2021搜索引擎调查报告探测大众心中的秘密隐私

《2021搜索引擎调查报告探测大众心中的秘密隐私》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、搜索引擎调查报告探测大众心中的秘密隐私　　二月初，珍妮·杰克逊（JanetJackson）因为走光事件上升为Yahoo搜索的人气冠军，其搜索请求达到总数的20%，创下了Yahoo搜索关键词的历史最高记录。这一数字是艳星ParisHilton曾经所创记录的60倍，是歌星小甜甜布莱妮的80倍。　　互联网上的搜索引擎已经成为反映大众趣味和关注焦点的最好工具，　　也许比任何其他调查统计都更为真实。　　高频词与.热点　　纵观历史，热门词汇反映了短期内大众关注的焦点，长期来看可以连缀出世事的发展脉络。美国康奈尔大学的研究人员JonKleinberg曾经做过一项调查，通过统计1790年后每年的美国国情

2、咨文的用词，发现了不同历史时期的热门词汇。例如美国独立战争期间出现频率最高的是“民兵”和“英军”；而在1947年到1959年这段时间内，“原子弹”则被反复地提起。　　如今，搜索引擎声称自己知道大众心中的秘密。搜索引擎不只是被动地答疑解惑；事实上，各大搜索引擎提供了包罗万象的统计数据，这些结果也许十分有趣。Keinberg认为：虽然计算机并不懂历史，但是可以通过统计Blog（网页访问记录）、E-mail和网页中的文本“学习”到相关的背景知识，从而更好地理解搜索请求的含义。此外，这些统计数据还可以帮助.学者和营销人员发现某些正在显露出的大众趋势，为他们的研究或者经营提供参考信息。　　在国内，

3、搜索引擎甚至借助这种反映大众趋向的能力，向更广的商业领域主动出击。2021年2月12日，百度搜索和光线传媒共同发布了“2021年全球华人明星人气榜”。热门词汇周杰伦、《无间道》、《天龙八部》、代言人、绯闻和黑幕等榜上有名。在此之前的1月8日，百度搜索还与胡润联手发布了“2021中国大陆百富人气榜”。　　但是，搜索引擎有时也会不知所措。比如尝试使用Google搜索哈姆雷特的名言“Tobeornottobe”，会发现Google竟然答非所问，罗列在页面上的是GNU’sNotUnix官方网站、HotorNot交友网站……就是不见莎士比亚的影子。这个经典的例子引出了搜索技术的一个术语—停止词（s

4、topword）。　　顾名思义，计算机的一切能力都是以计算为基础，即使阅读也不例外。搜索引擎浏览分布在各个角落的网页的同时，还在后台不停地统计词语的出现频率。有一些词语出现率极高，带来巨大的统计成本，却不包含太多的具体意义，比如汉语的“的、是、了”和英文单词“the、and”之流。如果要得出包含该词的全部结果，实在是过多了。例如遇到哈姆雷特名言中的那些高频词汇，经常导致搜索“引擎”突然熄火，因此这些单词得名“停止词”。在Google“阅读”哈姆雷特的名言时，遇到了四个停止词，出于无奈，所以它只好对频率最低的“not”进行搜索，得到了一些有关“not”的流行网站。　　如果将此名言括上引号，

5、Google便会突然开窍，顺利地寻找到相关的网站。这一功能被称作短语搜索（phrasesearch）。不过，比Google更智能的是Alltheweb，它已将这句名言列入搜索目录，在结果页面中直接提供了相关链接。　　搜索如何实现　　“已向英特网搜索geraldsalton。共有5,430项查询结果，这是第1～10项。搜索用时0.06秒。”0.06秒，体现着以Google为代表的搜索引擎的快捷和高效。这一切，又是如何实现的呢？　　通常情况下，一间机房只能摆放10台服务器，但是Google的机房内可以容纳80台服务器，因为它们都是拆掉了机壳和部分零件的裸机。LarryPage和SergeyB

6、rin他们将机器的外壳拆掉，再卸下没用的芯片和零件使整机体积缩小，而且容易维护，当然也节省了租用机房的花销。Google使用了超过一万台的服务器，并将其分散到五个不同地区的机房内，用以应付浩如烟海的网络信息。　　为了对每一次搜索请求做出快速的反应，搜索引擎在前期下足了功夫。它们在后台不停地重复三步操作。第一步，搜索引擎会不断的利用爬虫（Crawler）程序搜集互联网上所有可达的网页，无论是公开的还是隐藏的—只要曾被访问过，就会招致“爬虫”上身。这样，定期外出的“爬虫”就为搜索引擎囤积起一个海量数据库。由于“爬虫”外出遵循一定的周期，有时可能跟不上网页更新的速度，所以Google的“网页快

7、照”会出现与目标页面不尽相同的情况。第二步，另一个程序会统计出缓存网页（CachedPage）中各个字词出现的频率。第三步，根据词频概括出页面的中心思想和段落大意，再按照不同的关键词提炼出索引目录。用户的每一次搜索请求都是基于这些索引计算而得，因此响应异常迅速。　　无论Google的PageRank专利技术，还是百度全球独有的“超链分析”技术，其大致想法都差不多：统计每个网页被其它网页链接指向的情况，次数越多则级别越高，排名也就越靠