somewhere in time

Google之所以能如此高效搜索主要是基于其创始人Larry Page和Sergey Brin在Stanford读研究生期间提出的PageRank算法。PageRank完全由WWW的超链接结构所决定，它大约没隔一个月重新计算一次，而与任何网页的实际内容或搜索请求无关。当用户发出搜索请求时，Google找出符合请求的网页，并把他们按PageRank值的大小依次列出。从这个意义上讲，这正是Google公司值得尊敬的地方，做过数值计算的人都知道这么大的矩阵运算实在是非常困难。但是这也是其欺骗了用户的地方，在Google的工具条上有一个查看PageRank值的地方，这个值并不是现在的Rank值。

我们在网络上闲逛的时候，每次都从当前网页随机选择一个超链接进入下一个网页，可以想象这个网页最终将中止于一个没有网页链接出口的网页，或者进入一个由相互链接组成的死循环。这种随机游走在数学上称为马尔科夫链(Markov Chain)或马尔科夫过程（Markov Process）。当这样的随机浏览过程无限进行下去时，某个网页被访问的概率就是它的PageRank值。概率越大，PageRank值就越大。

对于Google公司而言，可以设某个根网页开始，沿一系列超级链接到达的所有网页组成了一个集合，而且这个集合不断的变大。这个集合构成一个矩阵，解这个矩阵特征值就得到了每个网页的PageRank值。比如Sina网的PageRank值是7，俺们学院的PR值是2，本博的PR值为1，本博母校PR值为6等。到目前为止，这个集合已经超过60亿了。这么庞大的计算量对任何人来讲都实在是很夸张。

然而，对于经常使用Google的人来讲，可以发现今年Google搜索的准确度明显不如04年了。我们要找到自己所需要的信息越来越难了，比如刚才我搜索本博的名字得到424项搜索结果，到底那些项是我自己呢？好在跟我同名的人不是很多，搜索我一个朋友恰恰同学得到的信息条数是152000条，很明显要找到我那个朋友的信息还是有点难的。经常光顾本博的Princess Lin同学，在Google上能搜到126000条，要在网上找到她绝对叫大海捞针，我要找到她本来直接到她办公室就好了，当然前提是我知道她的办公室在哪儿。所以我们可以得到这样的结论，信息过载等于没有信息。

要解决这个问题怎么办呢？目前Web 2.0技术似乎为解决这个问题打开了一扇门。但是个性怎么体现呢？比如在化妆品网站上面，网站通常根据销量大小和其他的商业目的给出推荐产品。但是通常每个人的喜好都不一样，怎样调和大众口味和个人喜好，这也是一个需要解决的问题。所以当我们从解决好这个问题之后，给出合适的推荐算法，这绝对具有重要的商业前景。在这方面恰恰同学已经灌了篇水了（Phys.Rev.E, 76, 046115(2007)).

ps. Google的另一个创始人也结婚了，新娘很漂亮！

贴素描美女一张。

This entry was posted on Sunday, December 9th, 2007 at 5:39 pm and is filed under My Study. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.