排名和鄰度

到目前為止，我們一直專注于匹配階段：為一個(gè)給出的查詢高效地找出所有命中的問題。不過正如之前強(qiáng)調(diào)的，第二個(gè)階段“排名”對(duì)于一個(gè)高質(zhì)量的搜索引擎是絕對(duì)必不可少的：這是挑選出前幾個(gè)命中并展示給用戶的階段。

讓我們更細(xì)致地來檢驗(yàn)排名的概念。一個(gè)網(wǎng)頁的“排名”究竟取決于什么？真正的問題不是“這個(gè)網(wǎng)頁和查詢匹配嗎”，而是“這個(gè)網(wǎng)頁和查詢相關(guān)嗎”。計(jì)算機(jī)科學(xué)家們使用“相關(guān)度”（relevance）這個(gè)術(shù)語來形容一個(gè)結(jié)果網(wǎng)頁和某個(gè)特定查詢有多么相配或多么有用。

舉個(gè)具體的例子，假設(shè)你對(duì)導(dǎo)致瘧疾的原因感興趣，并在一個(gè)搜索引擎中輸入查詢malaria cause（導(dǎo)致瘧疾）。簡(jiǎn)化考慮，假設(shè)搜索引擎對(duì)這一查詢只有兩個(gè)命中——下圖顯示的兩個(gè)網(wǎng)頁?，F(xiàn)在來看看這兩個(gè)網(wǎng)頁。作為人類，你很快就知道第1頁和瘧疾起因有關(guān)，而第2頁似乎是對(duì)剛剛發(fā)生的一些軍事行動(dòng)的描述，只不過恰巧使用了“cause”和“malaria”這兩個(gè)詞。因此，和第2頁相比，第1頁無疑和查詢malaria cause更具相關(guān)性?？捎?jì)算機(jī)不是人，讓計(jì)算機(jī)理解這兩頁的主題也很難，似乎不可能讓搜索引擎正確地對(duì)這兩個(gè)命中進(jìn)行排名。

不過，事實(shí)上，有一種很簡(jiǎn)單的方法讓這個(gè)例子中的排名正確。查詢?cè)~彼此相鄰的網(wǎng)頁比那些查詢?cè)~相距很遠(yuǎn)的網(wǎng)頁相關(guān)度更高。在瘧疾這個(gè)例子中，“malaria”和“cause”在第1頁中僅相距1個(gè)詞，而在第2頁中則相距17個(gè)詞。（記住，搜索引擎只通過查看索引項(xiàng)就能高效地發(fā)現(xiàn)這一點(diǎn)，無須返回查看網(wǎng)頁。）因此，盡管計(jì)算機(jī)并不真正地“理解”查詢的主題，它也能猜測(cè)網(wǎng)頁1比網(wǎng)頁2更具相關(guān)性，因?yàn)榫W(wǎng)頁1查詢?cè)~之間的距離要比網(wǎng)頁2更近。

總而言之，盡管人們不經(jīng)常使用NEAR查詢，搜索引擎也在不斷地使用和鄰度有關(guān)的信息，提高搜索排名。而它們能高效地做到這點(diǎn)的原因則是，它們使用詞位置把戲。

一個(gè)網(wǎng)頁范例集，每個(gè)網(wǎng)頁都有一個(gè)標(biāo)題和一段正文。

我們已經(jīng)了解到，早在距今5 000年以前，巴比倫人就開始使用索引。而詞定位把戲也不是由搜索引擎發(fā)明的：這是互聯(lián)網(wǎng)出現(xiàn)以前，另一種信息檢索中用到的著名技術(shù)。不過，在下一部分，我們將了解一個(gè)看起來的確是由搜索引擎設(shè)計(jì)者發(fā)明的新把戲：元詞把戲（metaword trick）。對(duì)這一把戲和眾多相關(guān)思想的精巧運(yùn)用，使AltaVista搜索引擎在20世紀(jì)90年代晚期迅速成為搜索行業(yè)的領(lǐng)頭羊。