Google新聞排名算法透視

自 2002 年推出以來,Google News 已成為 Web 上最大的新聞內容聚合器。在去年 9 月《大西洋月刊》的一篇文章中,Google News 的主管曾說該網站收集的新聞來源超過 5 萬個,每周的獨立訪客超過 10 億。該網站完全由計算機生成,每天都會收集和展示從全球數千個新聞來源的頭條新聞。

 

Google 甚少透露相關的算法和規則,只是說為了保證顯示的內容質量會定期調整新聞排名。據信,Google 自 2003 年以來已經三次調整了排名算法。

Computerworld?在美國專利辦公室網站查詢時碰巧發現了 Google 去年的一項專利申請—《改進新聞文章排名的算法與系統》,專利申請號為20120158711。通過對申請文檔的分析,從中可以了解到 Google 對新聞故事排名的一些指標。這些指標決定了哪些新聞可以被放在 Google News 的顯著位置。

專利申請中運用了超過 12 項指標來對其他網站的新聞文章進行排名。包括新聞網站定期產生的新聞數量、新聞來源的平均長度、新聞來源新聞報道的重要性、突發新聞得分、使用模式、輿論意見、流通量、相關新聞組織的員工數量、新聞來源的辦事處數量、新聞報道的廣度、新聞中使用的原創命名實體的數量、國際多樣性、甚至還包括寫作風格。

以下就是部分算法規則

用原創文章數或原創句子數來衡量新聞來源的質量
用“故事規模得分”確定某組織一周、一個月或更長時間撰寫的原創文章的重要性。比方說,如果 D 是關于哥倫比亞航天飛機失事的文章,而相關主題的其他不同文章還有 500 篇,那么這個故事的規模就是 500
突發新聞得分的計算是通過衡量新聞來源發布重大事件的速度來確定的
而新聞機構(尤其是未受廣泛引用的那些)制作高品質、原創內容的能力,則可以通過故事提及人物的數量等來衡量

哥倫比亞大學新聞學院的教授 Sree Sreenivasan 稱,技術世界有很多不透明的地方。此項專利申請可以讓人了解像 Google 這樣的公司是如何選擇在線內容并對其排名的。他指出,Google 用來判斷新聞來源質量的某些指標,跟編輯用來確定某出版物是否值得信任是一樣的。

比方說員工數量和受眾多樣性。故事長度也是一個好指標。盡管乍一看似乎 Google 對量的重視程度要高于質。但事實上許多高品質的媒體現在制作的內容都比以往要多。這反映了當前新聞業的現實。

由于此前 Google 對新聞文章的熱度評定經常引起媒體公司的爭議,這份文檔也許能澄清部分事實。不過,Google 在電子郵件回復中稱專利申請不代表產品就是這么做的。

來自36Kr

中国福彩高频快乐十分