中国工程院院士方滨兴：大搜索促进大数据价值挖掘

sowang

央广网科技9月18日消息（记者 杜阳）第三届绵阳科博会分论坛如期举行，在17日的国际电子信息发展论坛上，中国工程院院士方滨兴发表了“大搜索促进大数据的价值挖掘”的主题演讲。

    方院士从搜索引擎的角度，以实例为证，具体阐释了大数据核心价值。他表示，移动互联网、大数据、社交网络、物联网、云计算五大IT新技术催生了网络空间大搜索。大数据追求的是价值挖掘，其背后则是发现服务，智慧搜索需要知识支撑，存在很大空间。

    在面向网络空间的大搜索引擎研究上，中国应力争突破技术前沿，为今后信息技术发展奠定更好基础。

    以下是他的演讲全文：

    大家好。我今天演讲的题目是大搜索促进大数据的价值挖掘，让网络展示智慧。我准备从大数据来考虑，我们知道大数据有5V。一个是它的规模巨大，一个是它的产生速度快，一个是它的类型形式多样，还有一个是它的数据的不确定性。还有一个不是它自身的诉求，是我们追求的诉求。所以我们搞大数据，本质是什么呢？我们对大数据挖掘出来的价值，是大数据的一个根本。大数据发现能够带来很多的用处。比方说我们可以看到哪一个企业的产值最高，这是一个什么方式呢？我们称之为是统计的方式。这个会比较简单。

    还有一个，近期会出现什么热点，你事先不知道。我们会得出什么结论，前面，我们知道总会某一个企业产值最高。这个，是可以预期的。

    还有一种情况，比如说看病，怎么走最近，这个比较复杂。我们讲这是可以的。也许那个医院排队人非常多，你去得快，到了排很长队。那么你可能找一个排队少的，但是那个医院不太擅长，这也不合适，一系列的因素。我们就要得出一个解决方案。

    发掘大数据价值，推动大数据的本质就是说这么多企业挖掘的价值，可以极大的提升它的价值。比如说亚马逊，提前销售额超过30%，中移动的客户投诉识别系统，年节约成本达到540万。

    但是我们注意到这些案例，数据是自己的我用自己的数据挖掘未知的。如果这个数据是开放的，这个数据别人也会拿到，会带来什么呢？我们非常期盼。如果这个数据能够开放出来，大家可以看到更多的东西。这样的话，我们把数据挖掘，公众可以获得利益。比如说社交网络，新浪微博的社交网络，就是利用这个开放数据，人人都可以获得这个数据，试图获得一些新的需求，这可能是一种传播，情感分析，关键帐户等提供分析。那么新浪微博提供了。

    还有一种例子，这个是鹰击微博监控。我刚才从大数据的角度来考虑。我现在从搜索引擎的角度来思考。大数据很重要，现在我们搜索是怎么样的呢？我们可以搜到简单的信息，通过二维码，上面哪里有啊？什么价格，物流合作怎么样，走到哪里了，我还可以搜索人物，这个人是什么情况，我们可以按地域搜索。我还可以说微信摇一摇，周边谁。我做飞机，一搜，我认识的人。我还可以搜联网式的，他能够搜到所有的联网式，包括门禁系统，包括路由器，包括打印机等。当然，不仅仅是为了搜，还要去发现这些漏洞，有没有弱点。它联网的设备居然有漏洞，让你轻易的进去了。这种搜索都有。

    还有搜索移动的设备，智能自行车，GPS，GSM模块，现在到哪儿了。还可以搜索传感器，这块要传感器感受我们现在的空气的净化程度，或者某个传感器感受一下压力等等。如果它这个传感器是对公众开放的，就能搜索到。

    所有这些我们看到什么呢？搜到是一种存在式搜索。我们通过搜索引擎找到的。我们看到还有一些什么搜索。我们先说存在性搜索是什么。是将以存在的，符合用户需求的提交给客户，在于如何给车符合用户信息。存在性搜索可能存在用户需求的搜索结果提示用户。对大家在怎么筛选最有用的信息。

    存在性搜索还有一些什么呢？搜时间，我们在搜索引擎，打北京时间马上告诉你现在几点钟。而并不是告诉你哪一个网站有北京。首先它认为你是想要用一种服务，是想让它告诉你现在是什么服务。你说北京天气，马上就告诉你北京天气，这是提供一种服务，这种服务就是天气。比如说机票，机票哪一天到哪一天，这是提供什么呢？提供一种服务，服务是什么呢？是机票的一种情况。

    你说今日汇率，就会给你提供人民币，汇率情况。你要敲今日限行。在北京，你输入今日限行，尾数为3，8限行。当然，你要是在广州，会告诉你很多限行情况。你要说测网速，马上提供你现在网速是多少。这都是一种服务。你说速度游戏，马上就给你提供诸多的速度游戏，随便点哪一个。甚至你说爸爸去哪儿，会把这个电视和电影提供给地，直接一点就可以去看。由此，我们看到是什么呢？我们看到的是服务，是一种服务搜索，服务搜索是什么呢？我们说服务搜索就是一个尽力而为的原则，不能保证你要的是精准的。各大搜索引擎都汇聚，这种需求是不是你想要的，也许你要的是服务，而不是信息。就把你要的需求提供。

sowang

我们看还能搜索什么呢？还能我搜索一个人物的关系。取一个名字，告诉你这个人物跟谁有关系，而且有些关系是什么关系，师生关系，同事关系等等给你列出来。学术搜索，就告诉你这个人参加什么活动，参加什么会议，学术背景的信息都给你提供出来。

    路径搜索，大家知道，我导航从成都到绵阳。所以我们说这些是一些什么搜索呢？这些搜索是一种知识搜索，为什么呢？因为已经不是客观存在，如果没有这样的服务，没有的信息，但是给你现组织起来，对不对不一定，所以我们路径搜索也许你知道更好的路径，但是按照他的知识来。 知识搜索根据用户需求给我们提供了一个答案，这个答案取决于搜索自己。

    首先是大数据，我们追求是价值挖掘，价值挖掘背后是什么呢？知识发现服务。搜索引擎我们圆存在性搜索，现在演变到服务搜索，现在是知识搜索，他们俩开始并轨，是一个什么呢？基于搜索引擎的知识发现服务。也就是说这就是一个大搜索。我们想是智慧搜索，后来想如果没有知识支撑，还走不到。

    那么看看，如果搜索引擎我们提供知识发现服务，会怎么样呢？大家大家知道导航，导航现在不仅仅是有地理位置的信息，还有一个交通流量信息，实时导航。我用的是搜索导航系统，我差不多注意到五分钟变一次，原来是4道变一道，肯定变了。他会告诉你一个绕远的路，但是告诉你这个知识也是实时的交通流量的信息，甚至有线路的信息。你现在选的道，尽管是20公里，但是进入的这一道是每小时20小时的时间。这么精准，我们说这个是知识发现。

    这样的话，我简单说，什么是大搜索，我们说搜索引擎和知识发现结合，简单一个定义，面向泛在网络空间中的人，物体和信息。而且还要正确理解用户意图基础上的，基于从网络空间大数据获取的知识，给出满足用户需求的智慧解答。所以这个大数据，大搜索就有这么几个要素。

    我们看看，是基于一个搜索引擎的知识发现，首先获取数据。你说获取很容易嘛，我们传统的获取是互联网获取，现在大数据要增加新的，比如说地图，流量从哪里来的呢？当然，更多的是甚至是搜狐百度，我们用了搜狐地图，就给我们发信息，从你的所向获得了一个信息，然后再告诉别人，这个移动怎么样。为什么呢？因为你一条道上，总得有一个，很多人用它的东西。这些就是算得很精准的数据，这个获取一定是在空间中获取。我们叫做网络空间。不仅仅是互联网，还有电信网，传感网等。获取信息这个问题，我要占整个空间，包括传感网，互联网。

    第二个是传感感知。作为一个大搜索，还有一个特别的挑战，正确利用用户的信息。我要搜天涯海角，知道什么意思吗？某个公共汽车站是天涯海角，甚至一个影视片是天涯海角，所以这里面涉及到很多。你要在一个城市里面车展给你推过来，需要分析你的需求。

    那么再一个要素就是知识。这个问题很大，很关键。有点像传感专家系统，但是巨大的差别是什么呢？专家系统看一个遍，但是当搜索引擎，对不起，我写一个，我要到天涯海角怎么走，两小时告诉我肯定不行，你要迅速的告诉我。一定要事先把各式各样知识都摆出来了。首先是挖掘大量的问题，每个问题我都事先排了很多答案，有些答案是可以带参数的。这个是参数获取，因为是实时的。这个结构要构建好。

    第四个就是我们要给出一个方案。这个方案一定是符合你的。美国说现在我们要竞选，谁有戏。调研过了四千人，但是有更多的信息来，大家在网上是怎么议论的，这边的变化怎么样。这个人逐渐变那个人，就可以为各方面算，可能谁能赢，那个答案就是智慧解决答案。

    最后一个，隐私保护。我这个数据来了，发现有个人隐私，我们就做实验，我们看到一个研究所说，本项目获得了国家科技进步一等奖，一定是保密项目。但是很简单，大家叫什么，其实就给什么。找了以后，发现这个所原来是一个什么所，这个所是研究什么的，然后看它的历史发展文章，特别的战术武器方面发表文章，里面无意中说这个型号，一定达到国际水平了，最后我们就能带出来说，这个实际上是某一个型号武器。通过大数据把你的隐私挖掘出来。隐私怎么保护好？关心孩子走到哪儿呢？绑架者也可能找到你的孩子，这个也是一种风险。

    大搜索的5S，五个核心能力。一个是用户感知，多源综合，安全可信，智慧解答，泛网获取。怎么看5S呢？第一个S呢？泛网获取。一定是在整个公众号获取。第二我S是感知能力。第三个感知是多源综合能力。第四个是安全可信。第五个S是智慧解答。大搜索系统是通过从不同通道获取海量信息，通过理解用户搜索需求。

    泛网获取，我们说泛网获取是定向性的获取。我们现在针对这个问题的答案需要哪些信息，这样的话，我所有准备好，都是一些答案类。我们说传统搜索是从网页上爬取互联网数据。大搜索是根据给定的目标和任务，在泛在网络都通道中获取包括，人物，事件时间，空间等各类信息，，所以我们要获取，清洗，关联和索引。

    我们拿这个举一个例子。我们将来的物联网购物。我要买衣服，你该开车开车，走路走路，附近有人卖衣服，因为走到哪儿都有实时的沿路信息。我们现在买衣服不一样，挑一天不一定买，男人买衣服，说好了这个号，有没有，没有，再跑。所以就解决了走过路过错过的信息。就把这个关键给你推送过来。

    第二个是用户感知。你需要的意图理解精确化，基于肠镜感知的意图理解。传统搜索只关心所提交的查询词。大搜索是不仅能够在语义级别上对用户搜索意图进行理解，还能根据用户的时空位置，情绪状态以及历史偏好等信息来感知用户的需求，并以恰当的方式进行表示，提交给搜索引擎。比如说你说关心，就会细化，你说不关心，就走别的。你说大爆炸，给你很多知识。

    马尔代夫度假，这句话怎么说呢，因为到了搜索，就告诉你，这个理由有很多游，豪华游，经济游等等都给你推出来。如果点一个豪华游，你不在乎钱，就告诉你哪一个更奢华，给你推荐这个。如果你说经济游，可能是学生，就尽可能的告诉你哪一个有单身宿舍，大家可以拼车等等。所有这些都是对你的判断，才可能往下再走。

    第三个是多源综合。传统的搜索只是根据PageRank给出最相关结果。排在最前面是别人点击最多的，这个肯定最没有人最关注的。当然，国内游一些搜索引擎，根本不理这个，谁给的钱多，就给你排在前面。我今天遇到一个解放军的医院，把我们甲医院都排在前面了。位置，传感器，网络数据中，进行关联综合。形成相应的知识框架及索引体系，并以知识仓库的形式存储和管理网络知识，服务于为求解用户智慧答案的知识索取。医生的看病时间长，时间短，病人的什么情况，报医院的位置，病人对医院的评价等等，所有这些都是这些要素，如果你说到医院的话，就给你这个。

    比如说，我要到达银行，马上给你算，周边多元有哪些医院。比如说银行周边，一公里有，两公里有，但是当地有牌号序，尽管离你近，但是排队人数是20人，每个人处理人数，一小时内，你要是一小时才到，一小时会增加15人，这个一小时增加26人，服务太慢了，最后告诉你，哪一个方法可能是最好的，可能最后告诉你哪一个医院最好，尽管远点，要70分钟，但是速度最快。所以这就是它背后存的。我们现在存的就是简单所以，这个网页里面，有这个词，那个词，产生了哪一个文字。所以它两个差别是很得大。

    好，安全，安全很重要。刚才说了，我们说传统的安全，只有简单信息规律。传统搜索只有简单的信息过滤措施，根据什么什么原因，我这个某一个结果忽略了，你要是想知道为什么，你见进去一看，德国监管部门告诉你是错误信息。大搜索，我们对数据来源进行确认，并对之进行标签，我们进行点评。恶评就是不是真实评，因为大众是一个经典的你那个故意的就是非经典的。这个都是我们在安全中，所要做的。当然，我们还有一些，像360搜索，我得有防控者，什么人都搜，360自己不也知道嘛，怎么办呢？可能这里就做变换，这个手环出门前，按一下，那个随机参数，发的地址跟这个随机参数偏离，在成都，他偏离。因为我的手机接受了，就会把参数校正了，这个时候，绑架人并不知道你的参数，找不到，这样的话，就获得了真实信息。

    所以我们搜索了一系列的像隐私保护，行为隐私保护等等。如果是一个安全搜索引擎，可以屏蔽掉。谷歌现在说了，所以有过滤能力，从这个来讲。比如说我搞一个安全，我要搜一个人的位置，那么我做一个配置，我是按照我的情况来做位置。这是我的隐私，不知道我在哪儿。如果是我的同事，我的同事是在工作时间，你搜索我的距离，可以定位10米，我可能在这个办公室，不在那个办公室。但是在休息时间，你给我的定位是在3公里。但是，知道我不是在绵阳。对好友工作时间就不管那么多了，但是呢，你休息时间，可能找我，我们干点什么事，喝茶，你可以在一百米以内。这样的话，就是一种安全的方式。

    最后一个是解决方案。我们说这个搜索，大搜索跟传统搜索不一样，大搜索就是给一个解决方案。所以传统搜索给我一个存在信息，大搜索是给我一个答案。这个答案要判断你的搜索意图。比如说你周围是协和，北大，309，北大等候一小时，309不用等，交通呢，到协和还拥堵，到北大比较堵，309比较堵。

    比如说，人物简历，谁来演讲，我公布的简历都是十年前的简历。现在网上就是这样的，我们说到大搜索这个年代，就是需要智慧。不是说网上什么信息拿什么信息。比方说一个时间段，一个地段。智慧搜索，会自动到网站走。给你确认，你说放心，有他的名就对了。靠一个认证，或者是旁证。这个摄像头怎么样，给你提供了一个简历，自动搜成的简历是精准的。

    这样我给他一个定义，什么是大搜索。我们有存在性搜索，一个是在互联网，一个是在物联网空间的，一个是在电信空间的。三个空间，首先在搜索范围，就已经是一种多网，这种多网是泛在空间。我们捉传统搜索引擎范围，是由互联网+电信网+传感网。我们刚才搜索，重新组合，发现有搜索信息的，搜索的内容也发生了变化。现在除了信息还有物体，还有信息，还有人物。大搜索的搜索内容信息扩展到了物体，信息和人物。我们说内容维，有信息，人，物。这样的话，我们通过这个重新定义，什么是泛在大搜索。根据一定的信息和方法，从互联网，物联网，电信网等泛在网络上实时，快速，精准地，获取各种物理实体，人物，信息等，具备洞察理解用户搜索意图的智能，能够对网络空间各种对象进行高效地组织和管理，建模和索引，具备为用户构建尽可能符合用户需求答案的智慧，能够以向量的方式提供智慧解答。搜索内容由信息扩展到物体，信息和人物，从传统搜索面对的虚拟世界扩展到了互联网。

    从历史的演变看今天的机遇。搞搜索引擎的人没有机会了，百度早出来了，这个时候，就要搞很精的搜索引擎。像搜狗啊这些，从地图开始走，走一些别的路，然后再来推搜索。但是那个时候，其实已经从精，从精的角度来解决。想要我排在最前面，一上来，200个答案，我只要在前50个答案，找到你的满足。

    到了第三代，十年前，根本不用说投资了，搞搜索引擎都是搞别的长再转过来的。像360，都是搞别的然后转到搜索的。语义搜索，基于知识的搜索技术等等这些就出来了。

    网络空间搜索引擎技术的发展。互联网，传感网和物联网都需要信息，但是虚拟世界信息，人，物，我们说大搜索的依赖五大新信息技术。大数据，云计算，社交网络，物联网，云计算等等。所以这五个是现代的信息技术变革最大的。这五个技术，就给我们大搜索提供了它的基础。从网络空间，物联网提供了网络空间，社交网络提供了对人的搜索。

    大搜索有两个重大含义。第一个就是大数据的挖掘从哪里挖掘出来。我们企业内部挖掘就是内部的搜索。我们互联网的搜索引擎，除了百度这些是互联网搜索引擎，其实你上任何服务，你上携程也好，等等都要搜索。我们现在注重是内部挖掘。我们还要做外部挖掘。

    还有一个，搜索引擎要延伸到了物联网空间，延伸到电信空间，传感网空间。如果互联网没有搜索引擎，互联网根本发展不了现在，你做什么东西想要找也找不到。如果物联网搜索引擎还没有，现在没有物联网搜索引擎的今天，我们说要运用物联网大数据，为以后的互联网发展鉴定了基础。现在要做大搜索，你现在花钱去买一个排队信息，这些排队信息，你花钱买，我花一万块钱给我，这个排队信息对它一点意义都没有。只是说现在第几号了，十号了，没有任何意义。一旦卖给你了之后，用你的搜索引擎，到哪儿去看银行帐户，马上到你们那去，用户太多。但是告诉了以后，有什么好处呢？就到人少的医院去。当然，像好医院，301也高兴，现在来我这里看病的都是那种很小病的，排队把我资源都占了。但是，当所有牌号器看到的时候，我们人就分流了。今天的好处，你今天花钱，还给不给我，肯定给你。要不给你的话，机会就没有了。那些事先没有给你说，我给你，对不起，你得给我钱。携程刚开始的时候，到宾馆去要数据，现在你得给我钱了，你看哪一个宾馆不摆携程。所以这就是一个大机会。

    我的报告完了，谢谢大家！