谷歌识别语义的过程

    谷歌以善于鼓励这些创新而闻名，每年公司都会举办疯狂搜索创意内部展示活动，以便鼓励那些离奇但有应用潜力的创新。但大多数时候，改进的过程是充满艰辛的，需要矢志不渝的精神，需要面对尝试过程中的打击。有一个不成功的搜索已经成为传奇：2001年，辛格得知输入audrey fino时无法搜到预期内容，而只是返回一些赞扬奥黛丽赫本(Audrey Hepburn)的印度网页，因为在印度语中fino是好的意思。辛格说：我们知道audrey fino是个人名，但我们的系统没这么聪明。

    这一失败使辛格花了多年时间，试图改进谷歌对姓名的搜索结果因为姓名占总搜索量高达8%。为了解决这一问题，他不得不掌握bi-gram 拆分，也就是将多个词分割成独立的单元。比如，new york合在一起组成一个bi-gram，指的是纽约。但也有三个字的情况，比如new york times，意思是纽约时报，很明显二者指的不是同一样东西。如果用户输入的是new york times square，意思又变成了纽约时代广场。人类可以很容易做出区分，而谷歌不是由人工控制的，它依靠的是算法。

    Mike Siwek这一搜索可以解释谷歌是如何解决这一问题的。辛格输入显示代码的命令后，我们就可以看到信号是如何决定搜索结果排序的：通过bi-gram可以确定mike siwek是一个人名，lawyer是一个同义词，mi是一个地名。辛格说：从工程师的角度进行解构，系统会对这些词进行分割，它会发现lawyer不是姓氏，siwek不是中间名。同时lawyer也不是密歇根的一个镇，因此它是attorney的同义词。

    这是谷歌从无数次搜索中获得的可贵知识。石头可以是rock，可以是stone，还可以是boulder(漂石)。如果用户输入 rokc，谷歌仍会知道他想找的是rock。但如果在rokc前加little，谷歌则会知道这是Arkansas(阿肯色州)的首府。Arkansas的缩写是ark，与诺亚方舟同形，但谷歌会将二者区分开来。辛格说：搜索中最重要的是理解用户的意图，因此你不是在匹配词语，而是在匹配意思。

    谷歌一直在不断改进。近期，谷歌工程师莫琳海曼斯(Maureen Heymans)发现了Cindy Louise Greenslade的搜索结果的问题。用户输入这些单词时，算法会认为应该找一个名叫Cindy Louise的人，于是在加利福尼亚的加登格罗夫市找到了一名心理学家，却没有把姓名为Cindy Louise Greenslade的人的网页放在结果的前十名。海曼斯发现，这是因为Cindy Louise Greenslade习惯将名字缩写成Cindy L. Greenslade。她表示：我们的搜索引擎应该更聪明一点。于是她增加了一个信号，用来寻找中间名的缩写。现在正确的结果已经被排在了第五位。