Google图书馆员中心开张运行

    Google在10月开了一个图书馆员中心(Google Librarian Center),计划是发行面向图书馆员的快讯,支持图书馆员推进“图书馆员与Google共同的使命――组织世界上的信息,并使之随处可用”。该快讯为季刊,以电子邮件方式订阅。

    如今,第一期快讯Google Librarian News (December 2005) 已经正式发行。开场白中说明“Google馆员中心”的设想源自今年ALA年会,当时Google在那儿设摊展览,与馆员们聊了三天。为继续聊下去,就有了这个快讯。本期主要内容是一篇文章“Google如何收集与排序结果”(How does Google collect and rank results?),回答当时馆员们问得最多的问题。未来还会请馆员与图书馆供应商撰文,提供图书馆相关网站,更新Google产品与服务。

    “Google如何收集与排序结果”,大致如下:
    先由Google机器人(Googlebot)爬行WWW上的页面。所谓爬行并非真的漫游整个网络,而是发出请求,由对方服务器返回特定网页;然后扫描页面的超链接,再由链接出发,重复同样的请求获取其它网页。机器人给每个被检索页面一个编号。然后,给页面中的每个词建立倒排索引。
    Google排序依据多种因素,总起来说是“著名”与“相关”(both reputable and relevant)。PageRank算法针对的是“著名”,由被多少网页链接、这些链接网页本身的质量打分;“相关”则由检索词是否在标题上出现、出现次数、多个检索词间距离…决定。在相关度基本相同的情况下,由著名度来决定排序。
    给检出网页打分、排序后,抽取含检索词的部分网页作为摘要(snippets),与URL一同展示为检索结果页面。
    Google使用数百台计算机同时执行搜索与结果排序,每一搜索返回时间不超半秒。

    因为是一个“快速入门”(quick primer),所以比较初级。为图情专业人员一五一十讲述倒排档检索匹配,好象在给小学生授课,令人心理上有点难以承受。不过,如果用于向没有受过检索训练的读者解释,倒比较合适。文中还有两个练习,是提供中小学馆员给学生练习的。