Google搜尋引擎如何運作?為何無厘頭的關鍵字,也能得到精準的搜尋結果?

2020.11.26 by
少數派
少數派 查看更多文章

高品質數位生活指南。少數派幫你更好地運用數位產品或科學方法,提升你的工作效率和生活品質。

Google搜尋引擎如何運作?為何無厘頭的關鍵字,也能得到精準的搜尋結果?
Google
每當遇到問題時,便將關鍵字丟到Google搜尋引擎中查詢,這個習慣已成為現代人的日常。一起來瞭解Google搜尋引擎背後是如何操作的吧!

2020年9月的某個清晨,美國北加州地區的民眾一覺醒來,發現野火濃煙後的西海岸上空一片橘紅。這種像是從《銀翼殺手》電影中走出來的景象,很多人在現實生活中可能從未見過。

少數派

自然而然地,就像中國大多數網民會打開百度、知乎搜尋答案一樣,一時間加州居民也紛紛潮湧至Google,輸入類似於「為什麼天空是橘色的」這般的搜尋關鍵字——這些在搜尋引擎眼裡或許有些無厘頭的問題,依然透過訊息、精選新聞資訊的方式得到了精準而及時的解答。

截圖自Google

以上是Google不久前分享的一個案例。當我們將Google搜尋引擎從上面這個事件中抽離並仔細審視時,不少人應該都會心生疑竇:Google是如何知道用戶要搜尋什麼?為什麼針對加州地區的當地資訊會排在頁面頂部?其他地區的人搜尋同樣的問題會得到類似的答案嗎?頁面左側的知識面板在搜尋中發揮了怎樣的作用?

為了讓你多瞭解一點這個世界上最受歡迎的搜尋引擎,Google自2018年以來就開始陸續在The Keyword中分享,關於Google搜尋引擎的各種細節與原理。如果你也有上面這些疑問,不妨跟隨本文一起探究Google搜尋引擎背後的秘密。

搜尋建議是怎麼「蹦」出來的?

每天我們都要和搜尋引擎打交道,而每次使用Google搜尋訊息時,輸入搜尋關鍵字的同時,搜尋欄下方都會不斷「蹦」出各式各樣根據輸入詞彙而擴展開來的搜尋建議。難道是此時的Google掐指一算,早就知道你心裡的那點小心思嗎?

這種「掐指一算」的背後,是Google一項名為 自動完成(auto-complete) 的技術。從用戶輸入關鍵字開始,Google會在搜尋欄的下方顯示它所猜測的關鍵字結果。只要有任意一條「猜測」命中,我們就能快速完成輸入。

這種「猜測」(官方稱為「預測」)其實是系統在不斷使用輸入的詞彙進行聯想查詢,用戶不斷輸入的同時,搜尋欄下方提示的文字內容也會根據「猜測」結果不斷調整。這其實也是為什麼網路環境不太好的時候,搜尋建議可能會反應遲滯,甚至完全不會「蹦」出搜尋建議的原因。

為了提高搜尋建議的命中率,Google還會進一步引入相關因素來進行預測校準,例如用戶所處的地理位置、當下的熱門話題或用戶所使用的設備等等,這些都會對自動完成所生成的搜尋建議產生影響。除此之外,很多人應該也知道,用戶在Google上保存的搜尋歷史以及各種搜尋設置,同樣也會影響到具體的預測結果。

搜尋設置會影響搜尋結果,但只是眾多影響因素的一部分。
截圖自Google

舉個例子,在Google搜尋引擎使用率更高的歐美地區,Google往往會根據搜尋用戶所處的地理位置預判他們使用的是英式英語或是美式英語,進而提供差異化的內容顯示。例如在英式英語的語境下,「football」通常會是足球,而在美式英語下往往是橄欖球。此外,Google還會在單字拼寫上進行建議,比如根據搜尋者的所在地區對「center」和「centre」的寫法進行區分。

截圖自Google

由此可知,每個人在Google所進行的每一次搜尋都是高度的個性化,即便我們使用瀏覽器的隱私瀏覽模式來排除個人搜尋和瀏覽記錄的干擾,實際搜尋結果還是會根據其他因素進行調整。

精選摘要:不用翻查、即問即答

我只是要找個答案而已,並不想點開網頁。

經常使用搜尋引擎來獲取訊息的人一定會有類似的想法,讓他們養成這個習慣的原因之一,很有可能就是Google經常會在搜尋結果的頁面上方生成訊息欄未——直接、乾脆,你問、它答。

截圖自Google

這個答案是怎麼來的?

首先,這個欄位也有一個特定的名字: 精選摘要featured snippets ),套用一句俗話,「生活就像水中的鴨子,表面上從容淡定,其實水底下在拚命划水」。精選摘要的來源也是這樣——在我們輸入關鍵字的過程中,Google表面上只是從容淡定地搜尋、跳轉,幾秒的時間內,其幕後也在「拚命划水」。搜尋系統的演算法會根據我們所搜尋的問題,檢索一些相對的高品質的網站頁面,然後從這些網站中提取關鍵內容來生成摘要,最後把這份摘要呈送到我們眼前,即上面所說的「精選摘要」。

然而,演算法也會有翻船的時候。其中最著名的例子莫過於「古羅馬人夜間如何計時」的這個問題,最初Google給出的答案是:

日晷。羅馬人最初使用日晷來測量時間。透過這種方法,他們不僅可以相對準確地得知日出、日落和正午時間,還能根據日影長度來估算一天中的其他時刻。日晷的引入帶給羅馬人一種更好測量時間的方法……

夜間沒有太陽時,如何用日晷計時呢?Google的精選摘要也不知道。

知識圖譜:強力的訊息補充

上面我們已經瞭解「精選摘要」,也見識到它的「胡說八道」。當我們意識到精選摘要似乎在「胡謅」的時候怎麼辦?或者這個搜尋頁面根本就沒有精選摘要……

你可能已經有這個習慣了:向右看 。頁面右側可能會出現一個知識面板,它包含了當前搜尋相關的知識訊息,也許能在你的搜尋中派上用場。這個 知識面板Knowledge Panel )與早年Google精心搭建的 知識圖譜Knowledge Graph )體系密切相關。

截圖自Google

簡單來說,知識圖譜是一個由各種不同頁面、不同來源的訊息所構成的小型「知識庫」。根據話題的不同,Google透過語意演算法自動整理、歸納出不同內容的相關訊息,而這些訊息會隨著原始來源的頁面變化而自動更新。

因此,當我們在搜尋人物、地點、組織等訊息時,知識面板可以直接將相關內容匯整為一張知識面板放在搜尋頁面的右側。目前這個面板中所收納的內容已經相當豐富,以蘋果的知識面板為例,我們可以直接在知識面板中找到蘋果這家公司的基本介紹、股價訊息、業務範圍、售後電話、社交帳戶頁面、熱門產品等等,比起跳轉到網路裡的某個角落才能找到官網的體驗來說,這樣的知識面板能夠大幅提高話題訊息的檢索效率。

截圖自Google

儘管知識面板偏居一隅,但是Google對它還算上心。按照Google的說法,截至2020年5月,知識面板已經收集了約50億個實體、超過5,000億個名詞實例,說它是一本藏在Google搜尋引擎裡的「百科全書」也不為過。

哪些結果排前面?不是錢說了算

精選摘要也好,知識面板也罷,這些都可以簡單歸納到快速答案範疇內。假如把整個搜尋過程比擬為一頓飽餐,精選摘要及知識面板只不過是餐前甜點,搜尋結果裡的頁面主體內容才是正餐。

因此,很多人在瀏覽Google搜尋結果的時候,隨著滑鼠的滾輪不斷滑動、藍色的超連結飛速掠過,很自然地就會有一個不成熟的想法:這麼多的搜尋結果是如何排序的?前面這幾個會不會跟某些搜尋引擎一樣是收了錢的?

截圖自Google

這個問題就涉及到了搜尋排名的演算法。

最為大眾所熟知的搜尋排名演算法,應該就是PageRank了。這也是Google早期使用對網頁進行的排名演算法。沒錯,這個演算法正是用Google創辦人之一的 賴瑞.佩吉Larry Page )來命名。

Google官網

雖然Google主要靠廣告獲利,影響搜尋結果的排名主要還是演算法本身,但沒有十全十美的事物,演算法同樣也存在著問題。PageRank的缺陷包括「舊的頁面排名往往會比新頁面高」,因而成為某些人「刷排名」的漏洞。正因如此,Google在2016年關閉了PageRank數據所開放的大門。

正所謂條條大路通羅馬,儘管時間在變、演算法在變,Google也表示搜尋結果排名的初心並沒有變。按照Google的說法,目前Google搜尋引擎的排名系統是以質量為導向的,它由一系列演算法組成,在搜尋過程中,我們搜尋的字詞、目標網頁的相關性、可用性、來源專業程度等等都會影響到演算法和頁面的最終排名。用戶搜尋話題的性質不同也會影響頁面的內容排序。

截圖自Google

以某種程度上來說,Google現階段的排名演算法其實是有點「黑盒子」,它不像早年PageRank那般公開透明,但依然維持著較高的搜尋結果質量——當然,Google用來「養家糊口」的廣告往往還是會排在搜尋結果的上面。

用人力保證搜尋結果的質量

講了這麼多預測、知識圖譜與演算法,保證Google搜尋結果質量的最後一環竟然還是人。

就像上述提到的「羅馬人夜間用日晷計時」那則笑話一樣,搜尋結果詞不達意,甚至會發生答非所問的情況,而演算法很難自查。為了減少類似的情況,Google充分調動某部分人的智慧:

  • 專家、權威機構 。在搜尋健康財務、公民訊息(civic-information)和危機情況等話題時,我們能直接在搜尋結果中優先看到來自當地政府等權威機構的訊息。這樣我們就能從源頭上得到可靠的訊息。

  • Google的內部團隊 。這當中有兩支團隊:一支是專門的研究團隊,一支則是內容審查團隊(enforcement team)。前者透過對世界各地的具體情況進行「實地考察」來改進個性化的搜尋質量;後者則依照Google的政策,處理那些系統沒有攔截的違規內容。

  • 搜尋質量評分員 (Search Quality Rater)。他們是對搜尋質量進行EAT評級的人,EAT評級反映了搜尋結果的專業性(Expertise)、權威性(Authoritativeness)和可信度(Trustworthiness)。評分員同時也是幫助Google評估用戶在搜尋行為上實際體驗的人。根據Google的數據,目前參與這些工作的評分員有10,000多人。

評分員在開始提供評分服務之前,需要學習Google所發布的《搜尋質量評分者指南》並通過相關考試。整個評估工作也要遵守該則指南來進行。

除了以人類智慧來彌補演算法的不足之外,Google同樣沒有放棄對演算法進行優化。以「網頁的相關性及可用性」而言,Google擁有多種語言理解系統。這些語言理解系統中存有對應拼寫錯誤、同義詞等內容,以及AI。透過這些系統,Google得以了解與搜尋最相關的結果並進行改善。

 延伸閱讀:Google搜尋增加新功能,靠AI助攻!走音也能找到歌、開Google Maps看餐廳人潮

配合人為主導的並行實驗、實時流量實驗等一系列的工作,最終Google得以保證用戶在Google搜尋引擎中的實際體驗。根據Google揭露的數據,2019年他們與搜尋質量評分者一共進行了383,605餘次的搜尋質量測試、62,937次並行實驗、17,523次實時流量實驗,這些努力皆幫助Google對搜尋演算法進行了3,600多次改進。

修正前與修正後的精選摘要答案對比。
截圖自Google

小結

一次簡單的搜尋行為、一個稀鬆平常的搜尋結果頁面,其背後的演算法、原理、構成和人力因素其實都是複雜且精妙的。

網路發展不斷向前,用戶的搜尋需求也水漲船高,也正是因為Google在「搜尋」這件事情上的不斷改進和優化,才讓它最終成為了不少人心中最可靠的首選。

責任編輯:文潔琳、蕭閔云
本文授權轉載自:少數派

延伸閱讀

每日精選科技圈重要消息