构建完hmm模型,又写满注释后,余江把代码交给喻林,自己则一头扎进排序系统中。
天网的所有数据都已经完全转移,但距离真正商用化上线新品牌、新域名“”还“遥遥无期”。
——是的,“天网”虽然贴切,但域名字符过多,不符合普通网民的输入习惯;同时课题组也要保留域名和服务,所以在余江的建议下,决定由天慧推出全新的搜索品牌“”,搜搜的意思。为啥不用?域名被抢注,叫价太高……
至于为什么暂时无法商用化上线……
一是因为天网此前的所有优化都基于教育网,从爬虫到索引到排序权重都偏学术和教育服务,要商业运用还调试。
二来是最影响用户体验的分词技术和排序算法还达不到余江的目标。
前者是识别“用户的问题”。
后者是向用户“展示答案”。
分词技术现阶段用字典+3-am+hmm可以彻底领先,现在只是人才培养的问题。
真正的困难是如何翻过李学长的超链分析和谷歌的paank这三座大山。
余江是有经验,但那都是来自后世的组合拳——用户行为模型+多重权重分析排序。
想要在现在这个年代实现,硬件条件不允许。
所以他只能打打擦边球,摸着paank的裙子,引入时效性机制,预留商业权重接口,为竞价排名打基础。
至于李学长的超链分析,他是摸都不敢摸。
此外他还打算加入站点权威度预加权+垂直领域权重倾斜。
举个例子,如果用户搜索的内容是新闻,那么就要提高h社、人日等媒体的权重,如果是游戏领域,就提高官网、17173等游戏媒体的权重。
就在他撸着代码时,李晓明教授来到实验室。
就站在余江身后只看了一会,李晓明便仿佛忘了自己找他的目的,直接在余江身后站了足足半个小时。