ITBear旗下自媒体矩阵:

搜索框中的高技术门槛:眨一眼完成5次搜索

   时间:2014-04-24 15:35:03 来源:互联网编辑:星辉 发表评论无障碍通道

在我们的印象中,搜索就是在搜索框中输入核心信息,然后敲一下回车,在结果页中筛选寻找。虽然不少公司也在做技术改变,但搜索产品往往因其渗入度高,用户感知反而并不明显,此外,与目前互联网行业许多容易复制的产品与技术不同,搜索引擎的每项技术又都存在半年甚至更长的技术壁垒。那么,如何更准确、更便捷的获得自己想要的信息,无需多次查找,甚至让搜索引擎“读懂你心”?

对此,搜索巨头百度给出了最新杀手级产品——极速搜索。

就在百度推出极速搜索短短一个月时间,百度极速搜索近日再次升级,不仅让搜索引擎的响应速度提高10倍,还可以猜测“模糊”词得出精准的搜索,甚至预测用户搜索词,实现不搜即得。

眨一眼完成5次搜索

据了解,百度极速搜索可以让搜索引擎的响应速度提高10倍,最快仅需0.03秒的响应时间就可获得搜索结果。

“0.03s”是什么概念呢?人类眨一次眼0.2秒,博尔特起跑0.16秒,子弹穿过木板0.05s,也就是说,你眨一下眼的时间,百度平均大概可以完成5次极速搜索。

这样算来,百度极速搜索大约累计每天为百度搜索用户节省25亿秒,总计相当于80年时间,一个简单的搜索行为就可以大大节约人们获取信息的时间成本。

如何在眨眼功夫中完成搜索呢?在你输入“搜索词”时,搜索系统通过百度的大数据计算能力和异步搜索技术方案,能提前预测用户检索的关键词,请求后端服务并获取搜索结果,从而实现页面的瞬时展现。为了实现这一功能,百度技术人员对前端网页和后端检索系统的29种技术模块进行了升级改造,以保证极速搜索服务的可靠性和稳定性,确保用户从传统搜索到极速搜索的完美过渡。

再模糊的词也知道你要什么

在搜索世界里,有的需求是像“种子”一样,是用户难言之隐的;更多的需求则是用户自己都没有意识到的,是其脑子里的本我需求的“暗区”。当有网友输入“wumai”、“tq”、“刘德华老婆”、“黑甲子”时,你知道他想要搜索什么吗?

百度极速搜索面对这些错字、错词、甚至是字母也能精准的显示搜索信息,没错,它们分别是“雾霾”、“天气”、“朱丽倩”、“黑匣子”……是不是很惊讶第一次搜索关键词就得到了真正想要的信息呢?

再模糊的关键词,百度极速搜索也能“读懂你心”。如果想搜邓紫棋的《泡沫》歌词,即使你搜索的是“泡馍歌词”,百度也能为你展现精准结果。

百度极速搜索是怎样做到“读心术”的?以“刘德华老婆”为例,没有自然语言的理解能力,以及先进的知识图谱和意图识别,自然没法给出“朱丽倩”的结果,要知道这两个关键词可是相差十万八千里。

在洞察了用户明面上的需求和暗区需求之后,如何满足其归根结底的本我需求?这就要求搜索引擎一是要具备人脑的思考能力,二是要具备人性的把握能力。唯有这样,才能在用户搜索诸如“没有叶子的花”时,直接给出“玉兰花”这一答案,而不是文字匹配的内容。这些都离不开底层的搜索智能推荐、语义分析能力、大数据分析与挖掘、语音识别、用户建模和意图识别、自然语言理解能力,以及跨语言信息处理等技术的支撑。

不搜即得搜索零延时

在百度极速搜索这次的技术优化中,最核心的则是预测用户搜索词,实现不搜即得。

“不搜即得”就是当你输入关键词一半时,百度后台已预测你的搜索行为,并“零延时”为你展现搜索结果页。

当你输入“刘德”还没有把“华”字打出的时候,搜索页已经为你呈现刘德华的相关信息以及电影、演唱会等搜索结果,并在搜索提示里加上对应了“小脚印”,连带展示“刘德华新闻”、“刘德华音乐”等搜索词。这种搜索行为在过去你可能在输入关键词后还要按下“Enter”键,才能显现结果。

有网友戏称其为“懒人搜索”,因为它把预测搜索、提前加载结果页等动作完全在后台完成,对用户前台操作进行了细节的体验与优化。这种搜索模式改变了用户从海量数据中检索、甄别、整理的传统搜索体验模式通过新一代搜索引擎富媒体数据处理,直接将高质量搜索结果在大搜索中进行聚合和展现优化,还可以和用户实现智能交互。

百度极速搜索的创新让我们看到了未来搜索的想象

随着搜索的不断演进,未来搜索将会从一个查询工具,变成连接每一个人与互联网世界的底层平台技术,将是很多设备如电视、冰箱、洗衣机、耳机、音箱等产品的标配功能,其不仅可以为用户提供智能搜索服务,同时还能根据不同的场景,推送不同的有用内容和服务。

 

想像一下,智能生活图景可能是这样的:用洗衣机洗衣服,搜索引擎会告诉你不同的衣服应该怎么洗,是要强洗还是弱洗,水温多少度最适宜?用耳机听邓紫棋的歌,耳机会在间歇时间跟你介绍邓紫棋的最新消息,还会问你“邓紫棋生日就快到了,要不要去她的微博里留个祝福?”

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version