一种改变标准的谷歌关键词搜索的新方式.doc

一种改变标准的谷歌关键词搜索的新方式昨天，谷歌发布“Talk to Books”（撩书？）和一个名为Semantris的游戏。这两项都是基于自然语言文本理解，用户能够凭语义而非关键词来实现搜索功能。这些创新来源于“在向量空间中表示语言”想法的延伸，以及词向量模型的发展。未来的搜索，可能不需要输入关键词，直接表达想法就好。谷歌昨晚放出大招：上线Semantic Experiences（语义体验）网站，网站有两项特殊功能，一个是“Talk to Books”（撩书？），一个是名为Semantris的语义联想游戏。这两个大招都是基于自然语言文本理解，用户能够凭语义而非关键词来实现搜索功能。过去几年里，自然语言理解（Natural language understanding）有了很大发展，部分原因是词向量（word vectors）的发展使得算法能够根据实际语言使用的例子来理解单词之间的关系。这些向量模型根据概念和语言之间的等价性、相似性或相关性将语义上相似的短语映射到相近的点。去年，谷歌已经使用语言的分层向量模型（hierarchical vector models）改进了Gmail的智能回复。当“Talk to Books”时，只需要输入模糊的词汇，算法模型会在超过10万本书中搜索对应的每一个句子，以查找最有可能在对话中匹配的书籍，摆脱了以往通过书名或作者的搜索方式。“Semantris”是一个单词语义联想游戏，当输入单词时，游戏会对屏幕中所有单词进行评分，简单有趣。这篇博客由著名的未来学家、谷歌研究的工程总监Ray Kurzweil和产品经理Rachel Bernstein发布，博客地址：https:/research.googleblog/2018/04/introducing-semantic-experiences-withl?m=1游戏试玩地址：https:/research.google/semantris/谷歌还公开了论文“Universal Sentence Encoder”，论文中详细描述了这些示例所使用的模型。此外，谷歌Semantic Experiences网站还在TensorFlow平台上提供了一个预先训练好的模型供其他研究人员进行实验。不用关键词，轻松去“撩书”“Talk to Books”可以让用户与用机器学习训练的算法进行对话，该算法可以从人写的文本中找到相关段落的答案。“撩书”的方法很简单：你只要输入一句话，这句话可以是一个陈述句或一个疑问句，然后而“Talk to Books”会在书中找到相应的句子，完全不依赖于关键字匹配。比如，问“为什么天空是蓝色的?”你会得到很多不同的答案，这些答案都是在清晰的文本中显示出来的，并且显示来自于关于这个主题的书籍。这种做法改变了以往使用标准的谷歌关键词搜索的方式，并且也不需要必须点击链接并解析文章或网页。此外，“Talk to Books”的Web界面非常整洁、完美（更没有竞价排名的医疗小