对于微软学术搜索的评价——陈稳霖

首先我要对IEG学术搜索小组的实习生同仁表达敬意，你们的付出历历在目。我在IEG也呆了三个月，做的是旅游指南项目，虽然现在转组了，但是对IEG很有感情的。学术搜索是个很棒的网站，我一开始用就很喜欢，也一直建议我朋友也用。但是既然作业中必须要讲缺点，那我只好说出我的想法，在下才疏学浅，以下观点纯属自己粗浅的想法，如有异议或者建议，请发我email: v-wenc@microsoft.com，谢谢。大家都是为了让微软学术搜索能够成功，得到广泛好评:)

a. 微软学术搜索的三个优点和四个缺点

        首先讲优点，第一个优点，就是Microsoft Academic Search建立了各种分类，比如Organization, Domain等。搜索的维度比较丰富，可以根据维度多，可以根据paper, organization, author等来搜索。第二个优点就是建立了domain中研究人员的排名或者Organization的排名，这个有点耳目一新。第三个优点就是建立了每个作者的个人主页，同时还有co-author的关系图，关系图的动态效果蛮好的。

        其次讲缺点。第一个缺点就是数据不够全，领域不够多。现在大部分Domain仅仅涉及了计算机领域，对其他领域数据或者作者的采集不多，使得这个学术搜索无法推广到其他领域。第二个缺点就是数据的错误。我搜索过几个教授，发现有教授所属Organization错误的，或者co-author错误的，paper错误的，关系网错误的等等。还有就是有些教授的照片显示不出来，我点过教授的个人主页，他们是有照片贴上去的，但是在Microsoft Academic Search上面却显示不出来，希望IEG要加大对网页分析，尽量把正确又全的数据crawl下来。

        第三个缺点，下载不够方便，需要点击到其他网站的链接才能下载，这个是很不好的UX。我知道Microsoft Academic Search是考虑了版权的问题，但是如果是我的话，我会去从教授的个人网页上Crawl论文的PDF链接，直接提供在Microsoft Academic Search板面的下载服务，但是要注明一下该资源是哪里的，Google Scholar就是这么干的，人家行，为什么咱们不行。而且对于中国用户，打开国外的网站速度很慢，论文的PDF文件放在国外专门下载网站上，对中国用户是无法忍受的。试想，我要搜索Paper，我到Google上搜一下(无需Google Scholar)，直接有PDF的下载，我干嘛还要来Microsoft Academic Search呢。

        第四个缺点，也是我想重点讲的，不算是技术上的缺点，而是Search Engine Optimization问题，我觉得更是Microsoft Academic Search策略上的问题，可能IEG已经有所重视了，那就当我废话吧。总体来讲，Microsoft Academic Search有很多Google学术搜索没有的亮点，也可以说是技术创新点吧，但是我们做网站要的是能够推广到广大用户，说白了，我们就是要争取流量。一个好的产品很少人用那就是不成功的甚至是失败的产品。那么用Microsoft Academic Search的只可能有两种人，第一种是本来就知道这个网站的人，并且是被这个网站吸引的常客，第二种就是到Bing去搜索paper，然后被引导到这个网站的人，而通过Google和百度搜索Paper的人绝对不会被引导到Microsoft Academic Search。以下是我的分析，我到Bing上搜索Paper, Microsoft Academic Search的排名一般很高，都能出现在搜索页面的第一面。但是，我到Google和百度上搜索Paper，Microsoft Academic Search根本排不上，我翻到第10面了还是没有，试问，用Google和百度的用户那么多，但我们的Microsoft Academic Search却排不上号，这么庞大的流量直接浪费掉。在没有优化搜索引擎之前，Microsoft Academic Search想增加流量的话只有两种途径：第一，增加第一种人流量，那就是去各大网站各大高校打广告，这个要耗费很大财力和人力，且效果不一定好；第二，增加第二种人流量，更不可能，现在Bing虽然在发展，但是增加Bing的用户流量短时间内没戏，MSRA也管不了。

        综上所诉，最有可能增加流量的只能是从Google或百度引导流量过来了。可是Microsoft Academic Search不知咋搞的，居然居然没有让Google把整个网站的所有网页Crawl下来，只Crawl了Organization这个页面的，以下是我的证据：

 

（用户权限原因上传不了图片，大体就是在Google输入框中输入site: academic.research.microsoft.com以测试Google爬了哪些网页）

 

请看上图，我试着在Google上查到底Google爬了Microsoft Academic Search上的啥东西，为啥Microsoft Academic Search的排名一直上不去，结果发现，Google爬下来的东西只有Organization。

 

（用户权限原因上传不了图-_-!）

 

请看上图，我翻到55面了，都还是只有Organization。我试着去分析Microsoft Academic Search的主页，首先，Publication, Author, Conference, Journal, Organization和domain这几个tab是随机选取的，我猜是不是Google来爬的时候刚好随机到了Organization了，然后可能是该网站用JavaScript写的原因，导致其他链接无法被Google分析到，所以爬不到。总而言之，第一，网站要能被搜索引擎引导过来，第二，网站要能够留住被引导过来的用户。第二点我相信Microsoft Academic Search肯定可以做到，独特的技术创新，好的UI，肯定留得住用户。所以我希望Microsoft Academic Search能够加大对SEO的投入，这才是吸引顾客的最佳手段。

 

b. 和Google Scholar相比，总体评价是什么？这类项目技术难点在哪？有什么更好的解决方案？

首先，我的总体评价是良好。第一，UI涉及比Google好多了，更加友好。第二，有各种领域分类，排名，机构等，还有个人主页，关系图，这些都有很好的加分作用。缺点就是我刚刚讲的，不能直接下载，还有SEO做得不够。

这类项目的技术难点，依我看，有如下几方面：（在下才疏学浅，可能有些实际中不是难点）

1.      从Internet上搜索各个教授或者研究员的Homepage，因此要有一个判断标准，什么样的url以及html是Personal Homepage. 其次即使判断了Homepage，每个主页的html格式可能不一样，对各项（如Paper, Publication）等叫法不一样，还有网页上的图片到底是教授自己的还是其他人的，很多人喜欢往个人主页贴家庭图，搞不好会把人家baby的图贴到Microsoft Academic Search上。所以需要强大的Crawler和网页分析器。

2.      关系网络图的实现，怎么用高效的算法来从Paper中的Author列表建立庞大的网络关系图

3.      排名的标准，Microsoft Academic Search有各种排名，标准如何制定

4.      从各个网页上爬下来的人名应该会有一些重合的，比如有两个人都叫Wenlin，那在分析或建立个人网页或者co-author的时候，就存在一些问题。还有作者的单位可能会有变动，怎么进行实时跟踪并且又准确定位

 

c. 如果你是项目经理，项目团队有12人，对此项目将来一年的发展如何规划？

1. 可能会做一下user study，了解一下用户希望有哪些功能，以及评价

2. 继续做SEO

3. 可能添加一些功能，比如根据论文时间排序，引用数等

4. 扩大领域，比如往物理、化学、经济等，增大数据量

5. 加大推广