1.用戶真正的需求是什么
搜索引擎用戶輸入的查詢請求非常簡短,查詢的平均長度是2.7個單詞。如何從如此短的查詢請求里獲知隱藏其后的真實用戶需求?這是搜索引擎首先需要解決的非常重要的問題。如果不能獲取用戶真正的搜索意圖,搜索的準確性無從談起,即使后續(xù)內(nèi)容匹配算法再精巧也無濟于事。
從另外一個角度看,即使是同一個查詢詞,不同用戶的搜索目的是不同的,如何識別這種差異?如果更進一步,即使是同一個用戶發(fā)出的同一個查詢詞,也可能因為用戶所處場景不同,其目的存在差異,又如何識別?所有這些都是搜索引擎需要解決的核心問題,即用戶在此時此地發(fā)出某個查詢,他的真正搜索意圖到底是什么。
2.哪些信息是和用戶需求真正相關(guān)的
上述第一個核心問題是從用戶需求角度出發(fā)的,另外兩個核心問題則是從數(shù)據(jù)角度考慮的。搜索引擎本質(zhì)上是一個匹配過程,即海量數(shù)據(jù)里面找到能夠匹配用戶需求的內(nèi)容。所以,在明確用戶真實意圖這個前提條件做到后,如何找到能夠滿足用戶需求的信息則成為關(guān)鍵因素。
判斷內(nèi)容和用戶查詢關(guān)鍵詞的相關(guān)性,一直是信息檢索領(lǐng)域的核心研究課題,不斷提出的信息檢索模型即在試圖解決這個問題。相關(guān)研究歷時近60年,盡管不斷有新方法提出,檢索效果總體而言也在逐漸改進,但是這個領(lǐng)域的基本指導(dǎo)思想還是基于關(guān)鍵詞的匹配,包括現(xiàn)在所有搜索引擎的相關(guān)性計算部分,其基本計算思路和幾十年前相比并無本質(zhì)差異。
3.哪些信息是用戶可以信賴的
搜索本質(zhì)上是找到能夠滿足用戶需求的信息,盡管相關(guān)性是衡量信息是否滿足用戶需求的一個重要方面,但并非全部。信息是否值得信賴是另外一個重要的衡量標準。
搜索引擎需要處理的信息對象是互聯(lián)網(wǎng)上任意用戶發(fā)布的內(nèi)容,但是內(nèi)容發(fā)布者所發(fā)布內(nèi)容是否可信并無明確判斷標準。這其間存在惡意的信息發(fā)布者故意歪曲事實的情況,也有信息發(fā)布者無心的錯誤。在同一個查詢的搜索結(jié)果內(nèi),完全可能存在互相矛盾的搜索答案,此時信息的可信性即成為突出問題。
從某種角度看,鏈接分析之所以能夠改善搜索結(jié)果,可以認為是對信息的可信賴度做出的評判。即將網(wǎng)頁的重要性作為是否可信賴的一個判斷標準,返回重要網(wǎng)頁即是返回可信賴網(wǎng)頁。