爆料館：搜狗搜索的100億網頁數據從哪來

　　打開SOGOU首頁，「3.0」，「100億」兩組數字尤為顯眼，看來SOGOU在拿抓取100億頁面來做文章，吸引眾人眼光。但其所稱的100億數字，令眼鏡蛇質疑，抓取的100億頁面質量怎麼樣，如果將一堆垃圾網站的頁面抓來，不如不統計。

　　根據搜索研究3年的經驗，眼鏡蛇試用以前研究搜索的方法前去搜索了某些關鍵字，得到的結果令人驚訝。首先拿「搜索 %D0%A1%CB%B5」當做關鍵字去搜索，得到了「1,463,786」個結果，根據前幾十頁顯示，SOGOU抓取的幾乎是互聯網某些網站搜索結果的頁面。比如第一名，抓的是百度相關搜索的文章。SOGOU本身是做搜索的，又去抓其他站的站內搜索，這樣做是為了什麼呢？原因之一，就是為了增加收錄量，因為一個網站，站內搜索關鍵字可以去換，比如眼鏡蛇在百度搜索音樂，SOGOU抓一次，眼鏡蛇在百度搜索影視，SOGOU再抓一次，這樣的話，搜索的次數越多，SOGOU抓的可能性越大，這種方法是SOGOU號稱抓取百億網頁的其中之一。這種作法不會影響SOGOU的搜索質量，又同時給SOGOU增加了數據量，SOGOU在這點很聰明。

　　針對做弊網站，SOGOU也是照抓不誤，百度針對做弊網站的作法是封殺，然而SOGOU幾乎不封的，只是降權，這一點又為SOGOU在數據量上做了貢獻。像GOOGLE上的做弊網站也很多，多數雖然不封殺，但不會拿抓取網頁數作為搜索宣傳的手段。

　　眼鏡蛇又想到了個方法測試SOGOU抓取百億頁面的方法，就是利用幾乎每篇文章中幾乎出現的「com」，「的」等前去搜索，結果也令人失望，「com」詞在SOGOU搜索中只找到「1,428,761,785」個結果。百度搜索「com」的結果個數為「100,000,000」，GOOGLE搜索「com」的結果個數為「628,000,000」，YAHOO中文搜索「com」的結果個數為「1,570,000,000」。在這個特別關鍵字上，百度，GOOGLE，YAHOO已經將此關鍵字的搜索結果個數處理了，SOGOU的數據應該是未處理的，其結果只有14億多。很明顯的看出，SOGOU網頁抓取數據之多，但供檢索的數量遠沒有100億那麼龐大。

　　眼鏡蛇利用SOGOU的「比比看」試著搜索了一些熱門關鍵字，發現SOGOU的技術的確大有進步，好些詞的結果滿意度已經超過了baidu與GOOGLE。網頁搜索質量上去了，但也不能撒謊稱自己擁有百億搜索結果，用戶關心的是搜索質量，不是搜索數量。搜索行業，2007又是殘酷競爭的一年，SOGOU要想一統天下，下面就要看怎麼從百度，GOOGLE中搶用戶了。(

推薦閱讀：