亚洲精品国产综合久久久久紧,久久99精品久久久久久清纯,人妻无码一区二区三区在线,ぱらだいす天堂中文网WWW

原文如下：

對百度，CTO劉建國的采訪過程就是一個擠牙膏的過程，他永遠(yuǎn)不會借題發(fā)揮，對采訪者的問題，回復(fù)得簡練而專注。這位與李彥宏一起創(chuàng)立百度的“技術(shù)新官僚”，對搜索引擎技術(shù)運用的思考，在一定程度上體現(xiàn)了這個新上市公司的商業(yè)方向及這個團隊的技術(shù)想象力。采訪中，劉建國不斷接到要求解封的“作弊網(wǎng)站”的電話，大多是熟人才會直接將電話打到他這里，或是打給李彥宏。采訪由此而展開。

反作弊是我們的技術(shù)

《21世紀(jì)》:李彥宏選擇搜索引擎作為百度的主業(yè)，當(dāng)時是怎么確定的?

劉建國:2000年之前，中國有許多搜索引擎公司，Goyoyo是香港一個公司做的;科學(xué)院有一個網(wǎng)站，還有北大天網(wǎng)。當(dāng)時創(chuàng)立公司時搜索引擎已經(jīng)很多了。我們機會在哪里?在當(dāng)時我和李彥宏的通信中，他說要做就做最好的。當(dāng)時已有的搜索引擎速度慢，索引小，用戶體驗很差。我們都認(rèn)為做一個中文搜索引擎有很大前景，所以我就從北大出來，跟李彥宏一起創(chuàng)業(yè)了。

《21世紀(jì)》:現(xiàn)在來看，當(dāng)時搜索的核心技術(shù)是什么?

劉建國:分成好幾塊，一塊是網(wǎng)頁抓取，由蜘蛛程序選擇、抓取互聯(lián)網(wǎng)中的網(wǎng)頁，還要持續(xù)不斷地更新網(wǎng)頁，將過期的網(wǎng)頁剔除掉;二是超鏈分析和內(nèi)容分析;三是針對用戶的搜索服務(wù):如何處理海量數(shù)據(jù)和大規(guī)模的用戶訪問?如何提供穩(wěn)定的服務(wù)?有很多技術(shù)問題需要解決。

《21世紀(jì)》:你們是一幫人在做?

劉建國:好多個組，重點是相關(guān)性的評價。哪些網(wǎng)頁是用戶想要的?后面就有好多技術(shù);比如超鏈分析;這里有李彥宏的專利。超鏈在Infoseek之前就有成熟的技術(shù)，李彥宏在那兒工作時就研究得很細(xì)，但我們沒有僅用這套方法，而是根據(jù)當(dāng)時搜索引擎全球的發(fā)展做了改進。

《21世紀(jì)》:百度在相關(guān)性方面有什么特色?

劉建國:有兩個基本方面:超鏈分析和內(nèi)容分析。我們這幫技術(shù)人員，包括李彥宏，根據(jù)搜索引擎當(dāng)時的技術(shù)發(fā)展，做出了一套百度自己的超鏈分析系統(tǒng)。另外還得分析網(wǎng)頁內(nèi)容，比如中文處理就很重要，要理解中文的語法和特定文字意義，因為中文與英文還是不一樣的，只有判斷文字是什么意思，才能給用戶提供搜索結(jié)果。

《21世紀(jì)》:“欺騙搜索”是什么意思?你們有什么獨特的技術(shù)來對付它?

劉建國:就是所謂的網(wǎng)絡(luò)優(yōu)化，比如SEO之類，鏈接一些域名，好象鏈接很多，但實際上是人為做出來的。還有一些鏈接，就是專門幫別人做鏈接，這也是超鏈分析。你不是鏈接分析嗎?專門針對你。還有一些網(wǎng)站，專門給別人做，相關(guān)度也高，我們必須發(fā)現(xiàn)哪些是LINKFORM，然后分析出來。

《21世紀(jì)》:這如何看得出來?有簡單工具嗎?

劉建國:我們已經(jīng)可以通過技術(shù)手段及時發(fā)現(xiàn)這種欺騙或者叫作弊。是否作弊，有一個很簡單的標(biāo)準(zhǔn):用戶看到的內(nèi)容和搜索引擎看到的內(nèi)容是否一致?前一段搜索“芙蓉姐姐”，進去之后很多是買手機的，買其他信息，這就是作弊。我們就分析，他們是通過什么方法來“欺騙搜索”。比如LINKFARM，我們靠技術(shù)發(fā)現(xiàn)出來，它已經(jīng)“堆砌關(guān)鍵詞”了，我們看出它是作弊的，我就不要它。這就是為何后來反彈這么大，有了“反百度聯(lián)盟”的原因。有“反百度聯(lián)盟”成員說，你為什么屏蔽我?前一段搜狐網(wǎng)的一個峰會，一個醫(yī)藥網(wǎng)的說我們很好啊，你為什么把我給封了?它的“堆砌”是作弊的，如果我們把它放開，對用戶是一種欺騙。

《21世紀(jì)》:比如在百度搜“芙蓉姐姐”，你們把有些“芙蓉姐姐”鏈接給屏蔽了，那就不能給用戶提供更多的結(jié)果了?

劉建國:是更準(zhǔn)確，比如用戶到這里來搜，得到的是真正的“芙蓉姐姐”而不是手機鈴聲。這樣做的目的是給用戶很好的用戶體驗。

《21世紀(jì)》:在反作弊技術(shù)里，有什么可以明確識別作弊?

劉建國:比如，來回互相鏈接、堆砌關(guān)鍵詞等。還有前景色和背景色完全一致，在HTML里面，用戶看不見，可以騙搜索引擎，就這樣騙用戶。

《21世紀(jì)》:僅僅背景色也可以用來作弊?

劉建國:背景是黑色的，搜索看見的僅僅是內(nèi)容，是看不到背景的。前景與后景一樣，機器看不著，人能看出來，景色也是識別的因素。其中的文字就是有些網(wǎng)站想欺騙的東西。有很多方法作弊，層出不窮的。搜索與作弊網(wǎng)站是永遠(yuǎn)不會結(jié)束的戰(zhàn)爭。

《21世紀(jì)》:有沒有可以“招安”的作弊網(wǎng)站?

劉建國:不會的。他們的利益很大，騙一點是一點，不會到這里來做。

《21世紀(jì)》:有多少這樣的網(wǎng)站?

劉建國:每天碰到成千這樣的網(wǎng)站。

《21世紀(jì)》:他們到哪里拉客戶?

劉建國:不一定拉客戶，他們可以自己做鈴聲、短信，SEO會拉企業(yè)，給錢，我給你排位。

另一個“敵人”是Google嗎?

《21世紀(jì)》:與Google的反作弊比，你們有什么優(yōu)勢?

劉建國:說Google的技術(shù)比我們好，我不認(rèn)同，他們主要是不夠集中。比如反作弊的，Google中文就做不過我們，這有技術(shù)問題，還有人力，要知道作弊慣用的手法，而Google不知道。這個模式我們比Google發(fā)展得更快，我們更接近用戶。我們中文的理解做得比他們好，比如像分詞、切詞，中文是一個一個字，放一塊兒，那些字和詞是不一樣的。我做得比Google好。他們沒有專門研究中文。

《21世紀(jì)》:你們是用自己的技術(shù)?

劉建國:是的。我們中文分詞，這個技術(shù)里面沒有英文，中文本身的處理我們已經(jīng)到位，還有語法的應(yīng)用，我們做得很好。語法是主謂賓，如何用，老外不理解。

《21世紀(jì)》:你們用以前的文字識別技術(shù)嗎?

劉建國:對中文我們有一套獨特的做法，現(xiàn)在成熟的技術(shù)都不太適合我們。

《21世紀(jì)》:有沒有用哪個平臺?比如大的軟件?

劉建國:這個軟件是我們自己做的。

《21世紀(jì)》:是應(yīng)用軟件?

劉建國:不是一套。我們直接用自己的東西。比如說詞典、分詞、詞匯。這不是釋義的詞典，可能有很多資源。比如我們用人民日報的語料庫，我們購買這樣的資料。更多的平臺是我們自己的搜索引擎。我們有日志，總結(jié)新的詞匯。我們對10億計的網(wǎng)頁也能分析。這是Google中文做不到的。至少沒有聚焦。另外從中文用戶體驗來說，我們也做得比他們好，比如用戶體驗是什么、習(xí)慣是什么。比如相關(guān)搜索，在中文里面，用戶心里想的一個事情，比如“軟件”這個詞，用戶心里想的是軟件下載，但搜索的是“軟件”這個詞，他輸入“軟件”，與搜索不符。百度會提示得更加精細(xì)化，到底是軟件下載還是加密，全自動服務(wù)，這樣用戶會覺得很好。類似的工作我們下了很多功夫。其他像拼音檢索，錯別字糾正，我們也能正確提示?，F(xiàn)在有些搜索正在抄我們。我認(rèn)為不能崇洋。