Google开始研究Web中的结构化数据

互联网的搜索引擎们把主要精力都放在采集web页面的文本信息上,但是google却在研究如何分析和组织结构化数据方面小有所成,该公司的一位科学家上周五表示.

“在web之外存在着大量的结构化数据,但我们却并没有很好地将这些数据展示给用户.”在马萨诸塞州技术研究院举行的新英格兰数据库日会议中,Alon Halevy在一次谈话中这样说道.Halevy还谈到了所谓的“深Web”源,比如为 Cars.com 或者 Realtor.com这类表单驱动型网站做后台支撑的数据库资源.Google一直都在不停的向各种表单提交查询请求,然后对返回的结果进行分析,最后 将有用的内容加入到索引当中.

但是该公司仍然希望web站点们能够将数据存放到结构化的表格中供google分析,Halevy说,例如在web页面上提供一个表格列举出历任美国总统.

但是这样的表格也是数量巨大的,据Halevy说,google的索引中已经收录了140亿个.他“很快就意识到其中有超过98％的内容是用户不感兴趣的,”但即使经过了仔细的筛选之后,仍然有1亿5400万个表格值得被google索引.

Google的一个终极目标就是把一个搜索请求的结果组织成“各个方面”返回给用户,特别是像“越南旅游”这种比较宽泛的关键字,而不是“越南人口”这种非常具体的关键字,Halevy说,前面的搜索请求可能会产生关于签证条件、气候、旅行团等这类信息.

Kosmix已经在做这个点子了,但是google将会做的更多,Halevy说,“Kosmix的确能够展示出'方面',但是它依赖于特定的信息源.”

在Kosmix上搜素“越南旅游”,它会给你提供一个结果集,包括纽约时报关于酒店的评论,来自雅虎和Flickr的图片,来自Shopping.com的购物信息以及来自google的其他信息.

“而我们则不同,各方面信息都来自于web的搜索结果,但会以不同的方式组织起来.”Halevy说.