GOOGLE的“相似引擎”

根据美国商标和专利专利管理局最新公布的资料，Google公司申请了一份名为“相似引擎”的专利，能够比较文档和网页的相似性。

　　现今的搜索引擎都会遇到这样的问题，搜索结果经常是许多一模一样的信息，或者非常类似。通过“相似引擎”的引入，Google将能够增强搜索结果的独立性，隐藏无用的重复数据。Google在专利文档中这样写道：从搜索引擎的观点来看，为大量网站编制索引的一个问题在于，许多网站的文档是相似或者相同的。为相似文档分别索引会降低我们的效率，而列出一大堆相同的结果也会让用户感到不悦。因此，搜索引擎迫切需要能够鉴别相似或相同的文档，提高自身的工作效率。

　　据Google的说法，该“相似引擎”基于一种向量算法，他们需要为网页创建校验数据以及他们命名的“草图”，搜索引擎利用这些数据，经过计算区分网页上文本甚至图形的异同。“相似引擎”就是要为一个对象创建向量，然后和其他对象的向量作比较的算法。

　　除了搜索引擎中的应用，Google公司还在专利中描述可以把该算法运用在文章，表格，幻灯片等常规办公文件的比较上。该专利也并非业界首创，IBM，日立和Visage公司都曾经申请过类似发明的专利。在近10年间，共有过15项专利是关于此领域。