Google 未来搜索演变的四张王牌

资讯频道 → 互联网

1顶
1踩

2011-12-06 16:15 by 副主编 wangguo 评论(0) 有3710人浏览

Google 搜索 Google+

你可以通过这篇文章来了解谷歌搜索的发展历史。那么看过历史之后，Google搜索的未来又是怎样的呢？我们一起来看看Google未来搜索演变的四张王牌。

1. 整合搜索

Google在2007年开始就有将网页搜索结果进行有效分类并将他们放在同一服务器上的趋势。但随着互联网连接速度的提高以及视频、图片等内容的普及，Google发现即使是不同类型的文件也有可能因搜索结果相互关联。很快，Google进行了调整，让用户经过一次搜索就能找到包括视频、图片等在内的不同类型的内容。

而且Google认为未来还能做的更好，通过扩展搜索服务功能打造更专业的搜索工具来更好地组织和表现不同类型索引的内容。同时他们还可以整合旗下的YouTube，建立其他诸如新闻、地图、位置、购物等更多的专用网页内容。相比那些单一的内容提供商，Google在多内容整合搜索上明显拥有更强的竞争力。

2. 移动和本地化搜索

很快，Google将深入打造本地化电子商务的搜索业务。随着Android系统的增长，Google已经拥有一个为当地企业、餐馆、目的地提供基于本地搜索结果的终端对终端（end-to-end）平台。它可以建立一个像日常交易和移动支付一样的货币化电子商务平台。同时本地化搜索也能为商户带来更丰富的广告流量，Google很快就能做出手机搜索和手机广告服务。

通过Google地图和相关的位置搜索，即使是在PC端，Google搜索的本地化也是整合搜索的一个重要部分。这种专业的本地化商业搜索服务将会直接和大众点评、Yelp这一类的点评网站竞争，给这些网络点评分享网站带来很大的威胁。

3. 时间概念

Google搜索几乎没有地域限制，而且时间概念对搜索的重要性也已经微乎其微。用户搜出的结果都是最近几天或几小时的，人们不必再去分辨每条结果的新旧程度。经过多次搜索之后，及时性的搜索结果将时间概念弱化。同时在Google最近的算法更新上，新的结果要比旧的更容易搜索到。

同时，Google在搜索中改变了以往搜索的特点，在搜索过程中就即时显示最新的搜索结果。比如说你马上要出去，当你点击搜索按钮时，Google会直接把先搜到的结果提前显示出来，而不需等待整个搜索过程完成才显示结果。

4. Google+

用户是Google搜索最后的一张王牌。通过用户的历史搜索和信息关注类型，Google可以根据用户喜好和使用习惯来提供更人性化的结果。Google+发布之后，Google可以对每个用户的社交活动进行分析，这样用户的Google+帐号就为Google更个性化的搜索提供了一个基本依据。

现在“+1”按钮和“Twitter”、“Facebook”按钮一样遍布于各个网站。Google通过这种分享动作来分析用户的喜好，这个按钮体现了用户最个性化的想法，同时也是最复杂的。如果用户使用Google+帐号，Google就可以更好的判别出用户想要的结果。

在这个互联网急速发展的时代，网络巨头无疑是引导互联网潮流的领军者。随着Google搜索的演变，大量的衍生技术和创新产业会被创造出来。如果不能替代Google，至少可以和它一起在互联网新浪潮中分一杯羹。

Via ReadWriteWeb

查看图片附件

来自: 36氪

分享到：

1
顶

1
踩

评论共 0 条请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

现代间谍技术的演变：从“王牌特工”到“行走的50w”

这意味着，国家不能像冷战时期那样控制情报的收集和分析，情报战争正在演变成一场人民战争。培养公众的情报意识，正在成为一个关乎国家安全的新课题。（俄罗斯部署的火炮）窥探活动泛化，情报的应用场景也变了。 ...

阿里云王牌架构师二问开发者：容器和虚拟化你会怎么选？

世界最大混合云的总架构师，4年前，开始作为双11阿里云技术负责人，负责搭建全球最大的混合云结构，把 “双11”的电商业务和技术场景在阿里云上实现，并保障这个混合云在双11当天能够满足全球客户的购物需求。...

出走的门徒之四：丰元创投朱会灿：冒险的牧师

谷歌的搜索是绝对意义上的王者，有了这一王牌，让它更愿意去做一些长远性、冒险性的项目，愿意去为这种风险承担后果。例如再做安卓系统，也是冒险的尝试之一”。朱会灿说，而腾讯不一样。腾讯提出的微创新，是一种...

互联网盈利模式77种创新

1．四个巨人的新武器　IBM公司董事长兼首席执行官路易斯·格斯特纳曾表示，雨后春笋般冒出来的网络公司并不意味着网络风暴的来临，只有当世界级大公司抓住互联网的力量并用它来改造自身的时候，才表明网络风暴的...

77种互联网盈利创新模式

四个巨人的 " 新武器 " 　 IBM 公司董事长兼首席执行官路易斯 · 格斯特纳曾表示，雨后春笋般冒出来的网络公司并不意味着网络风暴的来临，只有当世界级大公司抓住互联网的力量并用它来改造自身的时候，才表明网络...

移动支付帝国战：谷歌、苹果、Facebook、亚马逊孰胜孰负？

摘要：移动支付这块蛋糕引得众人觊觎，Google Play服务不动声色地将Android打造成为现实世界的购物平台，iOS慢一拍，亚马逊完全依赖平台，Facebook广告满天飞。营销方式含蓄、应用数量惊人，Google这场仗赢得漂亮。 ...

互联网盈利模式77种创新(it.icxo.com)

比较不错的互联网盈利模式分析

互联网盈利模式77种创新【很八股的标题，不过内容还是可以参考一下的】

风物长宜放眼量，人间正道是沧桑 - 一位北美 IT 技术人破局

引言我对于本科时光的印象，还停留在...每当夜深人静，思绪归于对自己人生未来的严肃思考，不知去往何处的苦闷，再加之不断迫近的升学/就业选择的压力，尤其是一些看似周密的计划，由于想把每一环都做的尽善尽美，...

spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip

# 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】中包含：中文文档：【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址：【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖：【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖：【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】源代码下载地址：【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字： spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法：解压【spring-ai-bedrock-converse-1

房地产 -可视化管理课件.ppt

tokenizers-0.18.0.jar中文-英文对照文档.zip

# 【tokenizers-***.jar***文档.zip】中包含： ***文档：【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址：【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖：【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖：【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】源代码下载地址：【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字： tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法：解压【tokenizers-***.jar***文档.zip】，再解压其中的【tokenizers-***-javadoc-API文档-中文(简体)版.zip】，双击【index.html】文件，即可用浏览器打开、进行查看。 # 特殊说明： ·本文档为人性化翻译，精心制作，请放心使用。 ·只翻译了该翻译的内容，如：注释、说明、描述、用法讲解等； ·不该翻译的内容保持原样，如：类名、方法名、包名、类型、关键字、代码等。 # 温馨提示：（1）为了防止解压后路径太长导致浏览器无法打开，推荐在解压时选择“解压到当前文件夹”（放心，自带文件夹，文件不会散落一地）；（2）有时，一套Java组件会有多个jar，所以在下载前，请仔细阅读本篇描述，以确保这就是你需要的文件； # Maven依赖： ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖： ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package（包）： ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class（类）： ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu

基于MATLAB的BP神经网络预测模型构建与应用

内容概要：本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先，通过读取Excel数据并进行预处理，如归一化处理，确保数据的一致性和有效性。接着，配置网络结构，选择合适的训练算法（如SCG），设置训练参数（如最大迭代次数、目标误差等）。然后，进行模型训练，并通过可视化窗口实时监控训练过程。训练完成后，利用测试集评估模型性能，计算均方误差（MSE）和相关系数（R²），并通过图表展示预测效果。最后，将训练好的模型保存以便后续调用，并提供了一个简单的预测函数，确保新数据能够正确地进行归一化和预测。适合人群：具有一定MATLAB基础，从事数据分析、机器学习领域的研究人员和技术人员。使用场景及目标：适用于需要对多维数据进行预测的任务，如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统，提高预测准确性。其他说明：文中提供了完整的代码框架和详细的注释，便于理解和修改。同时，强调了数据预处理的重要性以及一些常见的注意事项，如数据量的要求、归一化的必要性等。

tokenizers-0.22.1.jar中文-英文对照文档.zip

基于蒙特卡洛算法的电动汽车对IEEE 33节点电网影响的研究及应用场景分析

内容概要：本文探讨了电动汽车（EV）对IEEE 33节点电网的影响，特别是汽车负荷预测与节点潮流网损、压损计算。通过蒙特卡洛算法模拟电动汽车负荷的时空特性，研究了四种不同场景下电动汽车接入电网的影响。具体包括：负荷接入前后的网损与电压计算、不同节点接入时的变化、不同时段充电的影响以及不同负荷大小对电网的影响。通过这些分析，揭示了电动汽车充电行为对电网的具体影响机制，为未来的电网规划和优化提供了重要参考。适合人群：从事电力系统研究的专业人士、电网规划工程师、电动汽车行业从业者、能源政策制定者。使用场景及目标：①评估电动汽车大规模接入对现有电网基础设施的压力；②优化电动汽车充电设施的布局和运营策略；③为相关政策和技术标准的制定提供科学依据。其他说明：文中提供的Python代码片段用于辅助理解和验证理论分析，实际应用中需要更复杂的模型和详细的电网参数。

房地产 -【万科经典-第五园】第五园产品推介会.ppt

稳压器件.SchLib

1.jpg

模拟符号.SCHLIB

1顶1踩