算法簡介
谷歌搜尋算法這是一個很普通的搜尋，谷歌每天要處理成千上萬的這種搜尋。但事實上這一搜尋過程十分複雜，可能使一些搜尋引擎誤解。如果把這些單詞輸入到必應，第一個結果是美國國家橄欖球聯盟的歷年球員名單，其中有一個名叫Lawyer Milloy。搜尋結果中的下面幾頁，也沒有與律師Siwek相關的內容。
這一對比顯示出谷歌算法的強大，甚至可以說是智慧型，而這是通過反覆的修正實現的。看起來谷歌擁有解讀用戶需求的神奇力量——不論是多么生僻的搜尋，或是有拼寫錯誤。谷歌將這種能力稱為搜尋質量，並且多年來一直竭力完善算法，以產生精確的搜尋結果。
算法創始
谷歌算法始於PageRank，這是1997年拉里·佩奇(Larry Page)在史丹福大學讀研究生時開發的。佩奇的創新性想法是：基於入連結的數量和重要性對網頁進行評級，也就是通過網路的集體智慧確定哪些網站最有用。隨著谷歌迅速成為網際網路上最成功的搜尋引擎，佩奇和谷歌的另一名創始人塞吉·布林(Sergey Brin)將PageRank這一簡單概念看做谷歌的最根本創新。
但這並不是故事的全部。人們信賴PageRank是因為它是可以進行確認的，但要提供最有用的結果還需要其他技術。這涉及對某些信號、上下文的利用，這樣對於任何查詢，搜尋引擎都能將最有用的結果排在最前面。
背景知識
網路搜尋是一個多方過程。首先，谷歌機器人獲取每個可訪問網站的內容。這些數據將被分解成一個索引(通過文字進行組織，就像書本的目錄)，這樣就可以根據內容找到任何頁面。每當用戶鍵入一個查詢，谷歌就會在索引中搜尋相關頁面，然後返回一個包含多達數百萬頁面的列表。最複雜的是對列表進行排序，也就是決定哪些頁面應該出現在最上面。
此時，上下文便有了用武之地。所有搜尋引擎都會引入上下文，但沒有一個像谷歌那樣引入得那樣多、套用那樣自如。PageRank本身也是一個信號，同時也是頁面的一個屬性(指其相對於其他網頁的重要性)，該屬性可以幫助確定其與查詢內容的相關性，其中的一些信號在現在看來是顯而易見的。
最佳化搜尋
一直以來，谷歌算法都對頁面的標題給與特別的關注，因此標題成為確定相關性的重要信號。另一個重要技術是錨文本，指的是超連結中的可見文本。因此，“當你進行搜尋時，搜尋引擎總能給出正確的頁面，即使該頁面中沒有你找的關鍵字。”這是谷歌早期架構師斯科特·哈桑(Scott Hassa)的觀點，他曾與佩奇和布林一起在斯坦福工作。之後，搜尋引擎關注的信號還包括新鮮度(對於一些查詢，新近的頁面比較早的頁面更有價值)和地理位置(谷歌知道搜尋者的大致地理坐標，會將本地信息排在前面)等。谷歌目前使用200多種信號來幫助確定搜尋結果的排序。
谷歌工程師發現，一些最重要的信號可能來自谷歌本身。PageRank將受歡迎程度植入了搜尋引擎：成千上萬的網站民主地決定將連結指向哪些網站。但辛格表示，谷歌工程師還利用了另一種民主——成千上萬使用谷歌搜尋的用戶。用戶在搜尋過程中產生的數據被證明同樣很有價值，這些數據包括他們點擊哪些結果、不滿意時對關鍵字的更改、查詢關鍵字與所處地理位置的關係等。這一過程的最直接例子就是谷歌所說的“個性化搜尋”——這是一個可選功能，利用用戶的搜尋歷史和地理位置來確定他想要找的內容(使用這項功能需要先登錄谷歌賬號)。更通常的方法是，谷歌利用其收集的大量數據支持其算法，谷歌對此有極深的理解，可以解讀隱秘查詢的複雜意圖。
識別語義
谷歌以善於鼓勵這些創新而聞名，每年公司都會舉辦“瘋狂搜尋創意”內部展示活動，以便鼓勵那些離奇但有套用潛力的創新。但大多數時候，改進的過程是充滿艱辛的，需要矢志不渝的精神，需要面對嘗試過程中的打擊。有一個不成功的搜尋已經成為傳奇：2001年，辛格得知輸入“audrey fino”時無法搜到預期內容，而只是返回一些讚揚奧黛麗·赫本(Audrey Hepburn)的印度網頁，因為在印度語中“fino”是好的意思。辛格說：“我們知道audrey fino是個人名，但我們的系統沒這么聰明。”
這一失敗使辛格花了多年時間，試圖改進谷歌對姓名的搜尋結果——因為姓名占總搜尋量高達8%。為了解決這一問題，他不得不掌握“bi-gram拆分”，也就是將多個詞分割成獨立的單元。比如，“new york”合在一起組成一個bi-gram，指的是紐約。但也有三個字的情況，比如“new york times”，意思是紐約時報，很明顯二者指的不是同一樣東西。如果用戶輸入的是“new york times square”，意思又變成了紐約時代廣場。人類可以很容易做出區分，而谷歌不是由人工控制的，它依靠的是算法。
“Mike Siwek”這一搜尋可以解釋谷歌是如何解決這一問題的。辛格輸入顯示代碼的命令後，我們就可以看到信號是如何決定搜尋結果排序的：通過bi-gram可以確定mike siwek是一個人名，lawyer是一個同義詞，mi是一個地名。辛格說：“從工程師的角度進行解構，系統會對這些詞進行分割，它會發現lawyer不是姓氏，siwek不是中間名。同時lawyer也不是密西根的一個鎮，因此它是attorney的同義詞。”
這是谷歌從無數次搜尋中獲得的可貴知識。石頭可以是“rock”，可以是“stone”，還可以是“boulder”(漂石)。如果用戶輸入“rokc”，谷歌仍會知道他想找的是“rock”。但如果在“rokc”前加“little”，谷歌則會知道這是“Arkansas”(阿肯色州)的首府。“Arkansas”的縮寫是“ark”，與諾亞方舟同形，但谷歌會將二者區分開來。辛格說：“搜尋中最重要的是理解用戶的意圖，因此你不是在匹配詞語，而是在匹配意思。”
谷歌一直在不斷改進。近期，谷歌工程師莫琳·海曼斯(Maureen Heymans)發現了“Cindy Louise Greenslade”的搜尋結果的問題。用戶輸入這些單詞時，算法會認為應該找一個名叫Cindy Louise的人，於是在加利福尼亞的加登格羅夫市找到了一名心理學家，卻沒有把姓名為“Cindy Louise Greenslade”的人的網頁放在結果的前十名。海曼斯發現，這是因為“Cindy Louise Greenslade”習慣將名字縮寫成“Cindy L. Greenslade”。她表示：“我們的搜尋引擎應該更聰明一點。”於是她增加了一個信號，用來尋找中間名的縮寫。現在正確的結果已經被排在了第五位。
不斷創新
在任何時候，谷歌高效運轉的測試系統都會進行幾十個這種改進。谷歌在全世界專門僱傭了上百人，這些人坐在家裡的電腦前判斷更改後的結果是更好還是更差。但谷歌還有一個更大的測試團隊，這就是成千上萬的谷歌用戶，他們不知不覺地加入了這項長期的質量實驗。
每當工程師想測試一項技術調整時，他們會在一小批隨機用戶中運行這些算法，而絕大多數的用戶扮演的是參照組的角色。需要測試的更改太多，因此谷歌放棄了一次只測試一項技術調整的策略。搜尋質量工程師派屈克·賴利(Patrick Riley)表示：“在大多數搜尋過程中，你同時都處於多個‘實驗組’和‘參照組’之中。”但他隨後又做出了更正：“事實上，所有搜尋都被捲入了實驗之中，因此用戶每次用谷歌搜尋，都作了一次‘小白鼠’。”
這種靈活性——增加信號、更改代碼、立即測試的能力——就是谷歌團隊為什麼說他們可以應對來自必應、Twitter和Facebook的任何挑戰的原因。事實上，在過去的六個月中，谷歌進行了200多項改進，其中一些似乎在模仿(但超越了)它的競爭對手(谷歌表示這只是巧合，稱其多年來一直在增加新功能)，其中之一就是實時搜尋。
佩奇數月前曾表示谷歌應該每一秒鐘都搜尋整個網路，因此使這一功能備受期待。當用戶搜尋具有時效性的話題時，谷歌結果頁面的10個藍色連結中會有一個“最新結果”框。該框帶有拖動條，顯示的是從新聞媒體、部落格和Twitter等獲得最新內容。同樣，谷歌使用信號來確保最有用的tweet(Twitter上發布的訊息)出現在實時信息框中。
除了實時搜尋，谷歌還引入了一項新功能，稱作“Goggles”。該功能可以將用戶手機上拍攝的照片視作搜尋請求。谷歌一直努力將搜尋變成一種隨時隨地的行為，“goggles”也是該努力的一部分。有了攝像和語音識別功能，智慧型手機就會變成你的眼睛和耳朵。只要找到正確的信號，任何東西都可以變成搜尋請求。
