新闻搜索算法

互联网上各种信息泛滥，真假难辨。许多时候不是找不到信息，而是信息太多，而无法判断消息的真实可靠性，权威性。对资讯类的信息找到事件的来源，是判断其可靠性的有效办法。然而google搜索的PageRank算法，是把最大引用的排名靠前，对资讯类的信息，这是不合适的。因为许多信息的传播都多是拷贝粘贴，不一定最初发消息的地方Page的级别就会高。google+的办法也不行，因为更不一定推荐的人多的就是“原始帖”。要搜索一个资讯的根源，应该使用一个全新的搜索算法。这个新的搜索算法，要把相似说法的咨询模糊归类，考虑信息出现的最早的那一版本，要智能判断谁“复制”的谁，不能只考虑整篇的复制，考虑部分文字的引用，甚至考虑语义上的参考。