Selv om Graph Search ikke har blitt rullet ut til alle ennå, har det klart å bli snakk om Facebook i det siste; og med god grunn. For de ukjente er Graph Search Facebooks svar på de personlige resultatene du kan få fra søkemotorer som Google og Bing - bare mer kontekstualisert og med mye mer spesifikke data om din sosiale sirkel (og den sosiale sirkelen til din sosiale sirkel).
Hvordan grafssøk fungerer, har fortsatt vært litt av et mysterium, men nylig ga Facebooks ingeniørblogg et blikk på noe som får girene til å søke på Graf.
Til sammenligning var Facebooks eldre søkemotor (kalt PPS) elementær. Nøkkelord var de eneste faktorene som PPS brukte for å generere resultater. Til og med "Søkefilteret" var rudimentært og reduserte resultatene basert på brede emner som Mennesker, Grupper og Sider, for å nevne noen.
La oss nå grave i grafsøk. I løpet av de siste årene har Facebook sakte integrert nye funksjoner som til slutt vil mate Graph Search. Ta for eksempel "Typehead", som egentlig er Facebooks svar på Googles autofullføring. Når du skriver inn et søk, gir søkemotoren et utdannet gjetning om hva du søker etter, og foreslår resultater i en rullegardinrute. Typehead ble introdusert i 2009 - lenge før Graph Search ble introdusert - men det var ikke så sofistikert da som det er nå i Graph Search.
Det er her ting begynner å bli kompliserte. For å konseptualisere hvordan grafsøk fungerer, tenk på det større bildet av forholdet mellom venner, sider, bilder, innlegg og grupper som et enormt nett. Venner har et forhold til venner, sider og bilder via likes og kommentarer. Og disse sidene, bildene og gruppene har et forhold til hverandre.
Facebooks ingeniører delte diagrammet ovenfor for å prøve å bryte ting ned litt. Se for deg de store prikkene, som vi vil kalle noder, som substantiver - de kan være venner, sider, grupper, innlegg og til og med navnet ditt. Hvordan disse substantivene er relatert til hverandre er representert av pilene (som inkluderer forholdsattributter som "Venn", "Merket", "Foto", "Hendelse", "Liker" og så videre) kalt "Kanter". Så det du ser i dette diagrammet er hvordan bruker Sriram Sankar ville vært relatert til siden med tittelen "Breville." I dette tilfellet er forholdet via et "like."
Å ta et skritt tilbake og se på det større bildet, vil du kanskje bli overrasket over hvordan Facebook har klart å kartlegge et nettverk med piggybacking på vår sosiale natur. Den kjenner til og med forholdet mellom dronning Elizabeth og George VI og historien til Star Wars, sier Facebook-ingeniør Sriram Sankar.
For å gjøre opplevelsen for brukere mer søkemotorlignende, gikk Facebook bort fra å bare stole på søkeordssøk for Graph Search og bestemte seg for naturlig språkbehandling. Dette betyr at du kan skrive søk slik du naturlig snakker, og algoritmen til Graph Search vil se på hvert ord du har skrevet og finne ut hva du leter etter.
Konseptet virker enkelt nok, men å utføre det var tilsynelatende lettere sagt enn gjort. Med Facebooks originale søkemotor (1.0) ble handlinger på Facebook - innsjekkinger, likes, kommentarer, din personlige info osv. - bare brukt til å rangere resultater. Med versjon 2.0 indekserer Graph Search alle disse handlingene for å finne ut forholdet mellom ordene du har skrevet. Hvis du for eksempel søker etter "Mark Zuckerberg", må Graph Search vite at "Mark" og "Zuckerberg" refererer til Facebooks administrerende direktør, ikke folk som tilfeldigvis deler fornavnet "Mark" og etternavnet "Zuckerberg." Programmering av grafsøk for å vite forskjellen var ikke lett - og det er her "Unicorn" kommer inn i bildet.
Enkelt sagt, Unicorn merker hver node med tall og bruker den til å dechiffrere det du søker etter sammenhengende. Ta en titt på følgende indeks, som ble notert i blogginnlegget som et eksempel.
Hvis Facebook skulle indeksere navnene Mark Zuckerberg (fbid: 4), Randi Zuckerberg (fbid: 13755), Mark David Johnson (fbid: 1001) Randi Johnson (fbid: 5542), og David Johnson (fbid: 10003), følgende er hvordan det kan se ut. Det er en haug med navn og tall og grafer akkurat nå, men du forstår hva det betyr på bare et øyeblikk (for referanse: fbid refererer til Facebook ID).
merke → 4
zuck → 4
randi → 13755
zuck → 13755
merke → 100
david → 100
johnson → 100
randi → 5542
johnson → 5542
david → 10003
johnson → 10003
Navnet Mark Zuckerberg (Zuck) er merket med fbid 4, Randi Zuckerberg er merket med 13755, og så videre. Denne organisasjonen brukes uten hensyn til mellomrom mellom navnene siden navnene er beslektede. Potensielt kan et navn som Mark ha så få som en oppføring (budtall) eller millioner.
Dette er viktig fordi Graph Search behandler et navn som "David Johnson" som et søk etter "David" og "Johnson." Men, som rutenettet illustrerer, søker Graph Search å forstå forholdet mellom de to navnene.
For å finne ut hvilken "Johnson" du leter etter, bruker Facebook det det kaller "viktig" for å hente resultater som Unicorn mener er det viktigste for deg. For å visualisere hvordan Unicorn ville tyde det du leter etter, se på de tre punktene under "Johnson." Av de mulige resultatene er den som Facebook vil spytte tilbake på deg den som anses som mest relevant. Facebook kommer imidlertid ikke inn på detaljene for viktighetsmåling, så det er lite lys vi kan kaste på hvordan det fungerer.
Og der har du det. Nå bør du ha en ganske god ide om hvordan Facebook Graph Search fungerer for deg å imponere vennene dine med, eller for å ta opp i en bar-samtale.
