March 10, 2005

再说机器新闻的分类和聚类::[Search Engine]

Google 新闻改版了，把我想实现的最关键的一部分实现了，没有什么比这个更让我感觉到失落了。我现在的新闻聚类还是石器时代。

想法和技术在与同竞争对手的面前都不是关键，关键的东西是实践。关于新闻分类聚类零零碎碎的做了快3，4个月了，一直没有没有精力来全力以赴的去完成这个。Google的中文新闻刚出来的时候不但分类有误差，而且关于新闻内容的摘要常常也是文不对题，可是就是在这样的磕磕绊绊中google的新闻做的越来越好，我这边的一些想法正在着手实现的时候，Google新闻总是非常意料之中的做到了。

我记得我第一次看到Google新闻首页出现这样的标题错误时，心里在想，Google并不难超越么，因此立此存照，保留了快照，4个月后，Google的新闻的准确度和灵活性已经完全不可同日而语了。

1] 个人新闻门户
改变以往的千人一面的新闻门户是机器新闻的目标，我几个月不上新浪的原因是我不想打开一个有90％内容我不关心的新闻网站。我会看些我订阅的Rss，例如Klog，Keso，Mao等，我这样偷懒的原因是简单的，因为这些人可以进行先期的过滤，将好的新闻／信息已经收集了起来，而降低个人获取信息的难度。

2] 定制＋搜索
Google不提供Rss是完全可以离解的，因为Rss实在是把现有的搜索引擎，新闻聚合系统的技术难点降低到了极限，而这些在传统技术中都是Google的长处，Google是一个网络机器，它说实际并不喜欢用户离线的活动。但是，Google的定制和搜索加Email后也是我每天必修课，原因也是我只关心我订阅的一些内容，而这种直接送到google邮箱的做法，仍然是提高Google的粘合力的一种非常有效的做法。

3] 内容
Google 已经成为一个完全监控我们社会内容的永动机。我在Gmail里的260M的Email，包括文档，论文，程序，我曾经有过这样一次经历，给一个另外搜索引擎公司的CEO发email，使用的是我的gmail帐户，但是那封信却以技术故障的原因莫名其妙的没了，这件事情后我开始对Google留了一手，自己的代码不再用google email来备份了。我们在创造内容，我们有机器在监视内容，我们的计算机已经聪明到能够识别这些内容，然后呢？

4] Info Grid 信息网格
Peter Norvig（现在是Google搜索引擎的产品部的总监）的《网络上的人工智能》AI on Web一书上举了大量的演化的例子，我非常佩服这个思维严密的老兄，因为AI常常被一些哲学和数学家的人嘲笑为智商只有75的阿甘。他们可以随便找出一个AI系统的漏洞，可是这些数学家和哲学家仅仅是嘲笑而已，当他们在嘲笑别人的时候，AI 却一步一步的发展，直到现在连嘲笑AI的人也在每天享受人工智能的进步。

Info Grid是将现有信息分布在不同层次，不同类型，不同应用的各个点上进行有机的联接，再整理的一种思想。Info Grid的表现很多，例如Google News已经是一种信息格点的雏形，这种信息格点将不同点上的内容「新闻」进行收集，然后加工，按照阅读者的需要，以相对智能的方式推送到读者面前。

然后呢？然后再根据读者点击，阅览新闻，资料的习惯『注意，我们实际上是在各种网站的监视下的，例如上google搜索，google会纪录用户的点击』进行整理，最后得到了用户行为模型，得到用户的心理，最后调整系统推送给用户的内容。

有一天，当你连续三天点击了姚明的新闻后，你打开的google的首页上也许有令你咋舌多的姚明的新闻，不要慌，这就是user behave driven modle。

5. Exit，出路在哪里？
Google阴影下的出路在哪里？这个大概不是我来提问，应该是Baidu和Yahoo之类的大玩家。当然，大玩家有大玩家的打算和想法，至于小玩家，出路恐怕就在long tail上了，Long Tail 最近是一个很热的词，连Google都说自己是Long Tail了。Google如果是Long Tail，那么谁是Bulk Body呢？

唠叨了这么多，都离题万里了，回头还是要下功夫来做。

Posted at March 10, 2005 05:17 PM by Liang at 05:17 PM | Comments (11) | TrackBack(1) | Booso!| Niu.la收藏!

Trackback

Comments

Post a comment

请注意，为了防止spam，您的留言必需含有中文字符！

Name:


Email Address:


URL:

Remember personal info?
YesNo
Comments:

所有发表