興趣是第一源動(dòng)力，很多職業(yè)最初的起源來(lái)自于個(gè)人對(duì)某一事物的好奇，由此產(chǎn)生了興趣而一發(fā)不可收拾，產(chǎn)品經(jīng)理也不例外。產(chǎn)品經(jīng)理的從業(yè)者都知道，這個(gè)職業(yè)隊(duì)伍從業(yè)者的經(jīng)理很廣泛，包容度很大，專(zhuān)業(yè)性也很難有統(tǒng)一的標(biāo)準(zhǔn)，不同項(xiàng)目，或同一項(xiàng)目不同階段對(duì)產(chǎn)品經(jīng)理的能力要求的側(cè)重點(diǎn)也不一，很多同行應(yīng)該在入行前都問(wèn)過(guò)自己，如何知道自己是不是適合做產(chǎn)品經(jīng)理呢？
在復(fù)盤(pán)我這6年的工作經(jīng)驗(yàn)后，我得出的認(rèn)知卻也異乎尋常的樸素——興趣是入行的最好老師。我所說(shuō)的興趣不僅僅是對(duì)產(chǎn)品經(jīng)理是做什么的，怎么做有興趣，更主要的是具體項(xiàng)目的興趣，作為-1歲的產(chǎn)品經(jīng)理，當(dāng)時(shí)興趣的焦點(diǎn)都關(guān)注在了科技界24小時(shí)的印鈔機(jī)——搜索引擎；
搜索引擎
時(shí)至今日，細(xì)細(xì)回想其當(dāng)時(shí)對(duì)搜索引擎的癡迷，內(nèi)心深處還有難以言喻的共鳴，由于當(dāng)時(shí)專(zhuān)業(yè)所限，對(duì)搜索引擎的接觸雖然很多，但是究其原理，所知甚少，故因?yàn)楹闷?，所以想要了解?/p>
1.1 搜索引擎的調(diào)研
猶記得那年，Alphabet還沒(méi)成立，谷歌還沒(méi)退出中國(guó)，日常接觸的最多的搜索引擎還是——Google，國(guó)內(nèi)百度的發(fā)展也在如火如荼的進(jìn)行著，在我的家鄉(xiāng)，多數(shù)人對(duì)于“百度一下，你就知道”也是耳熟能詳；
那些年國(guó)內(nèi)的谷歌是這樣的：
那些年百度的首頁(yè)也還沒(méi)更新：
除了目前看來(lái)這兩款主流的搜索引擎，當(dāng)時(shí)這一領(lǐng)域可是熱鬧非凡，雄心勃勃的騰訊搜搜，搜狐的搜狗，雅虎搜索，聲勢(shì)浩大的微軟必應(yīng)，國(guó)外還有大量的同類(lèi)產(chǎn)品，ASK JEEVES，Naver，新創(chuàng)搜索引擎——Duckduckgo等等，得益于盈利性極強(qiáng)的商業(yè)模式，加之龐大的用戶(hù)增長(zhǎng)紅利，使得搜索引擎成為當(dāng)之無(wú)愧的明星產(chǎn)品，尤其是受到新創(chuàng)引擎Duckduckgo的勵(lì)志故事，并在深入了解google當(dāng)年的車(chē)庫(kù)發(fā)家史后，我也雄心勃勃的讀起了PageRank，渴望破解搜索引擎背后產(chǎn)品的秘密，也打造一款廣受喜愛(ài)的搜索引擎；
1.2 PageRank解密
如果讀者了解過(guò)Google的車(chē)庫(kù)創(chuàng)業(yè)史，應(yīng)該了解PageRank對(duì)于Google的重要性，早期的google為什么使用體驗(yàn)好，給人以簡(jiǎn)單可依賴(lài)的感覺(jué)，不僅僅在于其早期沒(méi)有廣告的簡(jiǎn)潔界面，獨(dú)自的快照系統(tǒng)、動(dòng)態(tài)生成摘要信息，以及為實(shí)現(xiàn)高速檢索而設(shè)置的分散系統(tǒng)（數(shù)千臺(tái)規(guī)模的Linux集群）等等，最重要的優(yōu)點(diǎn)就在于它檢索的正確性，而PageRank就是這種正確性的保證，它可以自動(dòng)判斷網(wǎng)頁(yè)重要性；
PageRank的核心思想有2點(diǎn)：
如果一個(gè)網(wǎng)頁(yè)被很多其他網(wǎng)頁(yè)鏈接到的話(huà)說(shuō)明這個(gè)網(wǎng)頁(yè)比較重要，也就是pagerank值會(huì)相對(duì)較高；
如果一個(gè)pagerank值很高的網(wǎng)頁(yè)鏈接到一個(gè)其他的網(wǎng)頁(yè)，那么被鏈接到的網(wǎng)頁(yè)的pagerank值會(huì)相應(yīng)地因此而提高；
下面這張圖來(lái)自Wikipedia，比較形象地解釋了核心思想，每個(gè)球代表一個(gè)網(wǎng)頁(yè)，球的大小反應(yīng)了網(wǎng)頁(yè)的pagerank值的大小。指向網(wǎng)頁(yè)B和網(wǎng)頁(yè)E的鏈接很多，所以B和E的pagerank值較高，另外，雖然很少有網(wǎng)頁(yè)指向C，但是最重要的網(wǎng)頁(yè)B指向了C，所以C的pagerank值比E還要大。
PageRank有效地利用了 Web 所擁有的龐大鏈接構(gòu)造的特性。 從網(wǎng)頁(yè)A導(dǎo)向網(wǎng)頁(yè)B的鏈接被看作是對(duì)頁(yè)面A對(duì)頁(yè)面B的支持投票，Google根據(jù)這個(gè)投票數(shù)來(lái)判斷頁(yè)面的重要性?？墒?Google 不單單只看投票數(shù)(即鏈接數(shù))，對(duì)投票的頁(yè)面也進(jìn)行分析?！钢匾浴垢叩捻?yè)面所投的票的評(píng)價(jià)會(huì)更高，因?yàn)榻邮苓@個(gè)投票頁(yè)面會(huì)被理解為「重要的物品」。
根據(jù)這樣的分析,得到了高評(píng)價(jià)的重要頁(yè)面會(huì)被給予較高的 Page Rank(網(wǎng)頁(yè)等級(jí))，在檢索結(jié)果內(nèi)的名次也會(huì)提高。PageRank 是 Google 中表示網(wǎng)頁(yè)重要性的綜合性指標(biāo)，而且不會(huì)受到各種檢索(引擎)的影響。倒不如說(shuō)，PageRank 就是基于對(duì)"使用復(fù)雜的算法而得到的鏈接構(gòu)造"的分析，從而得出的各網(wǎng)頁(yè)本身的特性。當(dāng)然，重要性高的頁(yè)面如果和檢索詞句沒(méi)有關(guān)聯(lián)同樣也沒(méi)有任何意義。為此 Google 使用了精練后的文本匹配技術(shù)，使得能夠檢索出重要而且正確的頁(yè)面。
簡(jiǎn)而言之，PageRank 是基于「從許多優(yōu)質(zhì)的網(wǎng)頁(yè)鏈接過(guò)來(lái)的網(wǎng)頁(yè)，必定還是優(yōu)質(zhì)網(wǎng)頁(yè)」的回歸關(guān)系，來(lái)判定所有網(wǎng)頁(yè)的重要性。
對(duì)PageRank基本了解后，如何構(gòu)建一套搜索引擎，當(dāng)時(shí)筆者還是一臉茫然，后來(lái)又陸續(xù)了解了Luence、Nutch，才慢慢摸索了一些構(gòu)建搜索引擎的基礎(chǔ)，以及對(duì)搜索引擎產(chǎn)品背后的邏輯的直觀認(rèn)識(shí)，現(xiàn)在看來(lái)，當(dāng)時(shí)的認(rèn)知還真只是皮毛；
吳軍《數(shù)學(xué)之美》里面提到搜索引擎分為三大塊：下載，索引，搜索。
下載：
這部分是需要把你想要搜索的范圍的原始數(shù)據(jù)。如果搜索的范疇是網(wǎng)頁(yè)上的內(nèi)容，那么它就是一個(gè)網(wǎng)絡(luò)爬蟲(chóng)。我當(dāng)時(shí)做的是一個(gè)校內(nèi)網(wǎng)的搜索引擎，所以就寫(xiě)了一個(gè)爬蟲(chóng)從校園網(wǎng)主頁(yè)開(kāi)始下載，分析網(wǎng)頁(yè)內(nèi)的鏈接把符合要求的鏈接加入待下載隊(duì)列，這樣一直把所有校園網(wǎng)的網(wǎng)頁(yè)全部都下載下來(lái)。
索引
搜索引擎之所以可以搜的那么快，都是索引的功勞。索引是一種專(zhuān)門(mén)針對(duì)搜索優(yōu)化的結(jié)構(gòu)，詳情可以百度倒排索引 。
前面搜索下載的是網(wǎng)頁(yè)全文，里面的html標(biāo)簽是不需要被搜索的，所以要把數(shù)據(jù)清洗一下，提取出其中的重要內(nèi)容。文本內(nèi)容的預(yù)處理還需要分詞 、去除無(wú)意義的停用詞等。分詞是什么呢…你還是百度吧
建立索引有現(xiàn)成的庫(kù)：LUCENE ，它自帶有幾個(gè)默認(rèn)分詞器，如果想要你的搜索引擎搜索的結(jié)果更好，你可以使用的中文分詞器（這個(gè)當(dāng)然也有現(xiàn)成的工具啦，ik分詞，NLPIR這些都是現(xiàn)有的解決方案，效果也還不錯(cuò)）如果之前沒(méi)有接觸過(guò)它，那就需要學(xué)習(xí)一下。
索引建立好了，接下來(lái)就是搜索了。搜索是將根據(jù)查詢(xún)?cè)~，搜索索引內(nèi)匹配的內(nèi)容，然后展示出來(lái)。符合查詢(xún)?cè)~的結(jié)果多了的時(shí)候怎么辦呢，這就涉及到排序的問(wèn)題，這就有點(diǎn)復(fù)雜啦，這就涉及到很多排序算法比如tfidf之類(lèi)的東西，不過(guò)這些lucene的api也幫你做了，它的內(nèi)部有一個(gè)打分機(jī)制，將打分高放在搜索結(jié)果的前面。
