他在纸上写下一句话：“我爱北京天安门。”

    “普通人看到这句话，知道是什么意思。

    但计算机看到的是一个个汉字：我、爱、北、京、天、安、门。

    它不知道‘北京’是一个词，‘天安门’是一个词。”

    他在“北京”和“天安门”下面画了线。

    “分词算法就是教计算机认词。

    就像教小孩认字，先告诉他‘苹果’是一个整体，不是‘苹’和‘果’。

    然后他看到‘红苹果’，就知道‘红’和‘苹果’是两个词。”

    贾瀞雯看着那张纸，忽然明白了。

    “所以你总是用比喻。”她说，“爬虫像蜘蛛，索引像图书馆目录，排名算法像选举投票。”

    “对。”陈浩放下笔，“技术细节留给技术人员，但你要理解核心理念。

    这样你和团队沟通，和投资人沟通，和未来的用户沟通，才能说到点子上。”

    他躺回来，搂住贾瀞雯：“记住，我们不是在造一个高科技玩具，是在解决真实的问题。

    人们上网找不到想要的信息，我们帮他们找。

    就这么简单。”

    第二天，贾瀞雯带着那沓手稿飞回北京。

    团队看到新资料，又是一阵兴奋。

    陈浩细化了很多关键算法，特别是排名算法的雏形--他提出了“链接分析”的概念，一个网页被越多网页链接，说明它可能越重要。

    “这个思路太妙了！”张涛几乎要跳起来，“这就像学术论文的引用，被引次数越多，说明越有价值！”

    有了明确的方向和详细的方法，进度快得惊人。

    两周后，贾瀞雯正在办公室看财务报表，李明冲了进来。

    “贾总！成了！”

    他手里拿着一张打印纸，手指都在抖。

    贾瀞雯站起来：“什么成了？”

    “爬虫！基础版本的爬虫跑起来了！”李明把打印纸递给她，“这是日志，你看，已经抓取了三百多个网页！”

    纸上是一行行的记录：

    \[XXXX-XX-XX 10:23:15\] 开始抓取种子网站：neWS.XXX.COm

    \[XXXX-XX-XX 10:23:17\] 发现链接：http://neWS.XXX.COm/1.html

    \[XXXX-XX-XX 10:23:18\] 抓取成功，大小：4.2KB

    \[XXXX-XX-XX 10:23:19\] 发现链接：http://neWS.XXX.COm/2.html

    ……

    记录一直延续到最新一行：抓取网页总数：347。

    贾瀞雯看着那串数字，手也开始抖。

    “网页内容呢？”她问。

    “都存在服务器上了。”李明眼睛发亮，“虽然现在只能存文本，图片还处理不了，但这是第一步！最关键的第一步！”

    贾瀞雯放下纸，深深吸了口气。

    “叫大家过来。”她说，“我们……庆祝一下。”

    五分钟后，六个人挤在小小的会议室里。

    桌上摆着几瓶可乐，是贾瀞雯刚才下楼买的。

    “同志们。”贾瀞雯举起可乐瓶，“今天，我们抓到了第一批网页。

    虽然只有三百多个，虽然还有很多问题要解决，但这是一个开始。”

    她顿了顿，声音有些哽咽：“谢谢大家-->>

本章未完，点击下一页继续阅读