百度阿拉丁：下一代搜索引擎的目标

摩发网

廣告

　　百度“阿拉丁”平台的推出，是为解决现有搜索引擎无法抓取和检索暗网的信息而来。所谓暗网(Hidden Web)是指目前搜索引擎不能检索到的信息，百度认为大量的信息仍然处在“未知世界”当中。

　　暗网究竟有没有像百度说的这么神秘？李彦宏表示目前能被搜索引擎检索到的信息只占人类所有信息的1/500。果真如此，那暗网占了多少？没有Web化的暗网信息为什么不愿意Web化？这里涉及到一个很重要的问题：暗网里有多少信息是私密的，有多少是可公开化的？“阿拉丁”能在暗网里获取多少比例的有用信息？这是一个玄之又玄的问题，估计百度自己也搞不清楚。

　　相对而言，李一男的解释更直观，也更靠谱：百度希望通过对“阿拉丁”平台的构筑，超越现有Web内容的限制，对包括暗网在内的所有信息进行更深一步的分析、融合、处理，确保为用户提供零成本、无障碍、无时差的精准搜索结果。

　　什么是暗网？“阿拉丁计划”到底是什么？要想了解“阿拉丁计划”，首先就要了解什么是暗网，因为这个计划是宣称要照亮暗网、完全改变搜索体验的。

　　暗网这个概念对于大众很新鲜，但已经是搜索圈里的老话题了。早在2003年，美国人C•谢尔曼就有一本学术专著专门讨论这一问题，只不过通常把它翻译成“看不见”的网站，这本著作已经被译成中文—《“看不见”的网站：Internet专业信息检索指南》，成为信息检索专业的必读书目。

　　“看不见”的网站就是被搜索引擎覆盖不到的网站，用更加通俗的分类来说，“看不见”的网站只有两种。一种是技术的原因，很多网站本身不规范，或者说互联网本身缺少统一规则，导致了搜索引擎的爬虫无法识别这些网站内容并抓取，这不是搜索引擎自身就能解决的问题，而是有赖整个网络结构的规范化，谷歌正在尝试的云计算就是要从根本上解决这一问题。从这个意义上说，谷歌更符合“阿拉丁计划”，只不过谷歌没有这样提而已。

　　另一个原因则是很多网站根本就不愿意被搜索引擎抓取，比如考虑到版权保护内容、个人隐私内容等等，很多网站都在屏蔽百度。比如最近视频分享网站优酷宣布屏蔽百度，之前的淘宝网也屏蔽了百度，这就不是搜索引擎能解决的问题了。

　　所以说，所谓的“阿拉丁计划”不过是拿搜索圈子里一个古老的话题炒冷饭，它的本质就是扩大搜索数据库，这是搜索引擎的常规工作，“最多就是优化过的蜘蛛加上一个新的竞价排名表现界面”。

　　事实上，百度“阿拉丁计划”最终的目的是为了整合所有信息，再把这些信息加以分析处理，让用户在同一个搜索框架下实现多元化的搜索需求。什么是多元化的需求？比如在生活服务领域，用户搜索分类信息，百度显然比不上雅虎口碑;在电子商务领域，用户搜索商品信息，百度比不上阿里巴巴;在社区即时信息搜索方面，百度显然比不上奇虎和大旗……“阿拉丁计划”就是要把这些庞大的信息量从无序变成有序，从复杂转化为简单，快速、精确地满足不同的用户需求，这才是“阿拉丁”的目的所在。

　　如何实现对庞大信息量的处理？我们剥开“阿拉丁”的层层面纱，终于看到事情的本质，“阿拉丁”就是包装过的云计算。要应对每天数十亿次的搜索请求，要同时满足各个领域不同类型的数据分析，要把杂乱无章的信息整理为精准的搜索结果……这一切就必须由服务器群的并行计算或者云计算模型来实现。

　　整合信息并且把检索到的信息以最快速、最精准的方式展现给搜索用户，这是下一代搜索引擎所要实现的目标。云计算的概念尽管有点炫，但它提出了一个核心问题，那就是如何实现拥有海量信息的搜索引擎可以更快更准处理数据的方法。透过现象看本质，无论是百度的“阿拉丁”，还是谷歌的云计算，都是为搜索引擎技术服务，为用户提供更加深入的搜索体验。

原文出自【比特网】，转载请保留原文链接：http://network.chinabyte.com/342/11564342.shtml