您当前的位置: 首页 » 生活百科 » 信息浩瀚无边 让高质量在网络搜索中说话
信息浩瀚无边 让高质量在网络搜索中说话
论坛链接
短短几十年间，计算机和互联网技术已经使信息、知识和教育领域的核心准则发生了革命性变化，在不远的未来，学生们将能够在不接触书本的情况下读完高中。
在不远的未来，学生们将能够在不接触书本的情况下读完高中。而在20年前，他们可能直至高中毕业都没有碰过电脑。短短几十年间，计算机和互联网技术已经使信息、知识和教育领域的核心准则发生了革命性变化。可不是嘛，现在你尽可以将书本信息储存在笔记本电脑的硬盘里，它甚至可以比一家藏书60000本的书店容纳的还多。据说，如今互联网上的网页数目已经超过了5000亿，如果换成等量的书（每本500页），则要用10架现代的航空母舰才能载满！
这样类比一下，我们才能更形象地认识到当今信息爆炸的巨大程度，同时也意识到随之而来的问题。网络搜索引擎（web search engines）是唯一可以帮助我们在浩瀚信息海洋中定位的工具。因此，它不应该被误以为是一个可用可不用的附加物，一个没事按着玩玩的“搜索”按钮，或者只被用来查查最近的披萨店在哪儿。“搜索引擎”是知识、资源、甚至错误信息最强大的散布渠道。
说起搜索引擎，人们的第一反应无疑是“谷歌”（Google）。称谷歌为当今互联网发展的缔造者，并不牵强附会。它造就了一代新人，这代人的观念和生活方式与他们的父辈迥然不同。“婴儿潮”一代（Baby Boomers，指美国1945--1960年间处于高生育率时期出生的人——译注）可能对此感触最深，因为他们在童年时期经历了疯狂的“摇滚乐”热潮，而为人父母时则见证了“谷歌”时代。谷歌的设计布局是基于统计学的运算法则。但是，基于统计学运算法则的搜索技术是不能够辨别信息质量的，因为高品质的信息并非总是最受欢迎，同样，流行的信息也不总是高质量的。你可能会花很长时间来收集资料，但是别指望那些冗杂的信息有什么用处。
此外，统计数据收集系统（statistics collection systems）总是会慢半拍，
因为数据资料需要人工来转介、收集整理。所以，普遍使用的那些搜索引擎很难找到新出版物（这里指在网上新发布的信息——译注）和那些高频率更新内容的动态网页（dynamic pages）中的信息。举个例子来说，现行搜索引擎的低效率已经催生了一个新的事物，叫做“搜索引擎优化”（Search Engine Optimization），它专注于解决如何将搜到的网页链接排在更靠前的位置，与谷歌式搜索引擎（Google-esque search engines）的普遍标准不一样。这是一个价值十亿美元的行业，如果你的钱够多，那么你的网页就可以比其他网页占据一个更靠前的位置，即使它们比你的质量高或更可信。因为谷歌的出现，商界从来没对“高质信息”问题如此敏感过。
在不远的未来，学生们将能够在不接触书本的情况下读完高中。而在20年前，他们可能直至高中毕业都没有碰过电脑。短短几十年间，计算机和互联网技术已经使信息、知识和教育领域的核心准则发生了革命性变化。可不是嘛，现在你尽可以将书本信息储存在笔记本电脑的硬盘里，它甚至可以比一家藏书60000本的书店容纳的还多。据说，如今互联网上的网页数目已经超过了5000亿，如果换成等量的书（每本500页），则要用10架现代的航空母舰才能载满！
这样类比一下，我们才能更形象地认识到当今信息爆炸的巨大程度，同时也意识到随之而来的问题。网络搜索引擎（web search engines）是唯一可以帮助我们在浩瀚信息海洋中定位的工具。因此，它不应该被误以为是一个可用可不用的附加物，一个没事按着玩玩的“搜索”按钮，或者只被用来查查最近的披萨店在哪儿。“搜索引擎”是知识、资源、甚至错误信息最强大的散布渠道。
说起搜索引擎，人们的第一反应无疑是“谷歌”（Google）。称谷歌为当今互联网发展的缔造者，并不牵强附会。它造就了一代新人，这代人的观念和生活方式与他们的父辈迥然不同。“婴儿潮”一代（Baby Boomers，指美国1945--1960年间处于高生育率时期出生的人——译注）可能对此感触最深，因为他们在童年时期经历了疯狂的“摇滚乐”热潮，而为人父母时则见证了“谷歌”时代。谷歌的设计布局是基于统计学的运算法则。但是，基于统计学运算法则的搜索技术是不能够辨别信息质量的，因为高品质的信息并非总是最受欢迎，同样，流行的信息也不总是高质量的。你可能会花很长时间来收集资料，但是别指望那些冗杂的信息有什么用处。
此外，统计数据收集系统（statistics collection systems）总是会慢半拍，
因为数据资料需要人工来转介、收集整理。所以，普遍使用的那些搜索引擎很难找到新出版物（这里指在网上新发布的信息——译注）和那些高频率更新内容的动态网页（dynamic pages）中的信息。举个例子来说，现行搜索引擎的低效率已经催生了一个新的事物，叫做“搜索引擎优化”（Search Engine Optimization），它专注于解决如何将搜到的网页链接排在更靠前的位置，与谷歌式搜索引擎（Google-esque search engines）的普遍标准不一样。这是一个价值十亿美元的行业，如果你的钱够多，那么你的网页就可以比其他网页占据一个更靠前的位置，即使它们比你的质量高或更可信。因为谷歌的出现，商界从来没对“高质信息”问题如此敏感过。
#2楼发布者：superadmin时间：2008-12-20 23:31:18
信息质量，这一由网络搜索弊端带来的问题将决定人们的未来，但是要质量则必须进行技术革新，现在的数据统计技术有所突破。其实，这场革命已经悄然开始了，被称为“语义分析技术”（semantic technology）。换句话说，就是教电脑识别人类世界的运行规范。比如，当电脑碰到“bill”这个单词时，它就会明白在英语中，“bill”有多达15个不同的释义；而当遇到“killed the bill”这个短语时，它则会想到这里的“bill”可能应理解为“递交给立法机关的一个法案”，而这里“kill”是“stop”的意思。
但要遇到“kill bill”，则是专指那部电影（《杀死比尔》）的名字了。这样一系列类似的演绎推理将会扩展到整个句子和段落，最终呈现出准确的全文描述。
若想通过计算机的运算法则，使电脑具有如此机敏处理语言的能力，就必须建立一套“本体论”（Ontology，近年信息科学界最热门的词汇之一，“共享概念模型的明确的形式化规范说明”是目前对Ontology概念的统一看法。Semantic Web研究者认为，Ontology是一个形式化定义语词关系的规范化文件——译注）。“本体论”不是一部字典，也不是一部同义词词典。它是一张具有相关概念和词意的地图，反映两个不同概念之间所存在的联系，比如上面提到的“bill”和“kill”。
建立这样一个总结世间万物信息的“本体论”可能是一个巨大的工程，几乎等于是编制一个浩大的百科全书，并且要求有相关领域的专家来编纂，但这并非不切实可行。世界范围内的几个新兴企业，比如Hakia、Cognition Search 和Lexxe都已对此发出挑战。他们努力的结果将如何，我们拭目以待。
但是，语义分析搜索引擎将如何解决信息质量的问题呢？答案很简单：精确性。一旦计算机可以用精确的语义分析来处理人类的自然语言，高质量的信息就可以直接到达最终用户，而不是像现今的网络搜索，需要信息首先大众化。
通过探测分析一个特定文本中概念的丰富含义和前后连贯性，语义分析技术对保证信息质量的意义更多。比如，若一个文本中含有一句“Bush killed the last bill in the Senate”（布什在参议院否决了最后一条议案），那在这个句子之后，是否还有相一致的概念？这个网页是不是一个广告泛滥的垃圾网页，在字里行间插满了广告？语义分析技术对此见招拆招，都可以辨别出来。
鉴于人类阅读速度有限（每分钟200到300字），而今可获取的信息却是浩瀚无边，那么想在获取精准信息的各个方面做出有效决策，就很需要语义分析这样的技术了。如果未来世界中的知识备受名望与金钱的摆布，那我们将会寸步难行。（
但要遇到“kill bill”，则是专指那部电影（《杀死比尔》）的名字了。这样一系列类似的演绎推理将会扩展到整个句子和段落，最终呈现出准确的全文描述。
若想通过计算机的运算法则，使电脑具有如此机敏处理语言的能力，就必须建立一套“本体论”（Ontology，近年信息科学界最热门的词汇之一，“共享概念模型的明确的形式化规范说明”是目前对Ontology概念的统一看法。Semantic Web研究者认为，Ontology是一个形式化定义语词关系的规范化文件——译注）。“本体论”不是一部字典，也不是一部同义词词典。它是一张具有相关概念和词意的地图，反映两个不同概念之间所存在的联系，比如上面提到的“bill”和“kill”。
建立这样一个总结世间万物信息的“本体论”可能是一个巨大的工程，几乎等于是编制一个浩大的百科全书，并且要求有相关领域的专家来编纂，但这并非不切实可行。世界范围内的几个新兴企业，比如Hakia、Cognition Search 和Lexxe都已对此发出挑战。他们努力的结果将如何，我们拭目以待。
但是，语义分析搜索引擎将如何解决信息质量的问题呢？答案很简单：精确性。一旦计算机可以用精确的语义分析来处理人类的自然语言，高质量的信息就可以直接到达最终用户，而不是像现今的网络搜索，需要信息首先大众化。
通过探测分析一个特定文本中概念的丰富含义和前后连贯性，语义分析技术对保证信息质量的意义更多。比如，若一个文本中含有一句“Bush killed the last bill in the Senate”（布什在参议院否决了最后一条议案），那在这个句子之后，是否还有相一致的概念？这个网页是不是一个广告泛滥的垃圾网页，在字里行间插满了广告？语义分析技术对此见招拆招，都可以辨别出来。
鉴于人类阅读速度有限（每分钟200到300字），而今可获取的信息却是浩瀚无边，那么想在获取精准信息的各个方面做出有效决策，就很需要语义分析这样的技术了。如果未来世界中的知识备受名望与金钱的摆布，那我们将会寸步难行。（