中国的博客，走近我们的产品、技术和文化
Google 中国的博客，走近我们的产品、技术和文化
用 Google 趋势，看看这个世界都在想什么？
2006年7月31日
发表者：吴丹丹，黑板报小组
今天是 7 月的最后一天，也是中国人的“情人节”七夕节，Google 中国发布了其
Google Trends （谷歌趋势）
的中文版本，目前您在
Google 实验室
里可以看到。其实 Google Trends（谷歌趋势）对中国的用户来说并不陌生，它是在今年的 5 月 11 日的 Google 全球媒体日 (Google Press Day) 上正式发布的，一经发布就在国内的 Google 用户中引起了不小的反馈，很多用户都在
自己的博客
中表达了喜爱之情。
今天发布的 Google 趋势中文版是完整功能的版本，包括界面的中文化和新闻文章引用，使大家可以更有深度的了解国人搜索的趋势。
比如您要比较“王菲”和“张曼玉”在 Google 上被搜索的趋势，只要在搜索框里输入“
王菲，张曼玉
”，然后点击“搜索趋势”。出现的结果页上如下：您可以看到如股票曲线图般的“搜索趋势记录图”，位于趋势记录图上方的曲线表示在 Google 上关于“王菲”和“张曼玉”各自的搜索量趋势，位于趋势记录图下方的是新闻引用量图表，表示她们分别在 Google 新闻中的出现次数。如果发现关于“王菲”和“张曼玉”的新闻引用量出现峰值，Google 趋势会在图表中进行标记，然后自动选择新闻文章发表时间接近该峰值的一篇 Google 新闻稿件，并显示其标题。
在图表的下方你可以看到“王菲”和“张曼玉”搜索趋势分布图：即在哪些城市、国家/地区、语言中最受关注，被搜索的最多。我们看到对“王菲”关注最多的是西安、天津和重庆...
当然，Google 趋势的使用还有一些小技巧，比如你要了解有多少搜索包含“新浪”和“Sina”其中的任意之一，只需使用竖线（"|"）将其分隔，即“
新浪| Sina
”。还有，如果你要从搜索结果中排除字词，可使用减号。例如，若要了解多少搜索包含"王菲"但不包含"李亚鹏"，你可以输入“
王菲 - 李亚鹏
”。需要注意的是当您使用上述任一个符号时，Google 趋势将仅显示搜索量图表，右边的新闻引用部分尚不支持高级功能。
好吧，看看中文版的 Google Trends（谷歌趋势）能给我们带来多少新奇又好玩的体验。
“中国之最”大起底
用 Google Trends（谷歌趋势）做分析和调查是最恰当不过，而基于全球中文搜索数据基础的 Google Trends（谷歌趋势）更是全球中文用户的共同平台，从中我们可以看到很多或者有趣的现象。
最快乐的人
：谁是中国最快乐的一群人呢？来自温州的朋友独占鳌头，而且还把第二位，同时也是最追求“幸福”的人杭州远远的甩在后面。
最让人留恋的节日
：这个人群恐怕就是正在看这篇文章的广大网民了，虽然根据调查，我国的网民结构是绝对的年轻人占主导，但这些网民似乎更关注比自己小的多的孩子们，因为搜索“六一儿童节”的远远超过了搜索“五四青年节”的人，不知道是不是大家都想回到童年时光而对“六一儿童节”恋恋不舍呢？
最爱玩的城市
：有钱又有闲的感觉的确不错，上海、北京、深圳三地的朋友可算是国内旅游市场当仁不让的三甲之选，想到每年黄金周的时候万人齐旅游，火车飞机齐出动的壮观场景，就可见 Google Trends（谷歌趋势）的所言非虚。
最爱血拼购物的城市
：有爱玩的就一定会有爱购物的，北京，上海，天津，深圳四地的朋友们可算是拉动内需的强大力量了，他们是国内最爱“购物”的人了，虽然购物欲望强烈但却也懂得持家有道，所以这四个城市同时也入选了“最爱打折”城市的前五强。
最具创业激情的地方
：这个选项多少有些出乎意料，原来想象中的创业热土北京和上海止步于十强之外，而中国最具创业激情的五大城市则是南京、南昌和苏州，老牌创业城市深圳和广州也跻身五强，看来这里依然是无数创业者所钟爱的地方。十强中北方的济南，南方的成都，中部的长沙，看来中国处处都涌动着创业的激情和梦想。
最众口不再难调的菜肴
：众口不再难调这句话在川菜的面前就不再正确了，无论是曾经火爆一时的水煮鱼、香辣蟹还是经典的火锅小炒，川菜在国内可谓所向披靡，无往而不利，几乎受到了全中国普罗大众的共同欢迎，不仅把传统的粤菜，鲁菜，本帮菜，苏杭菜打得“落花流水”，就算是同是以酸辣为味的湘菜和黔菜也得甘拜下风。川菜，似乎成了无可争议的菜肴天下第一。
最小资化的城市
：什么是小资最喜欢的呢？泡吧，K 歌还有咖啡、西餐厅，在这些项目上，被称为“东方巴黎”的上海果然不负众望，分别获得了“最喜欢
酒吧
”的城市，“最喜欢
卡拉OK
”的城市，与此同时，它在“最关注留学”“咖啡”和“西餐厅”等项目的 PK 中都有上佳表现，同时这里也是最青睐国际名品的地方，上海也是全球搜索
LV
中排名最高的大陆城市，看来，小资早已经是海派风格的一部分了。
老百姓最关注的头等大事
：买房子，恐怕是现在很多中国老百姓的关注的头等大事，所以无论是“买房”、“二手房”都是搜索量居高不下，而且地域分布广泛，不分南北东西，就连买房后的头等大事，“
装修
”也成为了老百姓最关注的关键词。看来，“买房置地”这件老百姓几千年来的头等大事，今日依然。
最温馨的 PK 结果
：选择情人节和母亲节的 PK 多少有些担心，曾经以为似乎受到更多关注的情人节会大胜并不流行的母亲节，但结果却让人出乎意料，刚刚被人们所了解的母亲节在很多城市与情人节不相上下，而且地域遍布全国。由此想到了那句老话，母爱，是天底下最大的爱。所有人都应该感谢母亲，感谢母爱。
也许对从事营销的人来说，
Google Trends（谷歌趋势）
可以把握市场趋势，预测消费走向，；对社会学者来说它观察社会动态，体察民间热点；而对我们所有的用户而言，Google Trends（谷歌趋势）是一款虽然很小，但很有趣很好玩的产品。如果你喜欢，那就到 Google Trends（谷歌趋势）上去试试，有了什么新发现，一定要与大家分享。
Google 工程师文化 -- 互助篇
2006年7月21日
发表者：吴颉，Google 工程师
一年多前，因为 Google 的飞速成长，公司曾做过一个工程师们对公司各方面满意程度的调查。记得公布汇总结果的时候有这么两条：
先公布的是大家最满意的一点:
-- 同事们真是太友好了，我可以随时向同事提问题，他们总是及时地给予帮助。
紧接着公布的是大家最抱怨的一点：
-- 新人实在是太多了，我总是被问题打断，白天没法集中精力干事，只有晚上才能干些事。
不禁引得哄堂大笑。 显然，对同样的问题，不同的角度有不同的结论。
不过抱怨归抱怨，同事们依然很耐心。为了增进工作效率，许多项目负责人或者有各种经验的员工，建立了各种常见问题答疑录（FAQ)， 起到了知识共享、承前启后的作用。 大家还自发地建立了各种各样的邮件列表作为帮助热线， 以便针对性地答疑。大家都知道，有时“不耻下问”是解决问题的最好办法；今天你是提问者，明天你就可能回答别人的提问。
有一个邮件列表是针对“项目设计文件”（Design Document)的。 产品开发前， 工程师们会向这个邮件列表征询关于项目设计文件的意见反馈。 公司的第一名雇员 Craig, 至今依然常会在百忙之中给各种项目设计文件提出细致的、建设性的意见，用他丰富的开发经验给项目把把关。当然，据说 Craig 是那种能够一边用键盘写着流畅的电子邮件，一边当面与你对答的“一心二用”的专家，非一般人可比。
有一次，我一天内连续两次麻烦 Michael （一位编译器方面的内行） 关于某个特定版本编译器的一些特殊细节。 Michael 不厌其烦，热心地帮我寻找解决方案。 由于 Michael 在纽约办公室，许多技术细节只能通过电子邮件来交流。我最后告诉他问题解决了，向他表示感谢。Michael 在电子邮件里只回复了一个词：
W00t
!
哎，又是一个看不懂的词。 我还是 Google 了一下才知道这位工程师是很高兴能够帮我解决问题。
我曾经通过问问题，结识了不少优秀的工程师，学习到了很多技术知识。后来，我负责的系统日渐成熟，我也有了自己撰写的 FAQ,有机会回答同事们这一方面的问题。我想，许多人都是在被帮助中和帮助人中感受快乐吧。
数学之美 系列 12 - 余弦定理和新闻的分类
2006年7月20日
发表者：吴军，Google 研究员
余弦定理和新闻的分类似乎是两件八杆子打不着的事，但是它们确有紧密的联系。具体说，新闻的分类很大程度上依靠余弦定理。
Google 的新闻是自动分类和整理的。所谓新闻的分类无非是要把相似的新闻放到一类中。计算机其实读不懂新闻，它只能快速计算。这就要求我们设计一个算法来算出任意两篇新闻的相似性。为了做到这一点，我们需要想办法用一组数字来描述一篇新闻。
我们来看看怎样找一组数字，或者说一个向量来描述一篇新闻。回忆一下我们在“
如何度量网页相关性
”一文中介绍的TF/IDF 的概念。对于一篇新闻中的所有实词，我们可以计算出它们的单文本词汇频率/逆文本频率值（TF/IDF)。不难想象，和新闻主题有关的那些实词频率高，TF/IDF 值很大。我们按照这些实词在词汇表的位置对它们的 TF/IDF 值排序。比如，词汇表有六万四千个词，分别为
单词编号 汉字词
------------------
1 阿
2 啊
3 阿斗
4 阿姨
...
789 服装
....
64000 做作
在一篇新闻中，这 64,000 个词的 TF/IDF 值分别为
单词编号 TF/IDF 值
==============
1 0
2 0.0034
3 0
4 0.00052
5 0
...
789 0.034
...
64000 0.075
如果单词表中的某个次在新闻中没有出现，对应的值为零，那么这 64,000 个数，组成一个64,000维的向量。我们就用这个向量来代表这篇新闻，并成为新闻的特征向量。如果两篇新闻的特征向量相近，则对应的新闻内容相似，它们应当归在一类，反之亦然。
学过向量代数的人都知道，向量实际上是多维空间中有方向的线段。如果两个向量的方向一致，即夹角接近零，那么这两个向量就相近。而要确定两个向量方向是否一致，这就要用到余弦定理计算向量的夹角了。
余弦定理对我们每个人都不陌生，它描述了三角形中任何一个夹角和三个边的关系，换句话说，给定三角形的三条边，我们可以用余弦定理求出三角形各个角的角度。假定三角形的三条边为 a, b 和 c，对应的三个角为 A, B 和 C，那么角 A 的余弦 --
如果我们将三角形的两边 b 和 c 看成是两个向量，那么上述公式等价于
其中分母表示两个向量 b 和 c 的长度，分子表示两个向量的内积。举一个具体的例子，假如新闻 X 和新闻 Y 对应向量分别是
x1,x2,...,x64000 和
y1,y2,...,y64000,
那么它们夹角的余弦等于，
当两条新闻向量夹角的余弦等于一时，这两条新闻完全重复（用这个办法可以删除重复的网页）；当夹角的余弦接近于一时，两条新闻相似，从而可以归成一类；夹角的余弦越小，两条新闻越不相关。
我们在中学学习余弦定理时，恐怕很难想象它可以用来对新闻进行分类。在这里，我们再一次看到数学工具的用途。
Google 的工程师文化 -- T恤篇
2006年7月14日
发表者：吴颉，Google 工程师
工程师们最喜爱的服装莫过于 T 恤。 一件"酷"的 T 恤， 会引来路人许多羡慕的目光。前面
郑群的博客
中提到， Google经常有免费的 T 恤，不过 T 恤柜里发放的都是几种常见的样式。 这里我来谈谈一些特殊的 T 恤版本。
新产品的发布:
大家辛辛苦苦地工作了数月， 到了产品发布的日子， 庆贺的项目之一常常是一件专门设计的T恤。 这既鼓舞士气， 又是给产品做广告。 穿着这样一件特殊版本的T恤走在公司里，大街上，可以自豪地告诉同事、亲朋：瞧，我参与了这么酷的产品的工作！
Gmail
刚发布的时候, 公司宣布给用户 1 G (1G = 1000 兆) 的免费存储空间。 这在当时是件不可思议的事情， 因为当时雅虎和 MSN 分别只提供 6 兆和 2 兆的存储空间。而 Google 又刻意选在四月一号愚人节这一天发布消息，这让许多用户不知真假，也算是和大家开了个不大不小的玩笑。
为了纪念这件事, 全公司的员工都有幸领到一件写有以下字样的T恤：
“在 2004 年愚人节这一天, Google 给了我 1G 空间。”
(Google gave me a gig. April 1st, 2004)
Google Earth
(Google 地球)发布的时候， T 恤正中印着一个圆圆的地球，四周写着：
“（地球）都 47 亿年了，怎么还是测试版?”
(4.7 billion years, still in Beta?)
不禁博得众人一笑。
节日标志:
Google 主页上经常会变更特殊的节日徽标。比如说，
世界地球日
、
情人节
都曾被搬上过 T 恤。
各种活动:
公司内部经常有各种各样的活动，常常有热心人张罗新的 T 恤版本。
例如，公司定期去各个大学招聘时，热情的校友们会专门提前向 Dennis Hwang (Google 节日徽标的设计者)预订他们的母校版。这里 Google 的徽标经常会被巧妙的改成与学校相关的内容，我至少见过耶鲁和卡耐基梅隆两个版本。
Google 还致力于女性工程师的招聘， 这在前面
王忻的博客
中也曾提到。有一款 T 恤就是专门给女性工程师们设计的。特别值得一提的是， Google 的 T 恤分男女两种，女式的小巧玲珑，不是松松垮垮的，深得女同胞们的喜爱。还曾有 Google 外的女友向我讨要过 Google 的女式 T 恤。
随着 Google 中国的成立，这不，现在我们又增添了 Google 中国谷歌版，Google 中国编程挑战赛版，随着许多优秀的中国工程师的加盟，我们相信，不久我们将会看到更多的具有中国产品特色的版本！
Google 三八妇女节 T-shirt
Google 本地搜索推出146 个城市全屏地图，增加地址搜索、路线规划新功能
2006年7月12日
发表者: 黄靖新，产品经理
Google 本地搜索
最近推出全动态、可拖放的全屏地图，新增全国 146 个城市的具体地址搜索、知名商业网点和旅游景点搜索、点到点路线规划等实用功能。这是我们不断提高用户搜索体验的又一个尝试。
以下是我们对一些常见问题的回答。
问：Google 本地搜索这次变化对用户有什么好处？
Google 本地搜索的更新主要体现在可拖放的全屏动态地图，直观清晰，整合了全国 146 个城市的详细街区地图、道路信息和附近的商业、旅游景点信息和公司黄页信息，使用户一图在手，可以轻松直观地搜寻到全国各个城市的街区街道和周边信息，并轻松规划出行路线。
问：更新后的 Google 本地搜索和其它类似服务相比，有什么独特的地方？
我们新增的地址搜索让用户灵活地搜索已覆盖城市的街区街道，小至胡同和住宅小区，都可以找到。您不妨试试找一下自家或单位的地址。
我们的驾车指南可实现非商家地址的门到门规划（例如，从您家到同事家的路线图），还会象高端车载导航系统一样，详尽告知途经道路名称和行驶细节（例如，提醒驾车司机预先靠左、靠右等）。这是因为我们的数据合作伙伴就是高端车载导航数据的提供商。
另外，在本地商家/服务搜索方面，我们整合了线上和线下的公开信息资源、商家自主上传资源和合作伙伴信息资源，优化了搜索排序的程序。在没有人工干预的情况下，我们的各类本地信息搜索结果较为接近大众认可的真实情况。您可尝试查找“北京附近的商店”（或“北京 商店”）, “上海 公园”，“广州 大学”，“西单 小吃”等。我们会持续努力，为您提供最有参考价值的搜索结果。
问：能举些用户用好本地搜索的实例吗？
本地搜索对用户出行、购物、娱乐、饮食、办公等都很有帮助。它能抓取整合商家最新发布的动态信息，并快捷地提供给关心的用户。今年的高考刚刚结束，如果你是行将入校的新生，要计划暑期出游、预先摸清校园环境、估算到校园的出租车费用时，不妨试试 Google 本地搜索。
问：有什么使用小诀窍吗？
对一些耳熟能详的地点景点名称，您可以直接搜索，例如“王府井”、“陆家嘴”、“外滩”、“越秀公园”。
进行地址搜索时，如果要查附近的某类信息，就在地址后面空格，然后键入要查的类别名称就好。喜欢直观的用户可键入 “xx 附近的xx” 来查询。
要查路线，最快的方法是点击“驾车指南”小标签，然后输入起止地址。需返程路线，点击“返程”链接即可。
对喜欢快捷键的朋友，试试用键盘的上下左右箭头键，翻上页键、翻下页键、 home 和 end 键，加号（＋）键，减号（－）键，看看是否有适合你的方便用法。
如果您找不到一些熟悉的名称，请在
本地搜索页面
左上角的反馈中告诉我们。
问：Google 本地搜索有卫星图片吗？
Google 本地搜索暂不提供卫星图片。
问：如何了解更详细的产品信息并提供反馈？
您可以参考我们的
帮助中心
或新功能简介，了解更为详细的产品信息。同时欢迎您给我们提供反馈，帮助我们提高，谢谢。
数学之美 系列十一 - Google 阿卡 47 的制造者阿米特.辛格博士
2006年7月10日
发表者：Google 研究员，吴军
枪迷或者看过尼古拉斯.凯奇（Nicolas Cage)主演的电影“战争之王”（Lord of
War)的人也许还记得影片开头的一段话：（在所有轻武器中，）最有名的是阿卡 47( AK47)冲锋枪(也就是中国的五六式冲锋枪的原型），因为它从不卡壳、从不损坏、可在任何环境下使用、可靠性好、杀伤力大并且操作简单。
我认为，在计算机中一个好的算法，应该向阿卡 47 冲锋枪那样简单、有效、可靠性好而且容易读懂(或者说易操作），而不应该是故弄玄虚。Google 的杰出工程师阿米特.辛格博士 (Amit Singhal) 就是为 Google 设计阿卡 47 冲锋枪的人，在公司内部，Google 的排序算法便是以他的名字命名的。
从加入 Google 的第一天，我就开始了和辛格长期而愉快的合作，而他一直是我的一个良师益友。辛格、Matt Cutts（中国一些用户误认为他是联邦调查局特工，当然他不是）、马丁和我四个人当时一同研究和解决网络搜索中的作弊问题（Spam)。我们需要建一个分类器，我以前一直在学术界工作和学习，比较倾向找一个很漂亮的解决方案。我设计了一个很完美的分类器，大约要花三个月到半年时间来实现和训练，而辛格认为找个简单有效的办法就行了。我们于是尽可能简化问题，一、两个月就把作弊的数量减少了一半。当时我们和公司工程副总裁罗森打了个赌，如果我们能减少 40% 的作弊，他就送我们四个家庭去夏威夷度假，后来罗森真的履约了。这个分类器设计得非常小巧（只用很小的内存），而且非常快速（几台服务器就能处理全球搜索的分类），至今运行得很好。
后来我和辛格一起又完成了许多项目，包括对中、日、韩文排名算法的改进。每一次，辛格总是坚持找简单有效的解决方案。这种做法在 Google 这个人才济济的公司常常招人反对，因为很多资深的工程师怀疑这些简单方法的有效性。不少人试图用精确而复杂的办法对辛格的设计的各种“阿卡47” 进行改进，后来发现几乎所有时候，辛格的简单方法都接近最优化的解决方案，而且还快得多。另一条选择简单方案的原因是这样设计的系统很容易查错（debug)。
当然，辛格之所以总是能找到那些简单有效的方法，不是靠直觉，更不是撞大运，而是靠他丰富的研究经验。辛格早年从师于搜索大师萨尔顿(Salton)教授，毕业后就职于 AT&T 实验室。在那里，他和两个同事半年就搭起了一个中等规模的搜索引擎，这个引擎索引的网页数量虽然无法和商用的引擎相比，但是准确性却非常好。在 AT&T，他对搜索问题的各个细节进行了仔细的研究，他的那些简单而有效的解决方案，常常是深思熟虑去伪存真的结果。
辛格非常鼓励年轻人不怕失败，大胆尝试。一次一位刚毕业不久的工程师因为把带有错误的程序推出到 Google 的服务器上而惶惶不可终日。辛格安慰她讲，你知道，我在 Google 犯的最大一次错误是曾经将所有网页的相关性得分全部变成了零，于是所有搜索的结果全部是随机的了。这位工程师后来为 Google 开发了很多好的产品。
辛格在 AT&T 时确立了他在学术界的地位，但是，他不是一个满足于做实验写论文的人，于是他离开了实验室来到了当时只有百、十人的 Google。在这里，他得以施展才智，重写了 Google 的排名算法，并且一直在负责改进它。辛格因为舍不得放下两个孩子，很少参加各种会议，但是他仍然被学术界公认为是当今最权威的网络搜索专家。2005年，辛格作为杰出校友被请回母校康乃尔大学计算机系在 40 年系庆上作报告，获得这一殊荣的还有大名鼎鼎的美国工程院院士，计算机独立磁盘冗余阵列（RAID)的发明人凯茨(Randy Katz) 教授。
黑板报文章分类
2006年7月6日
发表者：吴丹丹，Google 黑板报小组
最近细心的读者可能会发现我们在右边添加了“黑板报文章分类”一栏，这是因为随着黑板报文章的增多并涉及各个方面，很多读者反映他们翻找文章比较困难。所以我们希望这样的分类，一是方便大家查找浏览黑板报文章，二也使我们的定位更加清晰。
黑板报开办到现在已经快 5 个月了，感谢大家对我们的支持和鼓励。从 2 月份到现在，每篇文章经手，对这个我们公司与用户交流的平台我很有感情。下面就是我这几个月来自己比较喜欢的几篇文章，算是 editor's picks，当然不可能穷尽我都喜欢的文章，但也算有代表性，与大家分享吧。
产品：
怎样用 Google Earth 探索世界杯场馆？
"站在巨人的肩膀上" - Google 杰出工程师谈学术搜索
怎样向 Google 提问?
技术：
谈 Page Rank – Google 的民主表决式网页排名技术
数学之美系列
文化：
自己动手, 丰衣足食(之一)
一地鸡毛
我对女性做工程师的一点看法
其它：
客座博客：有感于谷歌中文图书搜索合作伙伴计划
开复的北京美食篇
数学之美 系列十 有限状态机和地址识别
2006年7月5日
发表者：吴军，Google 研究员
地址的识别和分析是本地搜索必不可少的技术，尽管有许多识别和分析地址的方法，最有效的是有限状态机。
一个有限状态机是一个特殊的有向图（参见有关
图论的系列
），它包括一些状态（节点）和连接这些状态的有向弧。下图是一个识别中国地址的有限状态机的简单的例子。
每一个有限状态机都有一个启始状态和一个终止状态和若干中间状态。每一条弧上带有从一个状态进入下一个状态的条件。比如，在上图中，当前的状态是“省”，如果遇到一个词组和（区）县名有关，我们就进入状态“区县”；如果遇到的下一个词组和城市有关，那么我们就进入“市”的状态，如此等等。如果一条地址能从状态机的起始状态经过状态机的若干中间状态，走到终止状态，那么这条地址则有效，否则无效。比如说，“北京市双清路83号”对于上面的有限状态来讲有效，而“上海市辽宁省马家庄”则无效（因为无法从市走回到省）。
使用有限状态机识别地址，关键要解决两个问题，即通过一些有效的地址建立状态机，以及给定一个有限状态机后，地址字串的匹配算法。好在这两个问题都有现成的算法。有了关于地址的有限状态机后，我们就可又用它分析网页，找出网页中的地址部分，建立本地搜索的数据库。同样，我们也可以对用户输入的查询进行分析，挑出其中描述地址的部分，当然，剩下的关键词就是用户要找的内容。比如，对于用户输入的“北京市双清路附近的酒家”，Google 本地会自动识别出地址“北京市双清路”和要找的对象“酒家”。
上述基于有限状态机的地址识别方法在实用中会有一些问题：当用户输入的地址不太标准或者有错别字时，有限状态机会束手无策，因为它只能进行严格匹配。（其实，有限状态机在计算机科学中早期的成功应用是在程序语言编译器的设计中。一个能运行的程序在语法上必须是没有错的，所以不需要模糊匹配。而自然语言则很随意，无法用简单的语法描述。）
为了解决这个问题，我们希望有一个能进行模糊匹配、并给出一个字串为正确地址的可能性。为了实现这一目的，科学家们提出了基于概率的有限状态机。这种基于概率的有限状态机和离散的马尔可夫链（详见前面关于
马尔可夫模型
的系列）基本上等效。
在八十年代以前，尽管有不少人使用基于概率的有限状态机，但都是为自己的应用设计专用的有限状态机的程序。九十年代以后，随着有限状态机在自然语言处理的广泛应用，不少科学家致力于编写通用的有限状态机程序库。其中，最成功的是前 AT&T 实验室的三位科学家，莫瑞（Mohri）, 皮瑞尔（Pereira） 和瑞利（Riley）。他们三人花了很多年时间，编写成一个通用的基于概率的有限状态机 C 语言工具库。由于 AT&T 有对学术界免费提供各种编程工具的好传统，他们三人也把自己多年的心血拿出来和同行们共享。可惜好景不长，AT&T 实验室风光不再，这三个人都离开了 AT&T，莫瑞成了纽约大学的教授，皮瑞尔当了宾西法尼亚大学计算机系系主任，而瑞利成了 Google 的研究员，AT&T 实验室的新东家不再免费提供有限状态机 C 语言工具库。虽然此前莫瑞等人公布了他们的详细算法，但是省略了实现的细节。因此在学术界，不少科学家能够重写同样功能的工具库，但是很难达到 AT&T 工具库的效率（即运算速度），这的确是一件令人遗憾的事。
这个夏天 -- Google (谷歌) 中国工程研究院实习项目正式开始
2006年7月3日
发表者：谷雪梅，Google 工程师
这个星期开始，Google (谷歌) 中国工程研究院第一次招聘的 50 个暑假实习生就要从全国各地到北京，开始为期两个月的工作。这批实习生经过我们层层严格的选拔，可以说，进了实习项目一般有比较好的机会拿到 Google 的正式 offer ，而且这是一个极好的体验公司文化、工作氛围的机会。我们也致力于为实习生提供最好的条件和体验，希望实习能成为大家一段难忘的经历。我想没有什么比亲身体会 Google 更有说服力的吧。:)
在硅谷总部的时候，觉得带实习生实在是件简单不过的事。春天温暖的下午，工程师们吃着冰激淋筛选简历，然后两轮面试，再写个项目计划，之后等着实习生在五、六月间出现就好了。所以当今年三月在北京被告知我们要开始 Google 中国工程研究院的暑期实习计划的时候，第一个出现在脑海里的就是哈根达斯冰激淋......
可惜，冰激淋并没有出现。
对 Google (谷歌)文化有所了解的人都知道，这是一个几乎任何事情都必须自力更生的地方。在北京，我们工程师资源还没有那么多，不可能给所有投简历的学生做面试。那么笔试？几番辩论之后决定下来，然后就是出笔试题，既要考基本的算法和编程，又要大家没见过；既要有挑战性，也要让优秀的学生在有限的时间之内答出来，而且需要的答案还不能太长，否则没时间判卷了。前后出了很多版本，累坏了我们的工程师活题库罗青山。
这只是工作一小部分，也是最轻松的一个部分。大学项目组 (University Program) 做了所有其它工作，直到五月中下旬带着工程师到北京、上海、杭州、合肥和西安的各个学校。
这是 Google 实习生项目的第一次笔试，很多细节也没有做得很好。由于英译中出现的偏差和印刷错误，我们的选择题没能非常真实地反映学生的水平。 5 月 23 号晚上，在上海结束笔试后，我们十来个人推翻了本来的判卷规则，决定把所有学生的编程和算法题都看一遍，而选择题只作为参考。本来最喜欢问算法复杂度的一群人也忘了批改 400 份试卷的复杂度是多少，于是从深夜 11 点起开始工作; 可是不久以后，复杂度又上升了，因为大家决定优秀的试卷要有第二个人复查。
实习生选拔过程中还有很多小事 —— 在清华，准备的几百份试卷居然不够，我们的工程师不得不在开考前几分钟气喘吁吁地跑去复印。在上海交大，校园里没有出租车，从光彪楼抱着将近两百份试卷走到校门口，实在是锻炼臂力和耐力的好机会。
过程虽然辛苦，但也有不少乐趣。
25 日下午，郑欣和我非常幸运，4 个面试学生里有三个实力超强，其中还有一位 15 岁上大学的少年大学生。面试之前看他的成绩单，好像体育不太好。问他是怎么回事，他很委屈地觉得让一个本来该上初三的学生达到大一的体能标准非常不合理。
一天后，我们的另一位工程师方坤面哭了一个学生。他说学生前一分钟还在微笑，然后就对着题目掉下了眼泪。我们批评他后知后觉，他倒觉得自己很无辜。
又过了一天，还是方坤，遇上一位“霸王面”，自己从同学那里得知我们的酒店地址，就跑过来要求被面试。方坤礼貌地说，规则不能被打破，因为要对其他同学公平，但是我们可以聊一聊。之后我们几次说起这位同学，虽然不鼓励这样的霸王面，但是，他的热情和执著精神令人非常感动。
同时进行的是实习项目的选定，开复给我的意见是要民主，要所有工程师一起决定。自下向上(bottom up) 本来就是我们的习惯，所以没费什么力气就决定由每个工程师提出实习项目，然后通过投票方式选出前 20 个给实习生做。
我们开通了一个内部网页，让大家上传自己的实习项目。没有两个星期，该页面已经布满了 40 多个项目。说好某个星期五下午是截止日期，但出于疏忽，我忘了把页面锁好，结果两天以后又多了十几个。开复两个月前还担心我们没有足够多、足够有趣的项目给实习生做，现在好了，大家挤破头，为 50 名实习生准备了 60 个项目，很多提交人在项目后面都列上该项目的优点，有人洋洋洒洒写了若干条，不遗余力地“做广告”。
曾经在 UCSB 任职的张智威教授 (Edward Chang)加入 Google (谷歌)中国后是 engineering director，但也不得不参加了项目竞标。人在总部的他有好几次发来长长的邮件，说明项目的重要性，对 Google 未来的巨大影响，还不厌其烦地给我们讲项目的具体实施，以确保项目的入围。
投票那天，洪峰刚好要到浙大给讲座，临上飞机前 40 分钟打电话到投票的会议室，机场广播声作为背景辉映着他的讲话。几个在总部的工程师和项目经理也打电话过来，当时已经是那边的深夜，其中工程师吴颉居然从头坚持到尾，下线的时候已经是美国的凌晨 3 点。在会议室里，大家讨论相当激烈，有时候，哪怕项目提议人被问得无话可说，也会有其他工程师跳出来，“我来顶一下”，两肋插刀之中还不失公平。平时永远和颜悦色的“老大”不止一次和颜悦色地指出：“我看不出你这个项目有什么好做的。”更不要说我们的“Mr. No” 产品经理 Yuke —— 他的任务之一就是为你的项目泼冷水。
公平投票的好处是结果令大多数人满意，坏处是大家不一定满足你的迫切需求。其中有的人虽然职位相对高一些，提出的项目也都非常重要而急迫，但是同事们只通过了其中的一项，（我的也一样，郁闷中……）。和其它项目相反，洪峰恐怕要高兴坏了，鉴于从机场打电话显示出的真诚和项目的乐趣程度， 32 个投票人里他征服了26 位，荣获第一高票。
在选择实习项目的过程里，很多工程师学到了不少项目管理的知识。原来，大家做项目最重要的出发点就是“酷”，并对Yuke 不停地挑毛病，不停地说 "No" 很不理解。现在面临 60 个项目，要把其中 2/3 都刷掉，大家也必须学会说"不" 。这个项目有意思吗？能做完吗？容易使用吗？用户会喜欢吗？对大多数用户有意义吗？我们的竞争对手会做吗？会做得比我们好吗？每一个过关的项目都要经过这样的挑战，即使洪峰那个得票率超过 80% 的也不例外。
说了这么多面试和实习项目，暑假里最有趣的部分还没有提到。大学项目组为实习生准备了丰富多彩的培训和工余活动—— 丰富多彩到正式员工眼红的地步。不公平啊，为什么我当初没有这样的待遇；我不要当工程师了，退回去做实习生比较好...... 斗争的结果是给实习生的活动大家都可以参加。本来嘛，独乐乐不如众乐乐。
实习生还没有来，我们仍是路漫漫其修远兮。暑假里，30 个带实习生的工程师不仅要准备很详细的项目计划，每两个星期都要做一次审评，还有中期审核和最后的项目演示。
在过去两个月里深深感到，大家的工作热情和团结合作会让 Google (谷歌) 中国工程研究院的第一次实习项目非常精彩。期待着这个火热的夏天。
標籤
编程之夏，UR
创新
创意改善社会 公益温暖中国
促进智能能源利用
大学
谷歌翻译，即时相机翻译，Instant Camera Translation
谷歌十周年系列
谷歌艺术与文化
观妙中国，Shadow Art，智玩皮影
广告
广告安全
互联网，Internet
科技
女性开发者
社会
视频广告
数据中心
数字营销
搜索
网站管理员
文化研究所
艺术计划
音乐搜索
愚人节
增强型广告系列
智能隐形眼镜项目
中小企业
adexchange
Admob
admob sdk
Ads
Adsense
AdWords
android
android m
Android应用开发中国大学生挑战赛
App Inventor
Calendar
cardboard
CES
Chrome
Chrome Web Store
Chrome，Chrome实验
Chrome实验
CI
Code Jam
corporate
Creative
Cross-device
Cultural Institute
culture
Data Center
DevArt
Developer
display
diversity
Doodle
DoubleClick
G+
G2G，Culture
GA&C
gaming
Global Impact Awards
Gmail
Gogle科学挑战赛
Good to Know
Google Ads
Google AdWords
Google Analytics
Google Art Project
Google Arts & Culture
Google Code-in竞赛
Google Demo Day Asia
Google Docs
Google Doodle
Google Drive
Google Drive 云端硬盘
Google Fiber
Google Font
Google for Startups
Google Green
Google I/O
Google Image Search
Google Keep
Google partners
Google Play
Google Science Fair
Google Search
Google Top Contributor Summit
Google Translate
Google Trend
Google Trends
Google Zeitgeist 2012
Google安全系统
Google博士生奖研金
Google翻译
Google奖学金
Google杰出贡献者峰会
Google科学挑战赛
Google网站管理员
Google网站管理员，Webmaster
Google文化研究所
Google在线营销挑战赛
Google中国教育高峰会
IME 输入法
Innovation
Made with Code
maps
mobile ads
mobile ads sdk
Modoo
moonshot
native ads
Nexus
programmatic buying
Project X
Pwn20wn及Pwnium3 黑客大赛
Remarketing. Ads
Search
Security
smb
Solve for X
Street view
student
UR
VR
Web Platform Docs
web security
Webmaster
year in search 2014
YouTube
zeitgeist
博客归档
2024
8月
7月
6月
5月
4月
3月
2月
1月
2023
12月
11月
10月
9月
5月
4月
3月
2月
2022
11月
10月
5月
4月
2月
1月
2021
10月
9月
5月
4月
3月
2月
2020
12月
5月
4月
3月
2019
10月
8月
7月
6月
5月
4月
3月
2018
12月
10月
9月
8月
7月
6月
5月
3月
2月
1月
2017
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2016
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2015
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2014
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2013
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2012
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2011
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2010
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2009
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2008
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2007
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2006
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
Feed
