科學(xué)史話 克倫·施拜克·瓊斯： 每次網(wǎng)絡(luò)搜索背后 都離不開她的貢獻(xiàn)

克倫·施拜克·瓊斯（Karen Sp?rck Jones）1935年8月26日生于英國哈德斯菲爾德市，一個紡織業(yè)較發(fā)達(dá)的城市。在她小時候，她的父親在大學(xué)里擔(dān)任化學(xué)講師，晚上還要打工掙錢；母親是挪威人，曾去倫敦為挪威流亡政府工作。由于父母都顧不上照看她，便將她托付給鄉(xiāng)間的一戶人家。在這樣的生長環(huán)境中，瓊斯從小便鍛煉出了一定的獨立性。

從11歲到18歲這7年間，瓊斯就讀于一所高水平的文法女校，12歲時，她發(fā)愿要上劍橋大學(xué)，后終于如愿以償。

1956年，她在劍橋大學(xué)獲得歷史學(xué)專業(yè)的文學(xué)學(xué)士學(xué)位。由于對哲學(xué)的興趣，瓊斯又繼續(xù)讀了一年哲學(xué)。1957年，她加入了劍橋語言研究所，開始接觸計算機(jī)在語言研究方面的應(yīng)用。在此工作期間，她認(rèn)識了Roger Needham（1935—2003，計算機(jī)科學(xué)家，英國皇家學(xué)會會員），兩人于1958年結(jié)婚。1964年，她在劍橋大學(xué)獲得哲學(xué)博士學(xué)位，但博士論文導(dǎo)師對她的幫助不大，她基本上是獨立打拼，編程也是自學(xué)的。1968年，瓊斯成為劍橋大學(xué)計算機(jī)實驗室的全職工作人員，從此以后她在這里耕耘了近50載，一直從事計算語言學(xué)和信息檢索研究。

她在計算語言學(xué)和信息檢索兩個領(lǐng)域都作出了杰出貢獻(xiàn)。在信息檢索方面，早在1958年，她就與人合著了相關(guān)文章。她的最重要貢獻(xiàn)當(dāng)數(shù)1972年提出的逆文本頻率指數(shù)（IDF）的概念。這個概念的意思是：如果詞w在一篇文檔d中出現(xiàn)的頻率高，并且在其他文檔中很少出現(xiàn)，則可以認(rèn)為詞w具有很好的區(qū)分能力，可以把文章d和其他文章較好地區(qū)分開來。IDF是互聯(lián)網(wǎng)搜索引擎普遍采用的思路?？梢哉f，沒有瓊斯的早年貢獻(xiàn)，就沒有谷歌搜索引擎日后的成就。

在計算語言學(xué)方面，她1963年完成的博士論文至今仍有價值。該文將統(tǒng)計進(jìn)路（或曰機(jī)器學(xué)習(xí)進(jìn)路）與已有資源（做在穿孔卡片上的敘詞表）結(jié)合起來，取得了領(lǐng)先于時代的成果。此外，她在計算機(jī)自動摘要、結(jié)構(gòu)化數(shù)據(jù)庫的界面、對話、語義學(xué)等多個主題上均有所建樹。

除了本人的學(xué)術(shù)研究外，她還通過學(xué)術(shù)社團(tuán)的活動大大推進(jìn)了本領(lǐng)域的進(jìn)步。尤其是1994年她擔(dān)任計算語言學(xué)學(xué)會（ACL）會長期間。計算語言學(xué)學(xué)會是國際性的社團(tuán)，當(dāng)時多數(shù)會員是美國學(xué)者，她接手學(xué)會時，學(xué)會的財務(wù)狀況不佳，原來的司庫又去世了，一時半會兒招聘不到新的司庫，在這種情況下，瓊斯又要統(tǒng)籌安排學(xué)會的學(xué)術(shù)活動，又要管賬，忙得一塌糊涂。那一陣子是ACL苦痛掙扎的過渡期，在她的有力領(lǐng)導(dǎo)下，ACL走出了困境。除了ACL外，她還是另外好幾個學(xué)會的會士。2000—2002年期間，她擔(dān)任過英國科學(xué)院副院長。在英國有兩所科學(xué)院：英國皇家學(xué)會相當(dāng)于自然科學(xué)領(lǐng)域的科學(xué)院，而英國科學(xué)院是人文社會科學(xué)領(lǐng)域的科學(xué)院。由于語言學(xué)這個大類屬于人文學(xué)科，瓊斯就憑借其在計算語言學(xué)的成就當(dāng)選為英國科學(xué)院的院士。

瓊斯共獲得過7個重要獎項，包括2004年獲得的“計算語言學(xué)學(xué)會終生成就獎”和2007年獲得的“英國計算機(jī)學(xué)會勒芙蕾絲獎?wù)隆保ò⑦_(dá)。勒芙蕾絲是英國大詩人拜倫的女兒，計算機(jī)程序的創(chuàng)始人）。

她2002年辦理了退休手續(xù)，但繼續(xù)在實驗室工作。直到2007年4月4日去世前不久，實驗室里仍有她的身影。

2001年4月10日，電氣電子工程師學(xué)會（IEEE）歷史研究中心的Janet Abbate女士采訪了瓊斯。在接受采訪時她說：“人人都在談職業(yè)生涯之類的東西。從某種意義上說，我做到了一路向前走，但其實那時并沒有明顯的路徑。你得利用一切存在著的機(jī)會。早年的時候，對于女性，即使是在劍橋，工作機(jī)會也是極其有限的。看看現(xiàn)在的年輕女性，我是十分羨慕。現(xiàn)在沒有多少女性擁有‘我能行’的心態(tài)，但她們其實擁有實現(xiàn)‘我能行’的機(jī)會，而我們那時根本就沒有這樣的機(jī)會?！?/p>

希望我們中國的職業(yè)女性以瓊斯為榜樣，抓住機(jī)會，奮力前行。

（克倫·施拜克·瓊斯 圖片來源：劍橋大學(xué)網(wǎng)站）

概述搜索引擎的起源

1.搜索引擎的起源

1990年，加拿大麥吉爾大學(xué)（University ofMcGill）計算機(jī)學(xué)院的師生開發(fā)出Archie。當(dāng)時，萬維網(wǎng)（World Wide Web）還沒有出現(xiàn)，人們通過FTP來共享交流資源。Archie能定期搜集并分析FTP服務(wù)器上的文件名信息，提供查找分別在各個FTP主機(jī)中的文件。用戶必須輸入精確的文件名進(jìn)行搜索，Archie告訴用戶哪個FTP服務(wù)器能下載該文件。雖然Archie搜集的信息資源不是網(wǎng)頁（HTML文件），但和搜索引擎的基本工作方式是一樣的：自動搜集信息資源、建立索引、提供檢索服務(wù)。所以，Archie被公認(rèn)為現(xiàn)代搜索引擎的鼻祖。

2.搜索引擎的發(fā)展

第一階段

Excite的歷史可以上溯到1993年2月，6個Stanford University（斯坦福大學(xué)）大學(xué)生的想法是分析字詞關(guān)系，以對互聯(lián)網(wǎng)上的大量信息作更有效的檢索。到1993年中，這已是一個完全投資項目，他們還發(fā)布了一個供webmasters在自己網(wǎng)站上使用的搜索軟件版本，后來被叫做Excite for Web Servers。注：Excite后來曾以概念搜索聞名，2002年5月，被Infospace收購的Excite停止自己的搜索引擎，改用元搜索引擎Dogpile

第二階段

1994年4月，斯坦福大學(xué)的兩名博士生，美籍華人楊致遠(yuǎn)和David Filo共同創(chuàng)辦了Yahoo！。隨著訪問量和收錄鏈接數(shù)的增長，Yahoo目錄開始支持簡單的數(shù)據(jù)庫搜索。因為Yahoo！的數(shù)據(jù)是手工輸入的，所以不能真正被歸為搜索引擎，事實上只是一個可搜索的目錄。Yahoo！中收錄的網(wǎng)站，因為都附有簡介信息，所以搜索效率明顯提高。注：Yahoo以后陸續(xù)有 Altavista、Inktomi、Google提供搜索引擎服務(wù)Yahoo?。瓗缀醭蔀?0世紀(jì)90年代的因特網(wǎng)的代名詞。

第三階段

1995年，一種新的搜索引擎形式出現(xiàn)了——元搜索引擎（Meta Search Engine）。用戶只需提交一次搜索請求，由元搜索引擎負(fù)責(zé)轉(zhuǎn)換處理后提交給多個預(yù)先選定的獨立搜索引擎，并將從各獨立搜索引擎返回的所有查詢結(jié)果，集中起來處理后再返回給用戶。第一個元搜索引擎，是Washington大學(xué)碩士生 Eric Selberg 和 Oren Etzioni的 Metacrawler。元搜索引擎概念上非常好聽，但搜索效果始終不理想，所以沒有哪個元搜索引擎有過強(qiáng)勢地位。

第四階段

智能檢索的產(chǎn)生：它利用分詞詞典、同義詞典，同音詞典改善檢索效果，進(jìn)一步還可在知識層面或者說概念層面上輔助查詢，通過主題詞典、上下位詞典、相關(guān)同級詞典檢索處理形成一個知識體系或概念網(wǎng)絡(luò)，給予用戶智能知識提示，最終幫助用戶獲得最佳的檢索效果。?

綜合自科技日報 ； 參考資料： 《網(wǎng)絡(luò)營銷》 楊路明等編著 機(jī)械工業(yè)出版社