第1765章 遇到问题，分析问题，解决问题
贾瀞雯回到北京时是周一早上。
她没回家，直接拖著行李箱去了办公室。
团队五个人都在，正围在白板前爭论什么。
看到她进来，所有人都转过头。
“贾总回来了！”
“陈总有什么指示吗？”
贾瀞雯放下行李箱，脱掉外套：“先说说你们这边的进展。”
李明赶紧匯报：“索引结构优化做了第一版，测试结果显示查询速度能提升百分之二十左右。
但有个问题，內存占用增加了。”
“分词算法呢？”
张涛接过话：“常见歧义解决了一部分，但遇到新的问题。
比如『南京市长江大桥』，可以分成『南京市长-江大桥』，也可以分成『南京市-长江大桥』。
这种结构歧义，靠词典解决不了。”
贾瀞雯点点头，走到白板前。
她拿起笔，在空白处写下几个字：超链分析。
“陈总提出了一个新概念。”她转身看著团队，“叫超链分析。
简单说，就是通过分析网页之间的连结关係，来判断网页的重要性。”
五个人都愣了。
“连结关係？”王磊问，“什么意思？”
“一个网页如果被很多其他网页连结，说明它可能比较重要，比较权威。”贾瀞雯解释，“反过来，如果一个网页连结了很多重要网页，那它自己可能也是个枢纽。
通过分析整个网络的连结结构，我们可以给每个网页打分，这个分数可以用於搜索结果排序。”
会议室里安静了几秒。
李明眼睛慢慢亮起来：“这思路……太牛了。
等於是把整个网际网路当成一个投票系统，每个连结就是一票。”
张涛也反应过来：“对！这样就能解决垃圾页面堆关键词的问题了。
那些垃圾页面不会被其他页面连结，分数自然低。”
“但实现起来很难。”王磊皱起眉，“我们需要分析整个网络的连结结构，这计算量太大了。”
贾瀞雯放下笔：“所以陈总说了，先做简化版。
不分析整个网络，只分析我们已收录的十万网页。
先验证这个思路是否可行。”
她看著团队：“陈总给了两周时间。
两周內，我们要做出超链分析的第一版，集成到排名算法里。”
任务定下来了，但怎么开始，谁都没底。
第一天，团队在查阅资料。
超链分析这个概念，国外有论文提到过，但没见到实际应用。
他们需要自己从头设计算法。
第二天，李明在白板上画出了第一版架构图：“我们需要建两个矩阵。
一个记录每个网页的出链，一个记录入链。
然后叠代计算，直到收敛。”
los angeleslos angelesdating
“收敛条件呢？”
“每个网页的分数变化小於某个閾值。”
“计算量还是大。”张涛摇头，“十万网页，矩阵就是一百亿个元素。
现在的伺服器算不动。”
第三天，陈浩打电话来了。
“遇到困难了？”他问。
贾瀞雯实话实说：“算力不够。
团队说矩阵太大，叠代计算需要的时间太长。”
电话那头沉默了一会儿。
“可以简化。”陈浩说，“第一，不需要算所有网页。
只计算有入链的网页，那些孤立页面直接给最低分。
第二，叠代可以分批进行，不需要一次性算完。
第三，分数不需要精確到小数点后很多位，整数就行。”
贾瀞雯把这些记下来，转告给团队。
李明听了，一拍大腿：“对啊！我们可以分块计算！先把网页按连结关係分组，组內叠代，组间再叠代。
这样內存占用能降下来。”
思路打开了，进展就快了。
第一周结束时，他们做出了简化版的超链分析算法。
测试数据很小，只有一千个网页，但结果令人鼓舞——重要网页的分数確实高，垃圾网页的分数確实低。
第二周，开始集成到真实数据里。
问题又来了：十万网页的连结关係太复杂，计算一次要八个小时。
“太慢了。”张涛盯著屏幕，“如果每天都要重新计算，根本跟不上网页更新的速度。”
贾瀞雯给陈浩打电话。
这次陈浩的建议很直接：“增量更新。
每天只计算新增网页和发生变化的部分，其他的用缓存。”
又是新的挑战。
但团队已经適应了这种节奏——遇到问题，分析问题，解决问题。
第二周周四晚上，李明从座位上跳起来。
“出来了！第一次完整计算完成！”
所有人围过去。
屏幕上显示著计算结果：十万网页，每个都有一个分数。
排在前面的，確实是那些权威网站，新闻门户，高校主页。
排在后面的，大多是个人主页或者gg页面。
“集成到排名算法里测试一下。”贾瀞雯说。
李明敲了几行代码，启动测试程序。
输入几个关键词，搜索结果按新算法排序。
效果明显。
之前搜“电脑价格”，前排结果里总有几个堆关键词的垃圾页面。
现在那些页面不见了，取而代之的是真正的电脑报价网站。
“准確率！”张涛喊，“测试集准確率升到百分之六十二了！”
办公室响起掌声。
连续两周的加班，值了。
周五，贾瀞雯让大家休息一天。
她自己没休息，去了中关村的一栋写字楼。
公司该换个地方了。
现在那个八十平米的办公室，六个人已经挤得不行。
隨著超链分析的实现，团队还要招人，需要更大空间。
她看中了一间两百平的办公室，在五楼，视野不错。
租金不便宜，但还能承受。
签完租约，她开始联繫装修。
简单装修，隔出办公区、会议室、休息区，还要有个小厨房。
同时，招聘启事也发出去了。
这次她要招十五个人：算法工程师、前端开发、系统架构师、还有產品和运营。
简歷像雪片一样飞来。
百度公测后的知名度，加上中关村的地理位置，吸引了很多求职者。
贾瀞雯亲自面试了每一个技术岗位。
她问的问题很实际：你怎么理解搜索？如果让你优化排名算法，你会怎么做？中文分词最大的难点是什么？
有的候选人答得好，有的答得一般。
她最终录用了十五个人，加上原来的五个，团队扩充到二十人。
【跪求礼物，免费的为爱发电也行！】
她没回家，直接拖著行李箱去了办公室。
团队五个人都在，正围在白板前爭论什么。
看到她进来，所有人都转过头。
“贾总回来了！”
“陈总有什么指示吗？”
贾瀞雯放下行李箱，脱掉外套：“先说说你们这边的进展。”
李明赶紧匯报：“索引结构优化做了第一版，测试结果显示查询速度能提升百分之二十左右。
但有个问题，內存占用增加了。”
“分词算法呢？”
张涛接过话：“常见歧义解决了一部分，但遇到新的问题。
比如『南京市长江大桥』，可以分成『南京市长-江大桥』，也可以分成『南京市-长江大桥』。
这种结构歧义，靠词典解决不了。”
贾瀞雯点点头，走到白板前。
她拿起笔，在空白处写下几个字：超链分析。
“陈总提出了一个新概念。”她转身看著团队，“叫超链分析。
简单说，就是通过分析网页之间的连结关係，来判断网页的重要性。”
五个人都愣了。
“连结关係？”王磊问，“什么意思？”
“一个网页如果被很多其他网页连结，说明它可能比较重要，比较权威。”贾瀞雯解释，“反过来，如果一个网页连结了很多重要网页，那它自己可能也是个枢纽。
通过分析整个网络的连结结构，我们可以给每个网页打分，这个分数可以用於搜索结果排序。”
会议室里安静了几秒。
李明眼睛慢慢亮起来：“这思路……太牛了。
等於是把整个网际网路当成一个投票系统，每个连结就是一票。”
张涛也反应过来：“对！这样就能解决垃圾页面堆关键词的问题了。
那些垃圾页面不会被其他页面连结，分数自然低。”
“但实现起来很难。”王磊皱起眉，“我们需要分析整个网络的连结结构，这计算量太大了。”
贾瀞雯放下笔：“所以陈总说了，先做简化版。
不分析整个网络，只分析我们已收录的十万网页。
先验证这个思路是否可行。”
她看著团队：“陈总给了两周时间。
两周內，我们要做出超链分析的第一版，集成到排名算法里。”
任务定下来了，但怎么开始，谁都没底。
第一天，团队在查阅资料。
超链分析这个概念，国外有论文提到过，但没见到实际应用。
他们需要自己从头设计算法。
第二天，李明在白板上画出了第一版架构图：“我们需要建两个矩阵。
一个记录每个网页的出链，一个记录入链。
然后叠代计算，直到收敛。”
los angeleslos angelesdating
“收敛条件呢？”
“每个网页的分数变化小於某个閾值。”
“计算量还是大。”张涛摇头，“十万网页，矩阵就是一百亿个元素。
现在的伺服器算不动。”
第三天，陈浩打电话来了。
“遇到困难了？”他问。
贾瀞雯实话实说：“算力不够。
团队说矩阵太大，叠代计算需要的时间太长。”
电话那头沉默了一会儿。
“可以简化。”陈浩说，“第一，不需要算所有网页。
只计算有入链的网页，那些孤立页面直接给最低分。
第二，叠代可以分批进行，不需要一次性算完。
第三，分数不需要精確到小数点后很多位，整数就行。”
贾瀞雯把这些记下来，转告给团队。
李明听了，一拍大腿：“对啊！我们可以分块计算！先把网页按连结关係分组，组內叠代，组间再叠代。
这样內存占用能降下来。”
思路打开了，进展就快了。
第一周结束时，他们做出了简化版的超链分析算法。
测试数据很小，只有一千个网页，但结果令人鼓舞——重要网页的分数確实高，垃圾网页的分数確实低。
第二周，开始集成到真实数据里。
问题又来了：十万网页的连结关係太复杂，计算一次要八个小时。
“太慢了。”张涛盯著屏幕，“如果每天都要重新计算，根本跟不上网页更新的速度。”
贾瀞雯给陈浩打电话。
这次陈浩的建议很直接：“增量更新。
每天只计算新增网页和发生变化的部分，其他的用缓存。”
又是新的挑战。
但团队已经適应了这种节奏——遇到问题，分析问题，解决问题。
第二周周四晚上，李明从座位上跳起来。
“出来了！第一次完整计算完成！”
所有人围过去。
屏幕上显示著计算结果：十万网页，每个都有一个分数。
排在前面的，確实是那些权威网站，新闻门户，高校主页。
排在后面的，大多是个人主页或者gg页面。
“集成到排名算法里测试一下。”贾瀞雯说。
李明敲了几行代码，启动测试程序。
输入几个关键词，搜索结果按新算法排序。
效果明显。
之前搜“电脑价格”，前排结果里总有几个堆关键词的垃圾页面。
现在那些页面不见了，取而代之的是真正的电脑报价网站。
“准確率！”张涛喊，“测试集准確率升到百分之六十二了！”
办公室响起掌声。
连续两周的加班，值了。
周五，贾瀞雯让大家休息一天。
她自己没休息，去了中关村的一栋写字楼。
公司该换个地方了。
现在那个八十平米的办公室，六个人已经挤得不行。
隨著超链分析的实现，团队还要招人，需要更大空间。
她看中了一间两百平的办公室，在五楼，视野不错。
租金不便宜，但还能承受。
签完租约，她开始联繫装修。
简单装修，隔出办公区、会议室、休息区，还要有个小厨房。
同时，招聘启事也发出去了。
这次她要招十五个人：算法工程师、前端开发、系统架构师、还有產品和运营。
简歷像雪片一样飞来。
百度公测后的知名度，加上中关村的地理位置，吸引了很多求职者。
贾瀞雯亲自面试了每一个技术岗位。
她问的问题很实际：你怎么理解搜索？如果让你优化排名算法，你会怎么做？中文分词最大的难点是什么？
有的候选人答得好，有的答得一般。
她最终录用了十五个人，加上原来的五个，团队扩充到二十人。
【跪求礼物，免费的为爱发电也行！】