211service.com
Hvordan Google rangerer tweets
For at levere nyttige søgeresultater fra det såkaldte realtidsweb – såsom sekunder gamle Twitter-tweets, der rapporterer trafikpropper – har Google tilpasset sin siderangeringsteknologi og udviklet nye algoritmiske tricks og filtre for at holde afkast relevante, ifølge en førende Google ingeniør.
Amit Singhal, Google Fellow
Google lancerede søgeteknologi i realtid i sidste måned for at give søgende adgang til helt nye blogindlæg og nyheder langt hurtigere end de fem til 15 minutter, det tidligere tog Googles webcrawlere at opdage nyoprettede elementer.
Bing, Cuil og andre søgemaskiner leverer også forskellige slags resultater i realtid. Både Google og Bing har også indgået store aftaler med Twitter for at få realtidsadgang til tweets, disse 140-tegns mikroblog-indlæg sendt ud af Twitter-medlemmer. Men Google hævder at tilbyde de mest omfattende resultater i realtid ved at scanne nyhedsoverskrifter, blogs og feeds fra Facebook, MySpace, Twitter og andre kilder.
Tweetsene er en grundpille i Googles resultater i realtid, men Google har ikke tidligere diskuteret, hvordan det rangerer dem. En grundlæggende Google-strategi til at identificere tweet-relevans er analog med den, der bruges af Googles PageRank-teknologi, som hjælper med at finde relevante websider med traditionel websøgning. Under PageRank vurderer Google vigtigheden af sider, der indeholder et givet søgeord, delvist ved at se på sidernes linkstruktur. Jo flere sider, der linker til en side – og jo flere sider der linker til linkerne – jo mere relevant er den originale side.
I tilfælde af tweets er nøglen at identificere velrenommerede følgere, siger Amit Singhal, en Google Fellow, der ledede udviklingen af realtidssøgning. (Twitterere følger kommentarerne fra andre Twitterere, de har valgt, og bliver selv fulgt.)
Du optjener omdømme, og så giver du omdømme. Hvis mange mennesker følger dig, og så følger du nogen – så selvom denne [nye person] ikke har mange følgere, anses hans tweet for værdifuldt, fordi hans følgere selv følges bredt, siger Singhal. Det er bestemt, bestemt mere end en popularitetskonkurrence, tilføjer han.
En bruger, der følger en anden på sociale medier, svarer til, at en side linker til en anden på nettet. Begge dele er en form for anbefaling, siger Singhal. Efterhånden som sider af høj kvalitet linker til en anden side på nettet, stiger kvaliteten af den side, der linkes til. Ligeledes i sociale medier, når etablerede brugere følger en anden bruger, stiger kvaliteten af den fulgte bruger også.
Men Googles social-ranking tricks er næppe den eneste metode, søgegiganten bruger til at udtrække relevans fra tweets. Google udviklede også nye måder at vælge hvilke (hvis nogen) tweets der skal vises for almindelige udtryk som Obama – og for at undgå spam eller tweets af lav kvalitet – alt sammen inden for få sekunder.
Et problem med tweets er, at folk ofte sviner dem op med såkaldte hashtags. Dette er symboler, der starter med et pundtegn (#) efterfulgt af et ord, der repræsenterer et meget populært aktuelt emne, såsom Nexus One eller Earthquake eller hvad der ellers kunne være et trendy emne i øjeblikket. Når et hashtag er inkluderet i et tweet, vil det resulterende tweet dukke op, når andre Twitterere klikker på hashtaggets emneord et andet sted på webstedet.
Selvom sådanne tags med fordel kan maksimere eksponeringen af et tweet, kan de også tjene som røde flag for at sænke tweetkvaliteten og tiltrække spam-lignende indhold, siger Singhal. Selvom han ikke ville komme i detaljer, sagde han, at Google modellerede denne hashtagging-adfærd på måder, der har en tendens til at reducere eksponeringen af tweets af lav kvalitet. Vi var nødt til at modellere den [hashtagging]-adfærd. Det er den tekniske udfordring, som vi gik efter med vores modelleringstilgange, siger Singhal.
Et andet problem: hvordan man, hvis nogen søger efter Obama, kan gennemsøge pressetweets fra Det Hvide Hus og tusindvis af andre for at finde den mest aktuelle og aktuelle information. Google scanner tweets for at finde signalet i støjen, siger han. Et sådant signal kan omfatte et nyt angreb af tweets og andre blogs, der nævner Cambridge politi eller Harry Reid nær omtaler af Obama. Ved at kigge efter sådanne signaler er Google i stand til at levere realtidshits, der indeholder det nyeste emne, selv for meget almindelige søgetermer.
I fremtiden håber både Twitter og Google at forbedre relevansen af søgeresultater i alle sammenhænge ved at tilføje geo-lokaliseringsdata, som kan tilføjes til opslag sendt fra smartphones. Generelt udvikler realtidssøgning sig, siger Dylan Casey, Googles produktchef for realtidssøgning. Jeg taler med gutterne på Twitter med jævne mellemrum for at lære, hvor funktionen er på vej hen. Vi får feedback fra dem, vi giver dem feedback, og vores ingeniører samarbejder. Det er virkelig symbiotisk.
Singhal tilføjede, at Twitter næppe er den eneste kilde til realtidsinformation. Twitter er faktisk en meget vigtig komponent af real-time nettet. Det, vi imidlertid observerer, er, at det kun er en af komponenterne. Der er meget værdi i nyheder, blogs og websider, der bliver genereret i realtid, fordi nyhedsorganisationer arbejder meget hårdt for at få kvalitet til et vist niveau, siger han. Twitter er virkelig nyttigt, fordi det er indhold i kort form. Vi oplever dog, at realtids-nettet er meget større.