排名和鄰度

到目前為止，我們一直專注于匹配階段：為一個給出的查詢高效地找出所有命中的問題。不過正如之前強(qiáng)調(diào)的，第二個階段“排名”對于一個高質(zhì)量的搜索引擎是絕對必不可少的：這是挑選出前幾個命中并展示給用戶的階段。

讓我們更細(xì)致地來檢驗排名的概念。一個網(wǎng)頁的“排名”究竟取決于什么？真正的問題不是“這個網(wǎng)頁和查詢匹配嗎”，而是“這個網(wǎng)頁和查詢相關(guān)嗎”。計算機(jī)科學(xué)家們使用“相關(guān)度”（relevance）這個術(shù)語來形容一個結(jié)果網(wǎng)頁和某個特定查詢有多么相配或多么有用。

舉個具體的例子，假設(shè)你對導(dǎo)致瘧疾的原因感興趣，并在一個搜索引擎中輸入查詢malaria cause（導(dǎo)致瘧疾）。簡化考慮，假設(shè)搜索引擎對這一查詢只有兩個命中——下圖顯示的兩個網(wǎng)頁?，F(xiàn)在來看看這兩個網(wǎng)頁。作為人類，你很快就知道第1頁和瘧疾起因有關(guān)，而第2頁似乎是對剛剛發(fā)生的一些軍事行動的描述，只不過恰巧使用了“cause”和“malaria”這兩個詞。因此，和第2頁相比，第1頁無疑和查詢malaria cause更具相關(guān)性。可計算機(jī)不是人，讓計算機(jī)理解這兩頁的主題也很難，似乎不可能讓搜索引擎正確地對這兩個命中進(jìn)行排名。

不過，事實上，有一種很簡單的方法讓這個例子中的排名正確。查詢詞彼此相鄰的網(wǎng)頁比那些查詢詞相距很遠(yuǎn)的網(wǎng)頁相關(guān)度更高。在瘧疾這個例子中，“malaria”和“cause”在第1頁中僅相距1個詞，而在第2頁中則相距17個詞。（記住，搜索引擎只通過查看索引項就能高效地發(fā)現(xiàn)這一點，無須返回查看網(wǎng)頁。）因此，盡管計算機(jī)并不真正地“理解”查詢的主題，它也能猜測網(wǎng)頁1比網(wǎng)頁2更具相關(guān)性，因為網(wǎng)頁1查詢詞之間的距離要比網(wǎng)頁2更近。

總而言之，盡管人們不經(jīng)常使用NEAR查詢，搜索引擎也在不斷地使用和鄰度有關(guān)的信息，提高搜索排名。而它們能高效地做到這點的原因則是，它們使用詞位置把戲。

一個網(wǎng)頁范例集，每個網(wǎng)頁都有一個標(biāo)題和一段正文。

我們已經(jīng)了解到，早在距今5 000年以前，巴比倫人就開始使用索引。而詞定位把戲也不是由搜索引擎發(fā)明的：這是互聯(lián)網(wǎng)出現(xiàn)以前，另一種信息檢索中用到的著名技術(shù)。不過，在下一部分，我們將了解一個看起來的確是由搜索引擎設(shè)計者發(fā)明的新把戲：元詞把戲（metaword trick）。對這一把戲和眾多相關(guān)思想的精巧運用，使AltaVista搜索引擎在20世紀(jì)90年代晚期迅速成為搜索行業(yè)的領(lǐng)頭羊。