跳至主要内容

博文

09年智能搜索:梦想能否照进现实

"为什么还要有一个屏幕,为什么不直接在我的眼镜上,为什么不在我的视网膜里面,为什么不是我想吃香肠,香肠自己就来了?"这是中国社会科学研究院 信息化研究中心秘书长姜奇平期望的智能搜索,但是目前智能搜索的发展并不让他满意,他认为,如果智能搜索是一个博士生,那么目前的搜索还不到幼儿园中班的 水平。   当搜索引擎经过第一代目录模式,并在第二代页面排序模式中诞生全球霸主后,第三代智能搜索技术,已经在不少搜索引擎商的探索之中。   尽管关于智能搜索的定义,至今没有明确的诠释,但是搜索引擎正在试着让机器更懂人、更能理解人们需求,在这方面,国内外搜索引擎商做出了各式各样的努力,包括整合搜索、语义搜索、垂直搜索、个性化搜索、社会化搜索等等。   在整合搜索方面,Google的 努力值得关注。自2007年推出整合搜索战略以来,Google将不同类型和不同内容的信息进行了整合。比如说,如果用户输入一个关键词,可以得到相关的 文字、图片、视频等信息。这可以在更大程度上满足用户对信息的需求,通过提供多种可能的方式猜测用户内心的要求,但从实际上说,这种整合并不是一项特别新 的技术,有分析师认为这并不能给人们带来多少实质性的改变,人们仍然需要在搜索框内输入一个具体的词语来达到搜索的目的。   在猜测用户意图方面,语义搜索认为自己有能力理解用户的思维。它通过分析用户输入搜索框内的词语,给出用户可能想要的搜索结果。 Powerset就是代表之一,它期望通过理解自然语言的逻辑,来解决"问题式"搜索的难题,其前景被微软看中,后者在2008年7月将前者收归麾下。但 就Powerset目前的软件功能来看,其对自然语言的理解仅仅相当于两岁小孩的智力,在技术上还有不少难题需要攻克。   整合搜索和语义搜索之外,垂直搜索领域的研究和应用更加引人注目。旅游、人才招聘、房产、购物等各类垂直搜索引擎层出不穷,这种将用户需求分门别类对待的方式,在一定程度上可以对用户的某类需求进行猜测,但是其在搜索技术上并没有新的突破。   个性化搜索和社会化搜索也是搜索引擎向智能发展的趋势。网易有道负责人对本刊表示,他们在个性化搜索方面会有更多的努力,比如根据用户的上下文查询,提供不同的翻译结果,"比如一个查询完Oneworld,One dream的人再查英文词组,可能我们会优先给出体...

外交部证实3名中国船员在俄沉船事件中失踪

据俄媒报道,一艘外籍货船日前在濒临日本海的俄罗斯纳霍德卡港附近被俄军舰开火击沉,造成包括3名中国人在内的8人失踪,另外8人获救。 外交部领事保护中心副主任赵海涵18日向环球时报记者表示,这艘货船是在塞拉利昂注册的中国船只,船东是中国人。他同时证实,有3名中国人在此事件中失踪,俄方称失踪者生还希望渺茫。赵海涵同时表示,外交部正在就此事与俄方进行交涉。 相关资料 根据国际海事组织(IMO)的注册资料显示,"新星"轮(NEW STAR)是一艘5000吨货船,船长98米,船宽 15.8米,吃水5.9米。船主为浙江通宇船务有限公司(TONGYU SHIPPING ZHEJIANG),运营者为广州明洋船务有限公司(MING YANG SHIPMANAGEMENT GUANGZHOU),悬挂塞拉利昂方便旗。 此外,"新星"轮2008年7月29日前名称为"鑫通宇108"号轮(XIN TONG YU 108),在伯利兹贝里斯注册船籍;2006年8月18日前则在中国大陆注册船籍,该船为2005年由浙江乐清七里港船厂建造。 -- 天天好心情

《向左走,向右走》

《向左走,向右走》 http://bbs.luoyanglife.com/thread-680-1-1.html 他们彼此深信 是瞬间迸发的热情让他们相遇。 这样的确定是美丽的, 但变幻无常更为美丽。 ... 春天终于来了 那年的冬天特别寒冷, 整个城市笼罩在阴湿的雨里。 灰蒙蒙的天空,迟迟不见着阳光, 让人感到莫名的沮丧, 常常走在街上就有一种落泪的冲动 ···· 但是冬天总是会过去,春天总是会来 ···· -- 天天好心情

中国式“云计算”攻略

我的爬行JI: 中国本土"云计算"端倪  , 不久前,阿里软件宣布在南京建立" 电子商务云计算中心 "。 阿里巴巴表示,未来还可能筹建多个类似的云计算中心,并与阿里巴巴旗下的"达摩五指"整合起来,构建能够匹敌Google服务器集群的"商业云"体系;百 度也宣布正在进行一项"阿拉丁"计划,旨在解决现有搜索引擎无法抓取和检索"暗网"的信息。其实质是云计算的一种体现方式。   本土互联网大公司宣布涉足云计算,让人眼前为之一亮。因为它们作为本土互联网服务提供商,离用户最近,引导用户认识云计算的作用也最明显直接。而云计算能否在中国普及最关键的因素之一,就是能否赢得用户、尤其是企业级客户的认可。   学术界对此反应也并不冷漠:在2008年10月份的一次"云计算学术研讨会"上,华中科技大学的金海教授在接受采访时提到,中国的学术界在云计算的研究上有自己独到的认识和体验,这一次在云计算研究领域表现得非常积极。   而阿里软件宣布进军云计算领域,是否意味着其将抢先亚马逊一步,在中国的电子商务云计算领域夺得了先机?百度的"阿拉丁计划",是否昭示着其同 Google的市场份额争夺将在"云"中展开?在未来,来自国外的巨头和本土的互联网公司是否将在云计算领域展开又一轮直接竞争?   为什么在中国对云计算呼声最高的恰恰是Google、IBM、微软这样的国外巨头?事实上,除了Google、IBM,亚马逊也有了将"弹性云 "扩展到中国上空的念头。2008年年末,亚马逊云计算部门高级经理JeffBarr来华的目的之一就是考察中国市场,他的成果是一份长达20多页的 中国云计算市场实地调查报告 。   不过,这些外来的巨头是否将遭遇到与以前类似的在中国"水土不服"的问题?他们在本国市场倒是能迎来不错的时机:美国各大IT媒体对于云计算普遍弥漫着乐观情绪。他们认为,奥巴马将从政府的立场,为云计算带来福音。   这不仅仅是因为奥巴马得依于网络而当选,更是因为奥巴马在其竞选中所做出的承诺:将保护互联网的开放性与(这意味着避免云计算造成的巨头垄 断)、确保个人隐私的安全(有利于消除用户将...

洛阳话

洛阳话 http://luoyanglife.com/baike/doc-view-3083 洛阳地区所通行的口语,区别于外来移民中普遍使用的普通话,洛阳话主要通行于原住民之间。洛阳话属于中原官话,在河南省内属豫西方言,与南阳话比较类似。 -- 天天好心情

用链接标签canonical对付重复内容的用法及细节

就像当初同时宣布支持Sitemaps协议那样,Google、雅虎、微软三大搜索引擎又在最近同时宣布支持一个新的HTML链接标签"canonical"。 这一标签的作用是为了让网站管理员标记自己网站上的重复内容或相似内容,以便帮助搜索引擎更好地识别出哪个URL的内容才是你认为最重要的。让我们先看看canonical的具体用法。 假设网站上有如下网址所在页面内容是相同的: http://www.eryi.org/products http://www.eryi.org/products?sessionid=dfaf2r http://www.eryi.org/products?trackingid=feed 如果你页面源代码的部分加入如下代码: <link rel="canonical" href=" http://www.eryi.org/products " /> 那么其它后两个页面的内容会被搜索引擎认为是重复内容,PageRank(仅对Google而言)等其它相关的搜索排名信号都会被传递到第一个网址。 对于rel="canonical" 这一新的链接标签,还有下面一些可能对你有用的tips: Canonical链接标签只能作用于同一个域名所在的网址,不能作用于不同域名上的重复内容。也就是说,倘若有人将我这篇文章复制到他的网站上,而我在这篇文章里使用了rel="canonical"链接标签,搜索引擎并不会给予我这篇文章特别的权重。当然,我相信搜索引擎最后还是有办法通过各种算法和规则来识别出当前这篇文章才是原创内容,而将拷贝这篇内容的页面看作"李鬼":) 该链接标签可用于定义相对地址,也可用于定义绝对地址。但为了保险起见,建议使用绝对地址。 如果使用了canonical链接标签的页面在整个网站中并无重复内容的页面,那么你也无需担心,该标签暂时会被搜索引擎"束之高阁"。 该链接具有可传递性。假如你在网址A中将网址B指定为首选地址,而在网址B中又将网址C指定为首选地址,那么搜索引擎会认为网址C才是A和B的首选页面。这种情况有时候在网址重定向中会发生。 除了canonical链接标签,对于Google来说,你...

PHPCWS - 开源PHP中文分词扩展

PHPCWS 是一款开源的PHP中文分词扩展,目前仅支持Linux/Unix系统。   PHPCWS 先使用"ICTCLAS 3.0 共享版中文分词算法"的API进行初次分词处理,再使用自行编写的"逆向最大匹配算法"对分词和进行词语合并处理,并增加标点符号过滤功能,得出分词结果。   ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)是中国科学院计算技术研究所在多年研究工作积累的基础上,基于多层隐马模型研制出的汉语词法分析系统,主要功能包括中文分词;词性标注;命名实体识别;新词识别;同时支持用户词典。ICTCLAS经过五年精心打造,内核升级6次,目前已经升级到了ICTCLAS3.0,分词精度 98.45%,各种词典数据压缩后不到3M。ICTCLAS在国内973专家组组织的评测中活动获得了第一名,在第一届国际中文处理研究机构SigHan 组织的评测中都获得了多项第一名,是当前世界上最好的汉语词法分析器。   ICTCLAS 3.0 商业版是收费的,而免费提供的 ICTCLAS 3.0 共享版不开源,词库是根据人民日报一个月的语料得出的,很多词语不存在。所以本人对ICTCLAS分词后的结果,再采用逆向最大匹配算法,根据自己补充的一个9万条词语的自定义词库(与ICTCLAS词库中的词语不重复),对ICTCLAS分词结果进行合并处理,输出最终分词结果。   由于 ICTCLAS 3.0 共享版只支持GBK编码,因此,如果是UTF-8编码的字符串,可以先用PHP的iconv函数转换成GBK编码,再用phpcws_split函数进行分词处理,最后转换回UTF-8编码。   2、PHPCWS 中文分词在线演示   演示网址: http://blog.s135.com/demo/phpcws/   名称:PHPCWS(PHP中文分词扩展)   协议:New BSD License   作者:张宴   网址: http://code.google.com/p/phpcws/   SVN: http://code.google.com/p/phpcws/source/browse/#svn/trunk/phpcws -- 天天好心情