第1次搜索引擎评测前，我设了一个粗略的关键词选取原则。现在加以完善和细化：

搜索关键词选择原则

• 关键词易分辨：关键词必须是易分辨的、公认的词或词组，避免选择特殊缩写、过于个性化的用法、新词、专业术语。
• 关键词含义单一：避免选取含义单一的关键词，便于比较结果质量
• 关键词易导致错误：对关键词的分词错误能导致明显和一定数量的错误结果，便于评测分词能力。
• 搜索结果数量较少：不重复的正确结果最好在15-20个，不能超过30个。因为评测只取前30个结果，正确结果过多可能导致错误结果被略过。
• 搜索结果分布广泛：结果要存在于多个网站，以便考验搜索引擎对重复内容的分辨能力。同时，避免搜索引擎屏蔽个别网站导致搜索结果的重大不同。
• 搜索结果易体现时间因素:例如，近期有重大相关事件，但避免用新词
• 搜索结果时间跨度较长：搜索结果时间跨度越长越好

做这些设定是为了充分考验搜索引擎的分词、重复内容和时间因素分辨的能力。同时减少因各搜索引擎收录网站不同对得分的过度影响，创造一个公正的评测环境。

先想到这些，以后慢慢补充。

原文永久链接：https://jijian91.com/blog20070208/search-keyword-choice.html

Ionut Alex. Chitu今天看到了gmail开放注册的界面：

注意”Sign up for Gmail”链接，这应该是注册入口。如果此图是真实的，就意味着一直实行邀请制的gmail开放注册了。
继续…

原文永久链接：https://jijian91.com/blog20070207/gmail-will-open-registeration.html

中文搜索引擎现存问题
综前，目前中文搜索引擎主要存在3个问题：

1.中文分词正确性

分词技术是搜索引擎准确性的关键，也是中文搜索引擎的最核心技术。

本次评测使用的关键词是”油鱼”。严格的说，涉及菜名的搜索结果，例如网油鱼包、蒜油鱼、葱油鱼等等，都是分词错误的产物。但考虑分词的不确定性和多重性，这些结果现阶段尚可接受，评为4分。各搜索引擎不重复菜名结果多在4-6条之间，相差不多。

分词方面，最不可思议的是google。搜索”油鱼”，居然返回大量”鱼油”结果。从结果中分析，google并不是把”油鱼”拆成了”油”和”鱼”2个单字，因为它并没有像微软live那样返回包含这2个单字的结果。而且，”鱼油”结果的数量和位置与”油鱼”结果类似，所以很可能google按照什么原理，把这两个词等同起来的。这种低级分词错误，对于google搜索引擎来说，是非常不应该的。
继续…

原文永久链接：https://jijian91.com/blog20070205/search-engine-evaluation-result-analysis.html

微软live搜索评测分析

我从来没用过微软live.com的搜索引擎。只是考虑作为世界范围内的三巨头之一，应该列入评测。

真让我开了眼界，如果说网易有道是差强人意和不够成熟的话，那微软live就是完全不能使用的玩具。

在微软live的30条搜索结果中，有80%是无关或重复结果。只有6条有用。其中4条是菜名。2条是云南油鱼，但2个都是目录，而不是内容页。由此看来，微软的搜索之路还很漫长。好在微软从来不缺耐心和金钱。

微软live搜索评测数据

继续…

原文永久链接：https://jijian91.com/blog20070205/search-evaluation-microsoft.html

网易有道搜索评测分析

刚刚闯入中文搜索市场的网易有道的答卷差强人意。搜索内容更新太慢，搜索结果中没有任何涉及香港油鱼事件的内容。

其他不重复结果中，云南油鱼和其他有关油鱼的内容8条，菜名5条，都属于中等水平。说明有道的。

但重复率57%实在太过分了，比前面最高的雅虎中国还高70%。重复内容的判断是国内各搜索引擎的弱项，但有道几乎就是没有。这样的搜索引擎是很难让用户实际使用的。

网易有道搜索评测数据

继续…

原文永久链接：https://jijian91.com/blog20070205/search-evaluation-yodao.html