其实GOOGLE很久前就将一些技术性的BLOG如 gadget,salshdot等等做为技术消息新闻来源，现在，这家
BLOGCRITICS也被列为搜索源了，这是一个以评论为主的群体性BLOG，内容涉及音乐，书籍，电影，文化政治等等。
之前我注意到MSN早就把它做为新闻源之一。
因为来自BLOGSHPERE的内容太多太杂，我一直区分着两个领域内的内容：GOOGLE NEWS搜索的内容来自比较可靠的媒体，而用BLOGLINES，TECHNORATI等等主要用于两种搜索：一是新闻的萌芽，一是新闻的反馈，也就是之前或者之后。
搜罗BLOG进入GOOGLE NEWS，一方面说明BLOG的信用度在提高，一方面也让我无所适从，我想最好的办法还是做一个区分，这也是我一直很奇怪的事情：GOOGLE为什么一直不进入RSS搜索市场？
喜欢挑GOOGLE的毛病的JEAN在他的日志中发表了一些数据，证明GOOGLE自称已经索引了WWW上网页的数量有明显的漏洞：
以搜索关键词 THE为例，这是任何一个英文或者类似语言者都可能包含的词，当搜索所有网页时，结果数量有80亿，而搜索英文网页时，数量却只有8千万，只占到1%，那99%的THE都出现在非英文网页中吗？这明显不合理。
而用YAHOO搜索的结果比较“合理”，所有网页中含THE的有19亿，而英文网页含THE的有17亿。
不过看到后来我算明白了一点，作者发现GOOGLE对出现频率约在5百万之上和之下的词语做了一个区分点：如果一个词出现频率高于这个点，它在英文网页中的搜索将被进行忽略处理，（搜索THE有什么意义？）而在所有语言的搜索中，则不进行这种忽略优化。如下图所示：
有人说，GOOGLE吹嘘了他们索引网页数量的总数，我觉得不是，一个简单的结论就是GOOGLE的英文搜索算法和其它语言的算法是不一样的，英文搜索更加优化。究竟差别还有什么，也不是我们能够搞得清楚的了。这也许是其它国家的语言搜索引擎的一个机会，毕竟，没有人能够通吃全世界的语言。
Trackback: http://tb.donews.net/TrackBack.aspx?PostId=261230