——从其社区进行Web搜索获得。我以前非常喜欢Eurekster，贡献了很多流量呢，因此，我知道人们为什么这么喜欢使用Eurekster。Eurekster的组织形式基本上是使用wiki 或者‘swicki’搜索，这使得搜索范围变小、目标明确，从而使搜索出的结果相关性非常高，更容易得到信息。能够搜索20,000条swickis记录，Eurekster似乎已经达到了增长的最高点，这是一个很好的开始。那么它会成为Google的障碍么?这很有可能，虽然它依赖Google，但是它异军突起，这也是为什么我会把它加到这个网站列表中的原因。

打开Eurekster（www.eurekster.com）之后，你 会问这是个搜索网站吗？搜索框在哪里？这个搜索网站跟我们平时所见的搜索网站真的很不一样呀。其实转动你聪明的大脑，小小研究两分钟，你就会搞明白是怎么 一回事了。原来这个网站最大的不同就是，要搜索，先要建立自己的Swicki或者使用已有的Swicki。那么这个Swicki又是个什么东东呢？简单地 说，它就是一个社区，它与Myspace 里的社区相似，但不同的是Swicki这......

EurekSter记录搜索引擎针对每个URL的点击，然后在相应URL被其他关键词搜索到的时候进行“相关关键词”提示。 这个机制我觉得很像Booso.com：

一 个基于搜索引擎referer的引擎：Booso是卢亮基于一个页面referer统计计数器引申的服务：计数器记录下了每个网页的所有REFERER， 其中来自搜索引擎的关键词就成为这个页面的主题词： 你可以查到你的网页被用户：在用什么搜索引擎和什么关键词搜索到的。
EurekSter的另外一个功能就是根据你朋友的偏好调整结果排序。

当Google这样的公司瓜分整个搜索市场,一些GEEK们自然会关心谁是第二梯队,谁是垂直领域的领先者等等......要提的名字很多如Quigo、IndustryBrains、Mooter、Eurekster和Dipsie等等一大堆熟悉或不熟悉的公司，但其中一个趋势是为用户提供个人化的搜索结果，当然，Google与雅虎也没有闲着。

众多应用中，只使用过Eurekster，最具有潜力的25公司之一。Eurekster公司正在利用社群网络提供更富有个性化的搜索结果。它可以让用户使用搜索引擎创建一个社群网络，用户可以看到自己社群当中的其它人的兴趣爱好，这种模式和利用关键字及运算定位用户的搜索结果的模式类似，但它的不同之处在于，它是根据一个特定组群中人们的爱好在排列搜索结果的先后顺序。 事实上，基于此模式可能还可以走得更远，那就看用户需求和技术实现。

----

一开始我并没有非常明白ROLLYO是怎么回事，单从界面设计来讲她是非常成功的，恰到好处的红白配色比例，即便是在深更半夜也没有令我感到视觉疲劳，但是讲到她的作用机理，又不得不拿我前些日子介绍过的另一个社会化搜索引擎Jeteye出来......

　　其实两者在概念上是非常相似的，以用户参与(Jeteye是以jetpak，ROLLYO是以searchroll)来构建搜索数据。Jeteye的数据关联是通过jetpak的互相引用，而ROLLYO则是通过用户间互相订阅searchroll来完成，从ROLLYO的本意来看是要创建更用户导向的搜索环境，所以并没有向用户提供参与建设其他用户的searchroll的权限，至少目前没有，ROLLYO在这一点上声称是using only the sources you trust。

　　如果要说两者最大的区别，我想Jeteye还是以数据共享为主旨，而ROLLYO则是鼓励数据过滤，符合现在被极力鼓吹的attenuation is the next aggregation，而在我看来关键的不同是，Jeteye由于开放用户互相参与的权限，所以她的搜索还限于用户数据，提供各种搜索引擎也仅是作参考，而ROLLYO正儿八经地是用Yahoo!的搜索引擎提供数据，你在一个searchroll里搜索的关键字直接是从Yahoo!搜索引擎中按照searchroll所列出的最多25个的数据来源站点进行过滤后返回的，我自己瞎猜一下，ROLLYO名字何来，大约有几种可能，一是Roll Your Own Search Engine，抑或是YOYO(You're On Your Own)，还是Roll Yo!(嗨!唷!)，最有可能就是ROLL Yahoo!了，把Yahoo!卷巴卷巴大家分了吧~~~

rollyo的个性化搜索(via WebLeOn)非常吸引人。事实上，我一直希望能对我所订阅的Feed所对应的网站进行搜索，也就是搜索我的Blogroll，rollyo的出现部分满足了我的愿望。有了rollyo，从blogroll里找文章方便多了。不过rollyo限制每个searchroll只能包含25个网站，有点麻烦，webleon说yahoo也有类似服务，有空dig一下。

闲来无事就去del.icio.us上去发掘一番，今天看到了一个可以创建自己个性化搜索器的网站：Rollyo，虽然不是什么新事物，对我来说却是第一次见，而且感觉犹为特别，所以向大家推荐一下。

Rollyo将这个个性化搜索称为“Searchroll”，创建Searchroll非常简单，只要将相关网站加入列表(目前最大支持25个网站)，并标上TAG就可以得到一个个性化的搜索器，它是针对你所加入的网站进行搜索，好像是用的yahoo的引擎，如果你觉得不满意也可以扩大到整个网络去搜索。

当然Rollyo最大的用处是你可以获得别人的Searchroll，对于浩瀚无垠的互联网信息，怎样缩小范围获得更准确的结果一直是一个头疼的问题，特别是目前SEO横行，无关信息、垃圾信息一搜一大堆的情况下，Rollyo的价值就更为突出，许多专业人士或对某项主题特别有研究的人，他们创建的Searchroll往往是最有价值的，可以帮助你迅速获得最有效的信息。

例如我想寻找web2.0方面的资讯，首先可以在它的Explore搜索web2.0，可以得到别人创建的一长串关于web2.0的个性化搜索器，随便选择一个进行搜索，就可以获得大量相关信息，非常实用。

当然Rollyo还提供了很多辅助工具，例如将浏览器书签直接加入到Searchroll，将Searchroll放入Firefox工具栏，将Searchroll放到你的网站上等等，如果你也想创建自己的个性化搜索器或者使用其他专业定制的搜索器，一定要来试一试。我随手创建了一个“web2.0在中国”的搜索器，大家不妨试用一下。也希望以后能涌现出利用google、baidu引擎来创建社会化个性搜索器的中文服务网站。

Labels: search engine

# posted by FT Review @ 3:08 PM 0 comments

Labels: search engine

# posted by FT Review @ 2:36 PM 0 comments

这股范式转型潮流由多条支流组成，其中一个支流是包含本地化搜索、社区内容搜索、知识问答社区等在内的社会化搜索，另一个支流则是人工智能、模式识别、语义分析、神经网络等智能搜索。

Labels: search engine, semantic web

# posted by FT Review @ 11:23 PM 0 comments

http://www.kylogs.com/blog/index.php/archives/268.html

从Read/Write Web上看到几个语义搜索的实践者。Cognition Search， PowerSet，和 Lexxe。我第一个感觉是在忽悠。因为网络上靠忽悠，炒概念的人实在是太多了。这样的忽悠者，米国不比中国少。毕竟骗子处处有，被骗的傻子也处处有。

试了这几个站点， PowerSet并没有公开的发布它的搜索 框，而是需要申请才有机会去体验一下它号称的Natural Language Search。据体验过的人说，搜索的时候词汇是限定的，而且其收录的站点也只是那些具有超高质量文章的站点。老实说，我看到Natural Language Search几个字的时候真是忍不住想笑，罢了罢了，还是要对实践者表示致敬。虽然不前不清楚它是在实践还是在忽悠。

Cognition Search有些低调，也提供了搜索 框，但仅限于某几个特定的领域，Case Study ，Goverment, Political Blogs，能搜索的网站也是固定的而且及其有限。有一点比较有意思的是，当你搜完之后，它会试着给出一些你搜的关键词（往往搜索串的是谓语和宾语）的意 义的备选项。你可以根据它给定的备选项来明确某个关键词的背后涵义，以帮助系统准确的理解搜索者的真正意图。Cognition Search做的工作蛮有意思的。

Lexxe给出了类似于Google的简洁的搜索界面，号称 Powered By Advanced Natural Language Technology。我试了几个超简单英文疑问句，它的理解能力还是比较低下的，至于搜索结果，可能是索引量太少的缘故，惨不忍睹。有意思的是这个站点 的图标是一个中文的“猎”字。

其实自然语言处理这回事，要一下子出来一个完全的解决方案是不现实的，但是在某一个小的领域，某一个小的应用还是不断的在发展的。当然了，如果目前 的Web是语义Web了，我们理解网络上的文本信息也用不着自然语言处理这么麻烦。许多人在争论，哪一个成本更低一点，更加现实一点。这样的争论看来有些 好笑，不管怎么看，这两个都是那么的不现实。但是，如果深入到其中的领域，你兴许就能体会到里面发生的深刻的变化和巨大的进步。类似于我这类的井底之蛙就 只能坐着看看热闹了。

Labels: search engine, semantic web

# posted by FT Review @ 11:21 PM 1 comments

2007-05-17 由cathayan发表

据GOS报道，昨天Google在总部搞了个搜索学（Searchology）大会，探讨了搜索技术的过去、现在和未来（实话实说？），他们说搜索还是个很困难的课题，有许多问题要解决，但搜索仍将是Google的核心竞争力。

同时，Google发布了新设计的“通用搜索”（Universal search）结果页面，上面把新闻、图片、视频、图书甚至本地的一些内容都当作正常的搜索结果按其重要程度列出，而不再是只列出网页结果，也就是说结合 了所有的内容源，要“最精确地”满足用户的搜索需求。

GOS报道中给出的例子搜索词“Nosferatu”，结果页上确实有视频，来自Google video，同时，比GOS的抓图更进一步，原来显示多少条结果的那个蓝条也进行了重新设计，变成漂亮的有一点3d效果的条，上面会显示Web News Image和Video，具体显示什么似乎各个词不太一样。

而原来出现在搜索框上的Web image等特定搜索页的链接已经和Google的其他服务一起跑到了页面的左上角，上面列出了所有的服务，最前面列出用户最常用的──应该是登录后会根 据个人使用情况动态变化，这个设计很有用，最后的more是个下拉菜单，里面的其他的那些。这个设计在Gmail里也有，中文版似乎也有了。据说这个设计 将出现在所有Google服务上。

Google还推出了搜索实验页，专门让大家看各种设计的结果页，有按时间线显示的，显示在地图上的，还有键盘快捷键（又是Vim规则，充分说明了Vim的影响力 ）。下面插播一条广告：

Vim好就好在低可当记事本，高可以编程控制，中间还有无数命令可用，
并且自由开源，学习一次终生受益，各硬件平台统吃，永无找Key之烦恼
──采自水母新软版，略改。

另外还有把搜索导航条设计到左边或右边的实现。

按Gos的报道，Google还将试验一定程度的语义搜索，即当用户输入一串搜索词句后，主动猜测它的中心意思，变换搜索词，再来提交结果，并且还将试验翻译用户搜索词，用其他11种语言进行搜索。不知道这些猜测含义的工作能走到哪一步，是否还要像翻译一样，承认“100%正确翻译的理想仍然没有实现”，然后加上用户提交校正的按钮呢？

这些还是比Google中国推出的东西要吸引人，像最近推出的相关主题，大家试了后会看到那个more:选项，自然会在more前面加上其他词试一下，不想结果上方的相关还是都给加了“车主”什么的，犯晕啊。现在英文搜索上也有“Searches related to:”，倒没有这个more算法。

Labels: Google, search engine

# posted by FT Review @ 10:57 PM 0 comments

北京时间10月24日消息，据国外媒体报道，今天Google推出一款用户可自定义的搜索引擎。Google自定义搜索引擎允许用户选择希望加入到搜索中的网站，而且用户还可以通过为网站设定“标签”，这样用户就可以很快得到需要

Labels: search engine

# posted by FT Review @ 9:09 AM 0 comments

Labels: Rollyo, search engine

# posted by FT Review @ 9:04 AM 0 comments

Labels: search engine

# posted by FT Review @ 9:03 AM 0 comments

摘要：本文综述了搜索引擎发展的现状以及工作原理、评价指标等主要技术特点。同时引出了语义搜索引擎在搜索引擎发展方面的重要地位。

关键字：搜索引擎、语义搜索

1．网络搜索引擎的现状

搜索引擎在互联网的重要地位由来已久。Yahoo 作为门户网站奇迹般崛起所依靠的正是搜索引擎，Google 也以搜索引擎的技术创新、竞价排名和专业风格创造了新的奇迹。在国内，百度也在很短的时间里凭借搜索引擎取得很大成功。

搜索引擎技术及业务模式的持续创新，不仅为互联网 注入了活力，而且其自身的价值正被重新审视和评估。互联网的发展使得信息短缺的问题被信息泛滥所取代，世界也已从信息时代走进信息经济时代，这两者的区别 在于，前者强调信息本身的价值，只要解决信息资源短缺就会带来价值的提升；后者认为信息并不稀缺，只有通过对信息的甄别、加工提纯和挖掘才能带来价值的提 升。

据中国国家互联网中心（CNNIC）2005年1月发布的第15次互联网发展统计报告^[[1]]，我国的网络用户有9400万人，比2004年6月发布的14次报告又增加了700万。在用户经营使用的网络服务中，搜索引擎仅次于电子邮箱排在第2位。有98.5%的用户上网最主要的是获取信息，通过搜索引擎获取信息的占70.7%，搜索引擎成为未知状态下发现有效信息的最有效方式。

2．网络搜索引擎的工作原理

搜索引擎的原理，可以看作三步：

a) 从互联网上抓取网页；

b) 建立索引数据库；

c) 在索引数据库中搜索排序。

1. 从互联网上抓取网页

利用能够从互联网上自动收集网页的Spider系统程序，自动访问互联网，并沿着任何网页中的所有URL爬到其它网页，重复这过程，并把爬过的所有网页收集回来。

2. 建立索引数据库

由分析索引系统程序对收集回来的网页进行分析，提取相关网页信息（包括网页所在URL、编码类型、页面内容包含的所有关键词、关键词位置、生成时间、大小、与其它网页的链接关系等），根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面文字中及超链中每一个关键词的相关度（或重要性），然后用这些相关信息建立网页索引数据库。

3. 在索引数据库中搜索排序

当用户输入关键词搜索后，由搜索系统程序从网页索 引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好，所以只需按照现成的相关度数值排序，相关度越高，排名越靠 前。最后，由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。

3．网络搜索引擎的评价指标

评价搜索引擎的主要指标有查全率、查准率、响应时间、覆盖范围、用户使用方便性等等。

1． 查全率（Recall）

查全率又叫召回率，是指检索出的相关文档占全部相关文档的比率。即用户通过搜索引擎所获取的有用信息与整个Internet中相关信息的比率。

2． 查准率（Precision）

查准率是指获取的相关文档与获取文档的比率。即用户通过搜索引擎所获取的真正是用户需要的信息占获取信息的比率。搜索引擎的查准率是个复杂的概念，一方面表示搜索引擎对搜索结果的排序能力，另一方面却体现了搜索引擎对垃圾网页的抗干扰能力。

3． 响应时间（Response Time）

响应时间是指用户发出查询请求后到看到查询结果的这段时间。

4． 覆盖范围（Coverage）

覆盖范围是指搜索引擎索引的Web页面占整个Internet中页面的比例。

5． 用户方便性（Convenience）

用户方便性包括查询接口是否直观、易于使用、查询语法是否丰富，显示结果是否易于查看等。

4．网络搜索引擎的主要技术

网络搜索引擎做为信息检索系统的一个分支，理所当然的涉及到信息检索方面的技术，同时它做为一个独立、成熟的领域也有自己的技术空间：

1． 目录检索和全文检索

传统的搜索引擎一般使用两种技术来实现信息检索：

一是使用网站分类技术实现目录检索，即把网站进行树状的归类，登陆的网站属于至少一个类别，对每个站点都有简略的描述。Yahoo采用了这种方法。为了分类科学准确，需要有一支各科人才组成的维护队伍。
二是使用全文检索技术。全文检索技术处理的对象是文本，它能够对大量文档建立由字（词）到文档的倒排索引，在此基础上，用户使用关键词来对文档进行查询时，系统将给用户返回该关键词的网页。

2． 索引文件结构

全 文检索的两个关键技术是索引和检索。检索又是基于所建立的索引结构进行的。索引文件主要分为正向索引和倒排索引。正向索引是基于文档的，每一个文档对应一 个索引文件，其中记录着这个文档中出现的词。倒排索引是基于词汇表的，每一个特征词对应一个倒排索引，其中记录着所有出现过这个词的文档。目前，技术比较 成熟、也是公认效率较高的索引存储结构是倒排文件。需要明确的是，中文的构词方式、句法、语法都与英文有很大区别，因此，不同于英文全文检索的索引方法， 中文全文检索中主要的建立索引方法是字索引和词索引。字索引保证了高的召回率，不会出现漏查错误，但是会出现多查和误查。检索结果中会出现不少与检索意图 无关的条目。另外，基于字索引的全文检索的检索效率也比较低。而词索引保证了较高的查准率和检索效率，但是由于中文分词能力的局限，导致基于词索引的全文 检索必定会存在漏检情况。另外，对于未登陆词，词索引显得力不从心。现存比较实用的中文信息检索系统一般都结合使用了字词混合索引，或者扩展的词索引，来 保证召回率和查准率。

网络搜索引擎由于各自的策略不同，在选择索引对象的内容时也有不同。有些搜索引擎对于信息库中的页面建立全文索引，有些只建立摘要部分，或者每个段落前面部分的索引，还有些搜索引擎（如Google）建立索引的时候，同时考虑超文本的不同标记所表示的不同含义。如粗体、大字体显示的东西往往比较重要；放在锚链中的信息往往是它所指向页面的信息的概括，所以用它来作为它所指向的页面的重要信息。Google，Infoseek还在建立索引的过程中收集页面中的超链接。这些超链接反映了收集到的信息之间的空间结构。利用这些结果信息可以提高页面相关度判别时候的准确度。

3． 数据源文件的分布策略

搜索引擎的数据源文件主要包括索引文件和原文档。目前，数据源文件的分布策略主要有集中存放和分布式存放。文献[2]指出Google就 是采用了集群的方式集中存放数据源文件，事实上，几乎所有的商业搜索引擎都采用集中存放的方式，这是因为分布式存放策略有一个硬伤，就是搜索请求从一个端 点传送到另外一个端点消耗的时间让用户难以忍受。但是，随着互联网上信息的急剧膨胀，改进后的分布式策略是最终的解决方案。

4． 索引大文件的存放策略

倒排文件是一个大文件，这是因为倒排文件中存放的记录（Hit）表示的是文档中出现本特征词的状况。目前的商业搜索引擎的文档集中的文档数量非常之大，因此倒排文件的记录数也会很大，最终导致倒排文件的尺寸非常大。

对于大文件首先考虑的是压缩，像是Google存放的索引文件就是经过压缩的。好的压缩算法同时要求压缩比尽可能高、查找压缩文件容易、解压缩时间短。即使压缩之后的文件仍然大到不能以独立的文件形式存放，目前有两种分离大文件为多个小文件的策略：

一是基于文档集的分离。主要是将文档集分成有限个子集，对于每一个子集建立各自的索引文件，检索过程就演变为对多个文档子集的检索，最后做的合并处理。

一是基于索引文件的分离。即是将索引大文件分为有限个子文件，并设计一张表记录这种分离情况，当要检索这个索引文件时就查找这张表，根据表的记录去查找每一个子文件。文献[3]指出Google将索引大文件分离为若干个小文件，每一个小文件都以独立的linux文件存放，通过linux系统管理这些小文件，这正是这个策略的一种表现。

5． 排序算法

各种搜索引擎的技术改进和优化，都直接反应到搜索结果的排序上。许多搜索引擎都在进一步研究新的排序方法，来提升客户的满意度。目前，不同搜索引擎基于不同的搜索策略设计有多种不同的排序算法，以Google为例，它采用很多种排序算法支持搜索结果，其中最典型的代表有PageRank和HillTop，这两种都属于超链接分析技术。

5．语义搜索的兴起

目前实用化的信息检索系统主要基于人工分类目录或 关键词匹配。前者对海量信息资源的揭示的效率不高、深度有限；后者在信息的语义和语用的揭示上有局限性。信息检索系统在智能处理能力上的缺乏，导致这些工 具远远不能满足用户的需求。如何解决好诸如信息组织、知识表示、机器理解与人机交互等问题，对于提高信息利用的效率，是非常重要和迫切的。近年来，语义网 的提出为解决这些问题提供了锲机，由于语义网中的资源被结构化，能被计算机所理解和识别，这样提供了改进传统搜索技术的机会。语义检索的目的是通过从语义 网上获取的数据增强并改进传统的搜索结果(基于信息检索技术)。 它实现了用户检索请求的本体化，整个搜索引擎像领域专家一样，不仅给出查询结果，还给出了与检索请求相关的资源，大大提高检索的精度和覆盖率；实现了本体 层次的检索，突破了关键词检索局限于形式的固有缺陷。它的出现提高了用户的满意度，减少了不相关的返回结果，提高了检索的精度和覆盖率。

最初人们通过代表语义的HTML标签来改造网页，主要有GDA系统和
SHOE(SimpleHTMLOntologyExtensions)系统等。但这些系统的不足是仅能处理经过HTML标签改造的网页。

XML是非常有前途的语言，因为它将网页的内容、结构和描述分离，并且非常适合知识的描述。但是XML通过它的句法结构仅能描述一些语义属性。

语义网络的建立使得以语义为基础的搜索引擎同时可 以建立起来。在语义搜索引擎中，每一个查询都在一些本体的上下文范围内执行，来自本体的一些指南可以提高检索的准确性。在语义检索中，使用的是概念匹配， 即自动抽取文档的概念，加以标引，用户在系统的辅助下选用合适的词语表达自己的信息需求，然后在两者之间执行概念匹配，即匹配在语义上相同、相近、相包含 的词语。

6．语义搜索当前的应用

当前基于ontology 的语义检索系统已经得到了广泛的关注和应用，出现了一系列优秀的应用系统，其中典型的有两个：SWOOGLE——语义网中的基于蜘蛛网的检索系统，系统从每个搜索到的文本中抽取本体，根据本体之间的相关度来比较文本之间的关系；TUCUXI(InTelligent Hunter Agent for Concept Understanding and LeXical ChaIning)，该系统根据查找的本体在网页上爬行，决定哪种网页最满足需求。特别的，TUCUXI 判断文档的相关性是同Map of Meanings 比较用户所查询的相关本体。Map of Meanings 语义丰富，用来对资源文本的表达。TUCUXI 采用了MOMIS 公用字典来表征用户查询的本体。在语义网中,基于Ontology 的语义检索搜索引擎有SHOE、OntoBroker、OntoSeek、WebKB、Corese。

7．总结

语义搜索引擎是未来搜索引擎发展的方向，它的发展主要受限于语义web的发展以及自然语言处理技术。语义搜索引擎设计的最终目标是让计算机具有人的智能，以解决问题的形式返回给用户。语义搜索引擎设计的当前目标是让计算机返回的结果更有针对性、准确性。

Labels: search engine

# posted by FT Review @ 6:09 AM 0 comments

Lucene是一个开源世界里最有名的搜索引擎包，关于它的介绍现在网络上也有很多了，特别是车东的文章http://www.chedong.com/tech/lucene.html，网上流传至广。现在还有一本《Lucene In Action》的电子书是详细介绍的Lucene，可以down下来看。今天先来对硬盘文件实现简单的索引和搜索功能。

用Lucene建立索引步骤：

[1]指定索引源文件夹（dataDir）和索引的文件夹（IndexDir）;

[2]构造一个IndexWriter:IndexWriter构造器有三个参数，其中第一个参数可以是Lucene内建的类 Directory，也可以是File类型的文件夹路径，还可以是String类型的文件夹路径。第二个参数为语法分析器Analyzer,Lucene 自带了几个分析器的，但是对中文支持都不是很好，我在网上找了两个，效果还不错。待会将放下面供大家下载。这个参数的指定，比如我用自己的 CWordAnalyzer可以直接用new CWordAnalyzer()。最后一个参数是要注意的，Lucene Api解释为“true to create the index or overwrite the existing one; false to append to the existing index”，就是说在这里设定是否增量增加索引，在开发的时候得考虑了，设true将导致每次索引都删除原索引重建，但是如果原来不存在索引而设置为 false也将导致lucene抛出找不到指定文件的错误。

[3]构造Document，通过add方法加入字段：

代码
1. Document doc = new Document();
2. doc.add(Field.Text("contens",new FileReader(f)));
3. doc.add(Field.UnIndexed("filename",f.getCanonicalPath()));
其中Feild方法有很多种，可以去车东的文章查看详细。f为dataDir文件夹中的文本文件。

[4]IndexWriter通过addDocument(doc)加入document对象，此时lucene将启动分词器对Document对象进行分词索引；

[5]调用IndexWriter的optimize方法对索引进行优化，因为在索引过程中难免产生文件碎屑，该方法对文件进行优化可以提高检索效率；

[6]关闭IndexWriter：IndexWriter.close()。

[1]创建IndexSearcher实例，其构造方法有三个，单参数，可以用String形式的索引文件夹路径；

[2]创建Query ：
代码
1. Query query = QueryParser.parse(q,"contents",new Analyzer());

其中q为查询字符串，“contents”为查询字段。
[list][3]搜索：
代码
1. Hits hits = indexwriter.search(query)

hits由Document类型组成。可以通过hits.doc(i)获取具体的Document对象

je-analysis.rar
描述:	极易分词,analyzer是MMAnalyzer	下载
文件名:	je-analysis.rar
文件大小:	877 KB
下载过的:	文件被下载或查看 230 次

segment.rar
描述:	来自台湾的分词，analyzer为CWordAnalyzer	下载
文件名:	segment.rar
文件大小:	1 M
下载过的:	文件被下载或查看 244 次

Labels: Java, Lucene, search engine

# posted by FT Review @ 6:01 AM 0 comments

索引数据源：doc(field1,field2...) doc(field1,field2...)
                 \  indexer /
                _____________
               | Lucene Index|
               --------------
                / searcher \
结果输出：Hits(doc(field1,field2) doc(field1...))

 索引数据源：record(field1,field2...) record(field1..)
             \  SQL: insert/
              _____________
             | DB  Index   |
              -------------
             / SQL: select \
结果输出：results(record(field1,field2..) record(field1...))

public class IndexFiles {
 //使用方法：: IndexFiles [索引输出目录] [索引的文件列表] ...
 public static void main(String[] args) throws Exception {
   String indexPath = args[0];
   IndexWriter writer;
   //用指定的语言分析器构造一个新的写索引器（第3个参数表示是否为追加索引）
   writer = new IndexWriter(indexPath, new SimpleAnalyzer(), false);

   for (int i=1; i     System.out.println("Indexing file " + args[i]);
     InputStream is = new FileInputStream(args[i]);

     //构造包含2个字段Field的Document对象
     //一个是路径path字段，不索引，只存储
     //一个是内容body字段，进行全文索引，并存储
     Document doc = new Document();
     doc.add(Field.UnIndexed("path", args[i]));
     doc.add(Field.Text("body", (Reader) new InputStreamReader(is)));
     //将文档写入索引
     writer.addDocument(doc);
     is.close();
   };
   //关闭写索引器
   writer.close();
 }
}
　

public class Search {
 public static void main(String[] args) throws Exception {
   String indexPath = args[0], queryString = args[1];
   //指向索引目录的搜索器
   Searcher searcher = new IndexSearcher(indexPath);
   //查询解析器：使用和索引同样的语言分析器
   Query query = QueryParser.parse(queryString, "body",
                             new SimpleAnalyzer());
   //搜索结果使用Hits存储
   Hits hits = searcher.search(query);
   //通过hits可以访问到相应字段的数据和查询的匹配度
   for (int i=0; i     System.out.println(hits.doc(i).get("path") + "; Score: " +
                        hits.score(i));
   };
 }
}

...
　scorer.score(new HitCollector() {
 private float minScore = 0.0f;
 public final void collect(int doc, float score) {
   if (score > 0.0f &&     // ignore zeroed buckets
       (bits==null || bits.get(doc))) {   // skip docs not in bits
     totalHits[0]++;
     if (score >= minScore) {
             /* 原先：Lucene将docID和相应的匹配度score例入结果命中列表中：
        * hq.put(new ScoreDoc(doc, score));   // update hit queue
              * 如果用doc 或 1/doc 代替 score，就实现了根据docID顺排或逆排
              * 假设数据源索引时已经按照某个字段排好了序，而结果根据docID排序也就实现了
              * 针对某个字段的排序，甚至可以实现更复杂的score和docID的拟合。
              */
             hq.put(new ScoreDoc(doc, (float) 1/doc ));
       if (hq.size() > nDocs) {    // if hit queue overfull
  hq.pop();     // remove lowest in hit queue
  minScore = ((ScoreDoc)hq.top()).score; // reset minScore
       }
     }
   }
 }
     }, reader.maxDoc());

数据源: WORD       PDF     HTML    DB       other
        \          |       |      |         /
                      XML中间格式
                           |
                    Lucene INDEX

Labels: Lucene, search engine

# posted by FT Review @ 5:51 AM 0 comments

百度能否在谷歌跟前抢滩登陆？

在百度的搜索引擎里搜索中国国骂的缩写“SB”，第一个跳出来的结果就是“谷歌”，网友戏言两者积怨之深可见一斑。而随着欧洲媒体竞相报道百度首席财务官 王湛生将在本月晚些时候的投资者大会上公布新的欧洲市场拓展计划，百度和谷歌的较量从中国国内市场打到欧洲市场。德国之声中文网报道如下：

Labels: Baidu, search engine

# posted by FT Review @ 11:03 AM 0 comments

来源：译言

原作者: Alex Iskold | 译者: 凉拌傻瓜 | 发表时间：2007-03-20

在纽约时报2007年1月1日的一篇文章中，记者Miguel Helft 写了一篇有关硅谷中正在进行的击败Google的赛跑的报道。当然，搜索的未来最近已经被谈得很多了。去年Read/WriteWeb（译者注：ReadWriteWeb是Richard MacManus所整理的博客）有相当数量的文章关于这个话题，包括Emre的搜索2.0以及我有关垂直搜索的一篇文章。我们也介绍了很多搜索的网站，包括 Retrevo, Hakia, Quintura, Pluggd, Microsoft Live Search, Snap 和 ChaCha。由于我们始终紧跟着这场战役，对于《纽约时报》的这篇报道我们也异常兴奋，这意味着搜索已经火热到，值得有技术理解的主流受众关注的程度了。

Miguel Helft完成了这篇文章的主要内容。他写到，数目巨大的风险资本流入了搜索市场——不是一定为了击败Google，而可能是为了从巨大的广告市场分得一杯羹。然而Helft认为，尽管有很多公司尝试着想要追赶，但他不确信他们是否能追得上。虽然Google不像微软一样是一个垄断企业，但要超越他仍然看上去不那么现实。

显然，我们对Google的统治地位都有相同的感觉——但这是为什么呢？为了能够更好的理解，我们需要来划分一下Google的竞争对手及他们的方法。在这篇文章中，我们会用Emre的分类来理解，为什么我们都直觉地认为Google会继续保持他搜索之王的地位。

竞争技术的分类
　　对一个新公司来说，有两个非常经典的商业案例：走更好之路或者更便宜之路。在搜索市场的案例中，更便宜是行不通的。因此，目前搜索市场上的这些企业是在以不同程度的“更好”来竞争。在他的文章中，Emre描述了超越Google的三种主要方式。

l 更好的技术——搜索结果有更好的质量和相关性

l 更好的UI设计——搜索结果以一种更好的方式来呈现

l 垂直/语意搜索——更好技术和更好UI的结合

Google基于Pagerank基础的自动算法是一个现象。想要击败Google的竞争者们正在部署两个完全不同的策略：1）自然语言处理/人工智能技术和2）人的力量。

在人工智能阵营中，Hakia和Powerset正在建立通过更好的理解搜索者意图的技术来提供更好的搜索结果。这两个公司在近期都受到了媒体的大量关注，并且最近我们在这里也回顾过Hakia。虽然理解自然语言的好处是非常明显的，但是它在结果质量上能有多大提升还并不明朗。

从我们目前所能看到的来说，很难去想象这些公司如何来击败Google。首先，Google内部也已经通过了使用自然语言来处理查询，因此这并不是一个有竞争力的差异。他们必须做到实际的结果要大大的好于Google，但是现在这让我们难以想象。也许能够做到好一点，但是要非常不同？很难做到。

人肉搜索（people powered search，指依靠网络中人的力量进行搜索，译者注）是很有意思的，因为它能带来计算机最缺少的东西——常识。del.icio.us 通常并不被当作一个搜索引擎，但它却可能是现实中使用人的力量的最好例子。Del.icio.us的优秀之处在于它给我们带来了很多高质量的、经过过滤的结果。但它的缺点在于，这些结果仅局限于大多数人认为流行的东西。也许有人会说这就是这个网站的本意，但在某些情况下它也会成为一种局限。

另一个问题是，del.icio.us到目前为止只被技术行业的人所使用，因此非技术领域（比如医药领域）的结果并不理想。Chacha使用了一种不同的方法，它有人能够来帮你寻找东西。这是个非常有趣的想法，然而我们在十二月的回顾中也已经指出了一些问题——包括每月要支付的高昂费用（需要支付给搜索向导）以及潜在的规模拓展性问题。虽然类似于del.icio.us这样的方法要优于静态的网页目录，不过看上去人肉搜索要想击败搜索算法是很困难的事情。Google算法的速度和完备性是人肉搜索尤其无法企及的。

更好的UI

Google的座右铭是简洁。这一思想贯穿他们整个产品线，并且受到公司严格的监管。这就是为什么很多竞争对手，想通过在UI上展现更好的搜索结果来和Google竞争。

Snap和微软图片搜索通过展示预览来 增加用户体验。预览非常有趣而且有用。我尤其喜欢微软图片搜索的用户界面，它在图片搜索的界面表现方面有很大的提高。不幸的是，这两种技术都必须改进他们 结果的相关性甚至质量。另外，在图片上有效的，并不一定在搜索结果也有效——如果单纯是由于预览，还是很难决定它是否值得一用。

下面我们来看一下聚类网站，他们尝试去做垂直搜索引擎所做的事情——不过是通过公告牌和使用完整结果。Clusty让人印象深刻，因为它在不改变我们搜索结果习惯的同时增加了许多价值。和搜索结果一样，聚类的标签使用户们能更加细化他们的查询——通常不超过两步就能得到答案。

这个类别中的第二个搜索引擎是Searchmash，它为Google所有并且明显是他们的游乐场。Searchmash所引人注目的是它修行者一般的外表——如此典型的Google风格，它创造了一个更加丰富的方式来看搜索的结果。它运用了AJAX技术和只展示搜索结果标题的模式。我发现这种模式令人吃惊的有用。在结果页面还有一些按钮把结果分成不同的垂直领域，如博客、新闻和图片，这些都非常直截了当。这两个网站（Clusty和Searchmash）看上去都非常有用，而且能够被主流所接受。

在最后一个更好UI的次类别里，我们发现Quintura和Kartoo 都把创新的视觉技术应用到了搜索中。Quintura设置了一个类似于标签——云的图像来展示搜索结果的聚类。在这方面，这个主意和Clusty非常像——只是实现的方式不同。Kartoo使用了像分子运动图一样图像来精确地表现相同的聚类划分。以我来看，这两种方法的问题都在于它们太复杂了，使它们难于被主流所接受。即使我在图像视觉方面有一些基础，我并不觉得它们中的哪一个明显和直观。在这个具体表现上，视觉搜索并不能被广泛接受。

很多UI的改进都非常巧妙和有趣，但是没有一个有能力击败Google。主要原因是因为要复制它们很简单。当然在法律上不可能有完全一样的克隆，但在这种情况下足够相似就意味着足够好。没有一项技术对Google来说有进入壁垒，因此即使它们中有的能够获得足够的市场份额，Google也能简单地进行升级。注意Google正在耍玩的Searchmash.com已经对目前的垂直搜索引擎提供商产生了影响。

垂直搜索

有关垂直搜索已经有了很多文章和一个好的理由。这些网站是想通过更好的技术、更好的UI以及专注于某一特定的垂直领域来超越Google。很多网站由于用户需求和盈利的机会，选择了博客、分类、电子、健康、工作和旅游搜索引擎。

想一下这个简单的例子。如果你想找有关Web2.0的博客文章，你会使用普通的Google呢还是用Google博客搜索？很明显Google自己也认识到了专门化搜索的实用性，即使没有进入每一个垂直领域，至少专注于类似博客和音乐这类方面。毫无疑问，垂直搜索是有意义的并将一直如此。关键问题是，垂直搜索引擎能夺走多少搜索市场份额呢？

事实上，可能会很多。我们在这里提到的所有领域都是受到广告主们追捧，已经盈利或者即将盈利的。因此确切地说这意味着什么呢？既然Google已经进入了博客和音乐的垂直领域，那它向其他领域进军只是时间的问题。这对目前的网站来说意味着很多麻烦（想一想Google博客搜索超过Technorati），取决于这将在多快时间内发生。只有那些已经建立了很强品牌的才能够生存下来（像Technorati）。

结论

因此总的来说，即使这个市场相当活跃，在可以预见的将来Google仍然将维持着搜索之王的地位。各种各样的方法在获得市场份额方面会获得不同程度的成功，但是要想在市场上取得可观的成绩，需要时间、无可挑剔的执行、巨额的市场营销预算，当然还需要更好的技术。这并不是很多琐碎小事的集合。

假定前三项是难点，但是可实现的，我们仍然需要来理解更好的技术的含义。我的想法是能够更快地提供相关的结果。从这个观点来看，另一个有希望的竞争者（Emre提到过）就是个性化搜索。在这个技术的基础上，搜索结果就不是按照Pagerank来组织，而是依据你个人的兴趣。垂直搜索和个性化搜索的组合有希望提供比Google更好的结果，也许还有机会。但是，正如我们对其他网站所指出的，Google也并没有一直在睡觉。

Labels: search engine

# posted by FT Review @ 11:30 AM 0 comments