阅读历史 |

第14章 第一条数据(2 / 2)

加入书签

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能,避免出现内容无法显示或者段落错乱。

马飞没有把“全国中文网页搜索”写得像已经存在。他如实说明,这是一项小规模公开信息检索实验,目前不对外提供服务,不保存限制目录内容,愿意接受站点管理员的抓取时间与范围要求。

网络中心回复:

实验室和公开论文目录可以保留。凌晨一点到五点访问。

这封简短的许可,成了星辰科技第一份数据边界记录。

对方还附了一份公开目录清单,列出十二个允许访问的路径。按清单抓取以后,程序不再浪费时间猜测哪些页面能进,五小时里有效页面比例反而提高了一倍。马飞把节省下来的电话费算给苏雨桐看,她只在旁边写了一句:尊重退出也能省钱,但别把省钱当成尊重的理由。

到4月底,本地语料增长到六百二十四页。数量很小,问题却成倍增加。

同一篇文章在三个地址重复。

网页更新时间不可靠。

服务器返回的中文编码与声明不一致。

有些页面只有一张图片,程序什么也读不到。

更棘手的是链接重要性。一个页面被许多站点引用,通常更值得排在前面;但在当时的中文网络里,友情链接、镜像目录和人工导航页大量存在,简单计算链接数量会把目录当成最重要的内容。

马飞写出一版迭代评分,又在第二天删掉。

不是算法错,而是样本太少。六百多个页面上的漂亮曲线没有统计意义。

删除前,他把代码复制进“暂停方案”目录,写明停用原因。未来记忆让那套思路看上去极有诱惑,苏雨桐却随手抽了二十个页面,让他盲排。所谓重要性得分最高的五页里,有三页是友情链接目录,一页是镜像站说明。

马飞把测试结果钉在墙上。楼上老板下来借订书机,看完前三行,问他是不是花了两晚证明校园黄页最有学问。

“差不多。”马飞说。

老板笑得整根水管都像在震。

“先别给自己制造高级问题。”苏雨桐说,“用户连中文词都搜不稳,链接排序排得再聪明也没用。”

她把任务拆成三项:编码识别、重复检测、基础相关性。

马飞看着被划掉的链接评分模块,承认她是对的。

他拥有未来最知名算法的方向,却必须忍住提前使用它的冲动。一个系统的成熟,不在于塞进多少未来概念,而在于当下最痛的问题是否被解决。

5月2日凌晨,抓取程序完成第一次无人值守运行。

五小时里连接中断四次,自动恢复三次;一处站点因连续错误被暂停;新增有效页面八十七个,重复页面二十三个,总电话费用控制在预算内。

天快亮时,马飞输入“液体火箭燃烧振荡”。

系统返回六条结果。

第一条正是某高校实验室公开的论文目录,标明了作者和馆藏信息。正文不在网上,但一个读者至少知道该去哪里找。

马飞把查询结果打印出来,贴在日志旁边。

打印纸还热着,字迹却有一行发浅。色带快用完了,马飞拿出来拧紧,勉强又印了一份。他把较清楚的那张寄给最初允许访问的网络中心,背面写明查询来自哪些公开目录;发浅的那张留在墙上。

早上五点零七分,五金店老板下来开门,发现马飞趴在折叠床边睡着了,手边压着电话费清单。老板没有叫醒他,只把墙角那只接漏水的脸盆往管子下挪了挪。

电脑屏幕上还停着六条结果,第一条后面是论文馆藏号。

↑返回顶部↑

书页/目录

都市重生相关阅读: 暗局:官场升迁路 快穿之宿主她又倒霉了 闪婚后被校花学姐宠上天 哥哥,抱抱,我腰疼 万剑葬心 开局四选一,我秒选病娇姑奶奶 神级机甲,从觉醒废物到位面之主 绝症留洋归乡?举国哭求我别死! 穿越者事务管理局 侠客江湖行传 名学密神:我成了团宠万人迷 什么叫穹正在肘击怪兽?! 末日加冕,从变成丧尸开始 修仙,从埋葬前辈遗骨开始 寒门捡回小鼻嘎,种田发家满堂红 谋位 精灵女王审讯录 误亲女频男主,他上瘾夜夜喊宝贝 半岛:企鹅的专属大厨 HP伊莱斯荣耀 溺宠七岁:宋先生的小软包落网了 杂役问鼎仙帝 跨界种田养天仙,她带我闯娱乐圈 校花表白,我反手把她炼成尸傀 风起珠三角:话事人 七零年代:团宠小福宝骑猪满村跑 我,生化暴君,碾压一切 漕橹记 高武:杀戮证道,我以异兽铺帝路 穿成泼辣悟道仙子,开局嫁乞丐 盗墓:盘古董就变强,胖子麻了 穿越七零:秒杀系统带我飞 重生之:宁教我负天下人 多子多福:从港娱到世界之王 草系宝可梦大师的牧场物语 囚心锁颜:龙阙之下 七零界碑精,随军嫁连长 超级村庄系统:村里百人每天一万 燕泰:青梅错 家族修仙从周氏开始 大明星李小小 崩铁:智识的那些事 影综:从苦力强开始 大爹要拾女儿与上门女婿多生娃 辍学打工,你给我AK干嘛? 诡怪法则 变身剑豪少女,高武末世快乐叠钢 西游记易读版 公路求生:只有我能无限合成进化 仙帝归来:我在人间无敌的那些年 原罪世纪 刚离婚,我就中了三个亿 我都成道祖了,你们游戏才开服? 皖省灵异事件 全球丧尸化,我绑定了安全屋 商业帝国:从卖酒开始 土炕上的余温 开局两个姐姐,这福气给你要不要 莲花楼之神龙渡莲 我的古玉能通灵