漫画 | Google剽窃了我的算法？
共 2043字，需浏览 5分钟
·
2021-03-17 14:28
上世纪90年代，互联网的大幕刚刚拉开......
此时的张大胖，还是一个正在读博的穷学生。
这一天，导师交给他一个光荣的任务。
Yahoo在当时用手工分类的方式来整理Web网页，解决了网民找网站的问题， 深受大家的喜爱。
但是导师表示Web即将爆发式增长，手工的方式根本不可持续，以后将是搜索的时代。
张大胖脑子中立刻就想到了解决方案。
导师看到张大胖迷茫的脸色，告诉他一个秘诀 ：倒排索引。
张大胖到图书馆借了一本书，研究起来。
他觉得倒排索引这个词很古怪，但概念却非常简单。
比如说有这么两个网页：
只要把其中的单词都抽取出来，记录下单词出现在哪个文档中，就形成了倒排索引。
由于记录了每个单词所在的网页，只要给出一个单词，就可以迅速地定位到它在哪个网页中。
但是上面的倒排索引有点“粗糙”，还可以再“精化”一下。
张大胖拿着这个倒排索引去找导师。
张大胖想了想， 其实要计算两个词的距离，这其实也并不很难。
张大胖以为这次可以交差了， 没想到导师再次提出难题。
张大胖心说这导师真会难为人， 要不我把每个网页中的title内容单独搞个索引，这有点麻烦。
对了，能不能也记录下<title>和</title> 在文档中出现的位置呢？
张大胖得意地给老师做了展示， 表示只要查看一份索引，就能实现对title搜索的功能了。
话虽这么说，张大胖还是试图去解决这个问题：如何衡量一个网页的重要性呢？
如果只看关键字在网页中出现的次数，那么可能会有人作弊：疯狂地向网页增加相关词，以此增加重要性，这肯定不行。
首先，先给每个网页一个相同的分数，然后使用这个算法计算出最终的“分数”， 也就是网页的价值了。
张大胖开始发挥自己的“数学能力”，把思路转化为数学公式。
张大胖兴冲冲地拿着自己的研究成果去找导师。
在老师的指导下，张大胖发表了一篇论文《大规模网络搜索引擎的算法》，博士顺利毕业。
既然理论都搞定了，能不能把这么伟大的算法在现实网络中实现了呢？
张大胖没办法，面试进了一家著名外企，开始了打工人的生活。
一年以后， 美国传来消息， 有个叫Google的搜索引擎公司横空出世，很快就统治了搜索市场， 公司上市后， 创始人瞬间财务自由 。
张大胖好奇地查看Google的核心技术: PageRank， 发现和自己的思路好像，难道它剽窃了自己的算法？这当然是不可能的！！
想到错失的机会，张大胖非常沮丧。
—— 图书推荐 ——
刘欣（@码农翻身） 著
本书讲了很多很多故事，在读故事的过程中就能轻松掌握相关技术，让你在畅快的阅读后，会有一种“原来如此”的感觉。
书中把计算机元素和行为用拟人手法编成一个个精彩纷呈的故事，绘声绘色且深入浅出地演绎晦涩枯燥的编程知识。学习优秀的架构师是如何思考、如何抽象、如何成长的，从操作系统、Java语言到Web技术，每个主题都深入浅出。
▲扫码获取本书详情▲
如果喜欢本文 欢迎 在看丨留言丨分享至朋友圈 三连
热文推荐
▼点击阅读原文，获取本书详情~