结果导向

　　“谁说一个编辑框外加10个蓝色链接就是搜索引擎了？”微软的内德拉质疑道。这个问题提得好，但在搜索的新世界里，它就显得不那么相关了。现在，人们已发现了用于显示搜索结果的新办法，从自动化聚类和分类到对问题的实际解答，各种都有。在微软的Live Search中，键入“西雅图交通”几个字，就会有一幅地图弹出来，上面绘有公路，并用色码标示出路面上车辆的行驶速度。与此近似，在谷歌网站上键入“亚伯拉罕?林肯的生日”，第一个搜索结果会显示实际日期——1809年2月12日，然后下面跟着一系列相关地址链接。

　　Vivisimo公司同时也运行着一个名为Clusty的消费者搜索引擎，该网站可通读网页的文本内容，并通过语义理解，在搜索返回的前200个文档中，迅速建立分类。Vivisimo的Clustering Engine可以确定诸如“漂亮”和“华丽”这样的词，其意思之间存在关联性，然后根据这类共性对搜索结果进行分组。“主题可帮助人们根据上下文进一步理解数据的含义，并且大致明白信息是如何被组织到一起的。”该公司市场副总裁丽贝卡?汤姆逊（Rebecca Thompson）指出。

　　在商业环境中，计算机生成的聚类显得尤为重要。因为在商业环境中，用户不能根据某个站点的流行程度来确定其相关性。与Vivisimo一样， Endeca公司也使用自动分类的办法，并采用“导航”的方式，他们这样做基于如下理论：人们通常不对特定的内容进行搜索，而其期望搜索引擎能帮助发现的内容，往往是他们不知道如何一清二楚地提问的。

　　美国最大的家具建材零售商家得宝公司（Home Depot）的网站即由Endeca技术驱动，从中可管窥Endeca前述想法在实践中的应用。例如，对“冰箱”一词的搜索会产生大量信息，并依类别、价格、以及品牌等进行分组，而且对于每一组都能进一步进行搜索。分类通常以每个搜索条目的元数据为基础。“未来的设想是，对信息进行归纳总结，整理成用户期望看到的形式。” Endeca公司战略拓展与市场副总裁马特?艾什纳（Matt Eichner）介绍说。

　　Factiva公司的搜索工具采用Fast Search & Transfer公司的技术，用于发现发表在网络日志、媒体站点上有关某个品牌的任何内容，并将这些内容分为喜欢的和不喜欢的，还对之进行相应的量化，辅以线图，以显示人们的认识随着时间而改变的过程。

　　另外一个较早利用搜索引擎收集新知识的例子是谷歌Trends。它是谷歌实验室（Google Labs）的一个项目，可以几乎同时满足搜索者完全不同的兴趣[比如，太浩湖（Lake Tahoe）和雪橇]。“如果计算机能进一步理解这个世界，那又会是怎样的情形？”卡茨自问自答地说，“如果你能解决这个问题，你就能真正理解人们在搜索些什么。”

多面性搜索

　　今天的Web搜索引擎可以对超文本链接标记语言（HTML）文件、PDF格式文件、Office文件、以及音频、视频和图像元数据进行筛选。而未来的搜索引擎不仅可摆脱对元数据的依赖，对图像、音频、以及视频直接进行搜索，还能在其他搜索结果中纳入这些形式的内容。“你不会看到分别面向音频、视频、以及文本的不同系统。” Autonomy公司的CEO林奇简捷地总结道。

　　尽管并非总是能面向不同数据类型建立恰当的关联模型，谷歌的通用搜索仍可谓这一领域的开先河者；其他进展还包括：Autonomy公司的技术可查觉情景的变化，并将视频分配到可搜索的内容中。而且，Autonomy公司、Sonic Foundry公司、以及Nexidia公司的搜索引擎都具备对视频或音频的音轨进行搜索的能力。

　　销售衣服和服饰的站点like.com，算得上说明图像搜索技术发展方向的一个典型例子。利用该网站提供的类似搜索（Likeness Search），用户可依各自的尺寸，从颜色、外形、以及款式等方面提供个人的设计参考意见。目前，微软和谷歌都已开发出了针对人的面孔的搜索技术。

　　尽管如此，图像搜索还远不能与文本搜索相提并论，IBM的莫兰指出。在搜索引擎习惯观看图片并能用语言对之进行描述之前，在相当长一段时间内，人们还得继续给图像和视频添加文本标签。

　　无论如何，在需求的推动下，搜索创新仍不断涌现。随着网络上和公司数据库中信息成PB（Petabyte，1PB=10的15次方）的增加，用于帮助人们发现所需的工具也必须得随之改变。(译/赵红权)

（信息周刊）