Graph Search就是语义搜索

简介:


上周Facebook向发出媒体邀请函,上写“来看看我们正在构建什么”,引发了媒体的众多猜想。15日,扎克伯格向人们展示了Graph Search——facebook的语义搜索引擎。

关于Graph Search,扎克伯格如是说:“现在在Facebook上取得信息的方式有三种:News FeedTimelineGraph Search,他说道。“人们想要知道自己附近的世界正在发生什么事情,那就是News Feed。”想要知道有关人的事情,则可以用Timeline。而现在新增的第三种方式是,可以通过搜索找到内容,这就是Graph Search。”

这又让何玺想到了不久前扎克伯格的关于facebook将在适当的时候开放自己的搜索引擎技术的表态。

“他认为,人们对搜索引擎的需求正在改变,人们需要得到搜索问题的具体答案,而不是大量的不同的选择。他马克认为,以后的搜索引擎应该能做到量身定制,可以为具体的用户来解决具体的问题。

马克·扎克伯格这样表述自己对搜索引擎的认识,“搜索引擎正在朝着给一组满意答案的方向在努力。就好像我有一个具体的问题,那么你为我解答这个问题。那么从这个角度来看的话,Facebook就用非常独特的方式,人性化的回答了很多相关的问题。很明显,未来这绝对是一件很有意思的事情。”

扎克伯格了一个具体的场景来进行说明:“我纽约的朋友去了哪些寿司餐厅,喜不喜欢里面的食物?”如果是这个问题的话,相信谷歌是很难提供搜索结果的——至少,目前还没有。虽然它可以显示在你几英里之内的寿司餐厅,它还可以从Yelp显示你的评级,甚至还有其他的服务可以帮助你进行选择,包括检索最近购买产品的评价等等。但它不能真正告诉你,哪些是你的朋友喜欢的,除非他们都发生在Google+上。

Google+推出的目的就是搜集社交相关的数据,但是谷歌绝对不会单纯的给大家一个平台,仅仅是为了分享一些照片而已,很多人在Google+上创建文件并且添加好友,在这个过程中就产生了大量的数据,那么对搜索巨头来说,为目标人群投放广告就变得更加容易,当然也有助于在搜索的结果中添加社交元素。不过“Search + Your World”功能的最大问题在于,它仅仅只能显示来自谷歌网络的内容,而无法获取最大的两个在线社交网络FacebookTwitter的信息。

就像Facebook一样,谷歌也明白了,搜索引擎正在从关键字和提供链接发展成向用户提供“我应该去哪里吃饭?”和“哪里有最好的修理厂?”建议的层次上。这就是为什么谷歌公司花费这么多的时间和精力,从维基百科或者自身的资源像Zagat来增加专门的信息。但是这绝对不是社交数据,如果出现了社会建议最终价值的争论问题,毫无疑问,Facebook会比谷歌做的更好。”

今天,我们再一起看看扎克伯格在发布会现场给我们做的示例。扎克伯格展示了几个例子,输入“我在加利福尼亚州旧金山朋友的朋友,而且是单身男性”,这个提炼后的搜索查询请求返还的结果是符合这一特定标准的人。输入“1990年以前我好友的照片”,结果是搜索到许多可爱的儿童照片,其中包括facebook首席运营官谢丽尔·桑德伯格(Sheryl Sandberg1972年拍的一张照片。

现在来看,Graph Search基本上实现了扎克伯格自己对搜索功能的基本要求。我们要说,做到这一步是非常不容易的,因为Graph Search从输入到输出,其内容和结果与现有搜索引擎相比是大不相同的。现有搜索引擎是通过核心关键词向用户呈现检索列表,Graph Search则是通过用户组织的语句输入,并分析语句语义,最后呈现给用户的是一个满足用户要求的结果。

何玺还想到了谷歌的“语义搜索”计划——google将利用“语义搜索”算法分析用户键入关键词的深层含义,然后直接想用户提供该问题的直接答案,而不是像现在这样给出一堆的链接。

现在来看,不管是谷歌、苹果还是facebook,都已经在语义搜索上发力,只是有的人还在摸索,有的已开始起步。

Graph Search基本上和Siri有得比,前者分析用户的文字语义后给出结果,后者是分析用户的语音语义后给出结果,只不过一个是语音形式,一个是文字形式。虽然现在两者都谈不上完美,但两者呈现的形态告诉我们,未来搜索就是这个方向没错。

Graph SearchFacebook无疑是重要的,它必将成为Facebook的重要组成部分,这点毋庸置疑。

Graph Search或将引发搜索变革,我们拭目以待。

��发搜索变革,我们拭目以待。

 

oNormal style='text-indent:21.0pt;mso-char-indent-count:2.0'>Graph Search或将引发搜索变革,我们拭目以待。








 本文转自 hexiaini235 51CTO博客,原文链接:http://blog.51cto.com/hexiaini235/1121555,如需转载请自行联系原作者

相关文章
|
5月前
|
搜索推荐 开发者
如何在 Elasticsearch 中选择精确 kNN 搜索和近似 kNN 搜索
【6月更文挑战第8天】Elasticsearch 是一款强大的搜索引擎,支持精确和近似 kNN 搜索。精确 kNN 搜索保证高准确性但计算成本高,适用于对精度要求极高的场景。近似 kNN 搜索则通过牺牲部分精度来提升搜索效率,适合大数据量和实时性要求高的情况。开发者应根据业务需求和数据特性权衡选择。随着技术发展,kNN 搜索将在更多领域发挥关键作用。
172 4
|
6月前
|
人工智能 开发工具 git
语义搜索测试
语义搜索测试
67 0
list转tree,并支持搜索
list转tree,并支持搜索
62 0
|
SQL Java
白话Elasticsearch04- 结构化搜索之使用terms query搜索多个值以及多值搜索结果优化
白话Elasticsearch04- 结构化搜索之使用terms query搜索多个值以及多值搜索结果优化
525 0
|
SQL JSON 自然语言处理
白话Elasticsearch01- 结构化搜索之使用term query来搜索数据
白话Elasticsearch01- 结构化搜索之使用term query来搜索数据
300 0
|
SQL 索引
白话Elasticsearch03- 结构化搜索之基于bool组合多个filter条件来搜索数据
白话Elasticsearch03- 结构化搜索之基于bool组合多个filter条件来搜索数据
300 0
|
SQL
白话Elasticsearch05- 结构化搜索之使用range query来进行范围过滤
白话Elasticsearch05- 结构化搜索之使用range query来进行范围过滤
117 0
|
分布式计算 自然语言处理 Java
白话Elasticsearch17-深度探秘搜索技术之match_phrase query 短语匹配搜索
白话Elasticsearch17-深度探秘搜索技术之match_phrase query 短语匹配搜索
115 0
practice5-搜索+练习
快速学习practice5-搜索+练习