语义搜索 and 语义分析

上周恢复硬盘数据时，干巴巴的等着没事干，随手翻了翻最新一期的《电脑报》，其中一则新闻有点意思。大概标题是《微软收购语义搜索引擎Powerset，欲抗衡Google》，刚才在sina和sohu找了一下相关的新闻，如下：

http://tech.sina.com.cn/i/2008-06-27/07352287530.shtml

http://it.sohu.com/20080702/n257871791.shtml

http://it.sohu.com/20080702/n257871704.shtml

Powerset的搜索引擎是基于“自然语言”的，也就是所谓的语义，从理论上来讲，基于“语义”的“自然语言”搜索比Google和Baidu现有的基于“关键字”的搜索更先进，它更接近于人类的语言，so 搜出来的结果更准确，比如我想知道“刘翔曾输给过哪位黑人选手？”，采用Google现有的“关键字”搜索，虽说出来海量的结果，但这些都不是我要的，换句话说，它都是没有价值的。

举个形象的例子来说，如果你是面试官，你问应聘者“你认为白盒测试有什么缺点？”，应聘者回答了一大堆“白盒测试”概念和自己的“缺点”，你对这样的答案能满意吗？而Google现有的搜索引擎从原理上讲就是这样的。

既然Powerset的基于“语义”的搜索引擎这么好，为什么那么多人都不知道它？就是因为目前它还有一些技术上的难题没有解决，而且我估计未来五年都不一定能解决的，就是它的速度——太慢，还没有办法适应当前网络上海量的信息，所以目前它只是应用于“维基百科”网站的搜索，尚不能扩展到整个网络。微软此次收购Powerset，八成是想努努力，扩展到整个Internet，从而和Google决一死战。

写到这，我想起了另外一个和“语义”有关的话题——语义分析。

PolySpace分析c/c++代码，强调自己使用的是语义分析技术，它分析代码的行为，就和程序员当时写代码时想的一样，所以它号称“能发现100%的代码错误，绝不会漏报”，可惜的是，它的分析速度奇慢无比，虽说没有漏报，但误报特别多。

而Coverity和Klocwork采用的技术有点类似基于“关键词”的技术，如检查“内存泄漏”，就重点观察malloc、new等关键字，一旦你把内存申请函数换个名，它们就不知道了，哈哈。其优点也很明显，就是分析速度奇快，但它们均不能保证“没有漏报”，只能强调自己“误报率特别低”。真的是各有千秋！

出差无聊时的一点小小的瞎猜想，不一定正确，仅供消遣！