中国中文信息学会2020年“钱伟长中文信息处理科学技术奖”之——认知计算模型驱动的互联网搜索技术及其应用

(主要完成单位： 清华大学，北京搜狗科技发展有限公司

主要完成人: 刘奕群，王小川，张敏，陈炜鹏，马少平，许静芳，毛佳昕，王蟒，马为之)

随着互联网信息爆炸增长，搜索引擎已成为最重要的互联网应用之一，关系到社会信息处理水平与利用效率；当前绝大部分国家的搜索服务被跨国巨头垄断，拥有自主可控的搜索技术对国家信息安全意义重大。

2006年至今，清华大学与搜狗公司通过紧密的校企合作建设了搜狗搜索引擎，致力于提供性能突出、自主可控、内容可信的搜索服务。面对互联网搜索技术面临的重要挑战，项目组凝练以认知计算为核心的创新思路，从以下三个方面实现了显著突破：

(1)查询需求理解： 提出基于用户交互模型的查询需求理解方法，利用用户群体智能改进需求理解，将搜狗查询推荐系统的点击通过率显著提升。成果曾获亚洲信息检索会议(AIRS)最佳论文奖。

(2)资源质量评价： 首次提出基于异常浏览模式监测的识别方法，大大缩短搜狗搜索垃圾网页识别周期，性能显著优于传统算法。成果曾获国际信息检索大会(SIGIR)最佳学生论文奖、最佳论文提名奖。

(3)异质资源匹配： 首次提出多媒体结果的聚合排序方法，利用深度表示学习技术整合多模态特征，显著提升搜狗系统排序效果。成果曾获国际信息与知识管理大会(CIKM)最佳论文奖。

本项目已发表高水平论文70余篇，获专利与软著31项，构建了比较完整的知识产权体系。由中国电子学会组织的科技成果鉴定指出，本项目成果总体达到国际先进水平，部分成果达到国际领先水平。相关成果组成了搜狗搜索的核心模块，协助其成为中国第二大搜索服务提供商。近年来在移动搜索领域搜狗份额迅速增长，验证了市场和用户对项目成果的认可。此外，项目成果还直接应用于百度学院技术培训服务，腾讯微信、知乎和搜狐等平台。经济效益方面，经审计，以搜索业务知识产权占比计算，项目成果近几年推动新增利润超18亿元。社会效益方面，相关技术成果融入网络空间治理体系，甄别垃圾网页超过150亿个，协助北京市工商局主动发现违法线索超6万个，办结案件超9000起。

搜索技术发展与社会信息化水平息息相关，项目组将持续关注搜索技术中的各种挑战，在取得国际领先水平的核心创新成果的同时，致力于为广大中文互联网用户提供性能突出、自主可控、高可信度的搜索服务。