必应背后的技术是什么?它自己版本的map reduce算法或者其他什么?

微软历史上一直使用神经网络排名函数作为其排名函数。神经网络结合了数百个变量,一个URL将与它相关联的排名。 Paper 他们通常会使用详细的RANKER评分100多个文档。每个查询节点将需要单独对其顶级文档进行评分,并将它们返回到聚合器。排名实际上非常复杂,评分算法通常是多级的。

用于计算作业、因子生成等…Microsoft Search使用 SCOPE 我相信它是建立在 Dryad 但不使用Dryadlinq。作用域基本上是集群顶部的一种SQL语言。

事实上,微软在搜索技术上比谷歌开放得多。 Microsoft Research Asia 和 Microsoft Research Silicon Valley

这是二手信息,但我知道它们使用的是反向索引(indexs?)为了找到前100个左右的结果,然后他们使用一组神经网络将其缩小几倍到前10个,前3个,然后找到第一个。

他们这样做是因为他们的原因第一次点击是什么让用户的东西搜索引擎工作或不工作。如果你搜索CNN,而你没有得到CNN.com作为第一个点击,用户认为引擎不工作。

同样,这是二手知识。我从一个在微软工作了一段时间的朋友那里听到了这个消息。