笔者一直从事中文自动分词的研究，其中一个朴素的想法就是该研究对WWW上的中文搜索引擎一定会有帮助，但又常常为开放环境下自动分词难以达到满意的精度而苦恼。近来忽似有所悟，在此将点滴心得写出来，以抛砖引玉。一个关于中文搜索引擎的“有趣”体验
　　先讲一段笔者的“有趣”经历。一日，偶然想在WWW上查找与日本“和服”有关的资料。打开Yahoo China（http://cn.yahoo.com/）的搜索引擎，很自然地选择“和服”作为query。
　　检索结果完全出乎意料：找到了255个“相关网站”，却鲜有与“和服”相关者，如:“中国人才热线 GB - 提供招聘及求职的资讯和服务”。在255个网站中逐一查看实不能忍受，重新（即独立于以前的检索结果，下同）键入“和服” and “日本”，希望能缩小搜索范围。这次只得到一个与“和服”相关的网站：“宁波市江东星星丝织腰带厂 GB - 从事日本和服腰带的刺绣及制造”。

　　笔者不相信诺大的Yahoo China仅存此硕果，故又试“和服” and “服装”。这次共返回45个网站，但相关的仍只有“宁波市江东星星丝织腰带厂”，检索精度为1/45。笔者着实感到疑惑：难道真的要守宝山空手而归吗？脑海中忽跳出一个绝妙好词：“日式”，赶快键入“和服” and “日式”，终于挖出不少“宝”来：返回了1140个网页（不知为什么，查的是“相关网站”，操作也与以前完全相同，但反馈却死活都是“相关网页”），其中不乏与“和服”相关的内容，如：“和服文化“，下面是和服、日式服装商品的市场和其他纤维制品市场的比较图……”终于“大功告成”，当时心里一阵轻松。过后回想此事，却觉得不那么简单：如果想不出“日式”这个词，还要试多少个其他词？又有多少个相关的网页笔者根本就无从知道？不确定性太强了，似乎并不很易琢磨。检索好像成了一门“艺术”，而不是一门“技术”。

　　中文搜索引擎性能的初步测试=版权所有 

[1] [2] [3] [4] 下一页