搜索引擎技术的研究，国外比中国要早近十年，从最早的Archie，到后来的Excite，以及altvista、overture、google等搜索引擎面世，搜索引擎发展至今，已经有十几年的历史，而国内开始研究搜索引擎是在上世纪末本世纪初。在许多领域，都是国外的产品和技术一统天下，特别是当某种技术在国外研究多年而国内才开始的情况下。例如操作系统、字处理软件、浏览器等等，但搜索引擎却是个例外。虽然在国外搜索引擎技术早就开始研究，但在国内还是陆续涌现出优秀的搜索引擎，像百度（http://www.baidu.com）等。目前在中文搜索引擎领域，国内的搜索引擎已经和国外的搜索引擎效果上相差不远。之所以能形成这样的局面，有一个重要的原因就在于中文和英文两种语言自身的书写方式不同，这其中对于计算机涉及的技术就是中文分词。

　　什么是中文分词

　　众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子I am a student，用中文则为：“我是一个学生”。计算机可以很简单通过空格知道student是一个单词，但是不能很容易明白“学”、“生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。我是一个学生，分词的结果是：我 是 一个 学生。

　　中文分词和搜索引擎

　　中文分词到底对搜索引擎有多大影响？对于搜索引擎来说，最重要的并不是找到所有结果，因为在上百亿的网页中找到所有结果没有太多的意义，没有人能看得完，最重要的是把最相关的结果排在最前面，这也称为相关度排序。中文分词的准确与否，常常直接影响到对搜索结果的相关度排序。笔者最近替朋友找一些关于日本和服的资料，在搜索引擎上输入“和服”，得到的结果就发现了很多问题。下面就以这个例子来说明分词对搜索结果的影响，在现有三个中文搜索引擎上做测试，测试方法是直接在Google（http://www.google.com）、百度（http://www.baidu.com）上以“和服”为关键词进行搜索：

　　在Google上输入“和服”搜索所有中文简体网页，总共结果507,000条，前20条结果中有14条与和服一点关系都没有。

　　在百度上输入“和服”搜索网页，总共结果为287,000条，前20条结果中有6条与和服一点关系都没有。

　　在中搜上输入“和服”搜索网页，总共结果为26,917条，前20条结果都是与和服相关的网页。

　　这次搜索引擎结果中的错误，就是由于分词的不准确所造成的。通过笔者的了解，Google的中文分词技术采用的是美国一家名叫Basis Technology（http://www.basistech.com）的公司提供的中文分词技术，百度使用的是自己公司开发的分词技术，中搜使用的是国内海量科技（http://www.hylanda.com）提供的分词技术。由此可见，中文分词的准确度，对搜索引擎结果相关性和准确性有相当大的关系。

　　中文分词技术

　　中文分词技术属于自然语言处理技术范畴，对于一句话，人可以通过自己的知识来明白哪些是词，哪些不是词，但如何让计算机也能理解？其处理过程就是分词算法。

　　现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。

　　1、基于字符串匹配的分词方法

　　这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行配，若在词典中找到某个字符串，则匹配成功（识别出一个词）。按照扫描方向的不同，串匹配分词方法可以分为正向匹配和逆向匹配；按照不同长度优先匹配的情况，可以分为最大（最长）匹配和最小（最短）匹配；按照是否与词性标注过程相结合，又可以分为单纯分词方法和分词与标注相结合的一体化方法。常用的几种机械分词方法如下：

　　1）正向最大匹配法（由左到右的方向）；

　　2）逆向最大匹配法（由右到左的方向）；

　　3）最少切分（使每一句中切出的词数最小）。

　　还可以将上述各种方法相互组合，例如，可以将正向最大匹配方法和逆向最大匹配方法结合起来构成双向匹配法。由于汉语单字成词的特点，正向最小匹配和逆向最小匹配一般很少使用。一般说来，逆向匹配的切分精度略高于正向匹配，遇到的歧义现象也较少。统计结果表明，单纯使用正向最大匹配的错误率为1/169，单纯使用逆向最大匹配的错误率为1/245。但这种精度还远远不能满足实际的需要。实际使用的分词系统，都是把机械分词作为一种初分手段，还需通过利用各种其它的语言信息来进一步提高切分的准确率。

　　一种方法是改进扫描方式，称为特征扫描或标志切分，优先在待分析字符串中识别和切分出一些带有明显特征的词，以这些词作为断点，可将原字符串分为较小的串再来进机械分词，从而减少匹配的错误率。另一种方法是将分词和词类标注结合起来，利用丰富的词类信息对分词决策提供帮助，并且在标注过程中又反过来对分词结果进行检验、调整，从而极大地提高切分的准确率。

　　对于机械分词方法，可以建立一个一般的模型，在这方面有专业的学术论文，这里不做详细论述。

　　2、基于理解的分词方法

　　这种分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词系统还处在试验阶段。

　　3、基于统计的分词方法

　　从形式上看，词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息。定义两个字的互现信息，计算两个汉字X、Y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计，不需要切分词典，因而又叫做无词典分词法或统计取词方法。但这种方法也有一定的局限性，会经常抽出一些共现频度高、但并不是词的常用字组，例如“这一”、“之一”、“有的”、“我的”、“许多的”等，并且对常用词的识别精度差，时空开销大。实际应用的统计分词系统都要使用一部基本的分词词典（常用词词典）进行串匹配分词，同时使用统计方法识别一些新的词，即将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点。

　　到底哪种分词算法的准确度更高，目前并无定论。对于任何一个成熟的分词系统来说，不可能单独依靠某一种算法来实现，都需要综合不同的算法。笔者了解，海量科技的分词算法就采用“复方分词法”，所谓复方，相当于用中药中的复方概念，即用不同的药才综合起来去医治疾病，同样，对于中文词的识别，需要多种算法来处理不同的问题。

　　分词中的难题

　　有了成熟的分词算法，是否就能容易的解决中文分词的问题呢？事实远非如此。中文是一种十分复杂的语言，让计算机理解中文语言更是困难。在中文分词过程中，有两大难题一直没有完全突破。

　　1、歧义识别

　　歧义是指同样的一句话，可能有两种或者更多的切分方法。例如：表面的，因为“表面”和“面的”都是词，那么这个短语就可以分成“表面 的”和“表 面的”。这种称为交叉歧义。像这种交叉歧义十分常见，前面举的“和服”的例子，其实就是因为交叉歧义引起的错误。“化妆和服装”可以分成“化妆 和 服装”或者“化妆 和服 装”。由于没有人的知识去理解，计算机很难知道到底哪个方案正确。

　　交叉歧义相对组合歧义来说是还算比较容易处理，组合歧义就必需根据整个句子来判断了。例如，在句子“这个门把手坏了”中，“把手”是个词，但在句子“请把手拿开”中，“把手”就不是一个词；在句子“将军任命了一名中将”中，“中将”是个词，但在句子“产量三年中将增长两倍”中，“中将”就不再是词。这些词计算机又如何去识别?

　　如果交叉歧义和组合歧义计算机都能解决的话，在歧义中还有一个难题，是真歧义。真歧义意思是给出一句话，由人去判断也不知道哪个应该是词，哪个应该不是词。例如：“乒乓球拍卖完了”，可以切分成“乒乓 球拍 卖 完 了”、也可切分成“乒乓球 拍卖 完 了”，如果没有上下文其他的句子，恐怕谁也不知道“拍卖”在这里算不算一个词。

　　2、新词识别

　　新词，专业术语称为未登录词。也就是那些在字典中都没有收录过，但又确实能称为词的那些词。最典型的是人名，人可以很容易理解句子“王军虎去广州了”中，“王军虎”是个词，因为是一个人的名字，但要是让计算机去识别就困难了。如果把“王军虎”做为一个词收录到字典中去，全世界有那么多名字，而且每时每刻都有新增的人名，收录这些人名本身就是一项巨大的工程。即使这项工作可以完成，还是会存在问题，例如：在句子“王军虎头虎脑的”中，“王军虎”还能不能算词？

　　新词中除了人名以外，还有机构名、地名、产品名、商标名、简称、省略语等都是很难处理的问题，而且这些又正好是人们经常使用的词，因此对于搜索引擎来说，分词系统中的新词识别十分重要。目前新词识别准确率已经成为评价一个分词系统好坏的重要标志之一。

　　中文分词的应用

　　目前在自然语言处理技术中，中文处理技术比西文处理技术要落后很大一段距离，许多西文的处理方法中文不能直接采用，就是因为中文必需有分词这道工序。中文分词是其他中文信息处理的基础，搜索引擎只是中文分词的一个应用。其他的比如机器翻译（MT）、语音合成、自动分类、自动摘要、自动校对等等，都需要用到分词。因为中文需要分词，可能会影响一些研究，但同时也为一些企业带来机会，因为国外的计算机处理技术要想进入中国市场，首先也是要解决中文分词问题。在中文研究方面，相比外国人来说，中国人有十分明显的优势。

　　分词准确性对搜索引擎来说十分重要，但如果分词速度太慢，即使准确性再高，对于搜索引擎来说也是不可用的，因为搜索引擎需要处理数以亿计的网页，如果分词耗用的时间过长，会严重影响搜索引擎内容更新的速度。因此对于搜索引擎来说，分词的准确性和速度，二者都需要达到很高的要求。目前研究中文分词的大多是科研院校，清华、北大、中科院、北京语言学院、东北大学、IBM研究院、微软中国研究院等都有自己的研究队伍，而真正专业研究中文分词的商业公司除了海量科技以外，几乎没有了。科研院校研究的技术，大部分不能很快产品化，而一个专业公司的力量毕竟有限，看来中文分词技术要想更好的服务于更多的产品，还有很长一段路。转载自月光博客 [ http://www.williamlong.info/ ]

每年的10月和11月是各大公司校园招聘的高峰期，今天没事的时候在同事收到的一箱子简历里面翻了一会，突然意识到，其实书写求职简历的过程，就是一种典型的交互设计过程。

我们一般所说的交互设计，都是指用户通过软件等手段与机器之间的交互，这从交互设计的前身“Soft Face”这个名字中，或许就可以窥知一二。但是事实上，交互设计在生活中是无处不在的。对于人机交互来说，用户需要通过设计师所设计的用户界面(UI) 来与机器交互，UI的好坏直接影响着用户体验。同样，作为一个求职者，他们所面对的“用户”，实际上就是公司的HR，而求职简历这薄薄的两张纸，就是求职者的UI，而这个“UI”的好还则直接决定了其是否能够得到面试机会。本文试图从交互设计的角度来探讨一下如何书写求职简历（因为校园招聘中的简历问题比较明显，本文以校园招聘为例）。

首先，在进行交互设计之前，设计师必须对于该产品所面向的用户有足够的了解，最好对于他们的行为也能够比较深刻的理解。对于“HR”这种用户来说， 他们每天要从几百几千份简历中筛选出比较靠谱的那一部分，然后通知面试官（一般是欲招人部门的相关负责人，工程师等）安排面试。上面这句话中有两个关键 点，一个是“几百几千份”，另一个是“靠谱”。由此我们可以得到此类用户的两个比较明显的行为：

1、提取信息的方式应该是scan，而非reading。

简历数量的众多决定了筛选简历的人只能够采用scan即浏览的方式来提取信息，而无法使用reading即阅读的方式。事实上大部分简历只能够在筛选者眼前展示10-20秒，部分交互做得特别差劲的简历，可能只有4秒。

2、看简历的人会努力搜索简历中符合该职位要求的关键点，然后简略查看其内容，并做判断。

HR的任务是帮助公司寻找适合于某职位的人才，他们只关心简历上能够引起他们兴趣的内容。并且，他们需要把这些内容提取出来。

到此为止，我们已经对用户有了简单的大体上的了解。

针对以上的两种主要用户行为，我们不难分析得出相应的策略：

1、我们应该把简历设计成适合快速扫描的形式。

2、对于在简历上展示的内容，我们应该做到符合招聘条件的内容详细写，与招聘条件相关的内容有选择的、简略的写，而与招聘条件无关的内容坚决不写。对方要什么，我们给什么。

3、用人单位不仅仅关心一个人做过什么，更重要的是，关心这个人在做过的项目中起到了哪些作用，为项目的成功做了哪些事情（这样才能确定此人是否适合该公司，是否“靠谱”）。所以，应该将自己在重点项目中所起到的作用明确的表达出来。

4、我们应该引导HR尽量高效、轻松的完成筛选工作。提升 “用户体验”。

那么，我们目前的产品(简历)又是什么样的情况呢？下面展示一份我看过的，真实的求职简历，并作为反面教材(里面涉及到个人信息的部分是我编的)：

这是某高校统一发放给毕业生的简历模板，打印在A4纸上共两页。这份简历中存在着诸多明显的问题，我们来一一列举：

首先，一般情况下简历第一页的前2/3部分被认为是简历的黄金区域。因为这一部分将是首先进入HR视野的部分，如果这一部分没有办法跟HR产生良好 的交互，那么可能对方根本不会去翻看第二页。而这份简历第一页的大部分空间被无用的个人信息和无聊的“主修课程”所占据。可以说，在这些部分，简历筛选者 无法获得任何有用的信息。下方是该同学的一些工作经验和实习经验，但是基本上没有做任何分类。显然，这样并不能够提高用户scan的效率。

其次，在简历的最上方印有该高校的logo，而这个学校只是北方的一所三流大学，在省内的名气并不怎么高，而且很多外省的用人单位甚至根本没听说过。但它却占据了简历中最宝贵的空间。

第三，求职意向中的三个职位的工作内容是差不多的。归纳起来，该同学想要寻求的是一份偏向于视觉的WUI设计工作。

然后，在简历的第二页基本上就看不到有用的信息。

在“计算机水平”一栏中该同学填写了“通过国二VF语言考试”，对计算机比较了解的朋友们应该知道VF是一种早已没有人在用的数据库软件，并且它与 WUI设计无关，甚至与Web无关。并且该同学想要应聘的公司主要应该是网络公司或者软件公司，这类公司在技术上一般是很强的，而“国二”这种考试，在这 样的公司里，显然是没有任何说服力的——即使是作为一个非技术人员。

然后，获奖情况中该同学列举了他在大学里获得过的全部奖项。光是奖学金就写了近一行。而这些奖项中，有多少是跟“偏向于视觉的WUI设计工作”相关的呢？

在然后，下面的“自我评价”中的内容空洞，基本上没有传达出任何有效的，吸引人的信息。而再下方的“院系评价”和“学校毕业生就业主管部门意见”中的内容，则更少，更有官腔。甚至只有“同意推荐”这么4个字。而这两部分却占据了第二页一半的面积。

而这位同学的情况，在他所投简历的公司来看，基本上应该在应届生中处于中等偏下的水平，即非名校毕业，专业相关度较高，有一些社会实践经验和项目经验，但无“名企实习经验”。大学期间学习优良，在一些评选及比赛中取得过名次，也有一两项看起来稍微不错的奖励和项目。

“产品”分析完了，我们开始对其进行设计。

我在该同学想要应聘的公司网站上，找到了该公司对于WUI设计师职位的要求如下：

1、计算机、美术、设计类专业本科及以上学历，拥有一定的设计理论知识和优秀的用户界面设计能力，对以人为本的设计理念有深入的理解；

2、熟练使用Photoshop、Illustrator等设计软件；

3、了解网页前端技术（如CSS和HTML）者优先；

4、良好的沟通能力和团队协作精神，能承受高强度的工作压力；

5、请提供作品

以上这些要求已经比较准确的传达出了公司对于人才的需求。那么针对这些信息，我们对简历进行以下修改：

1、结构上，从该职位的要求以及该同学的实际情况出发，设置“个人信息”、“任职情况及社会实践”、“项目经验”、“相关技能”、“获奖及认证”和“教育背景”6个项目，并按先后顺序排列。

2、删除学校logo和“个人简历”四个字（不会有人不知道你的这两张纸上面印的是个人简历），以便于为“黄金地段”腾出更多的空间。

3、个人信息只写姓名和联系方式，求职意向保留，学校和专业部分移动到“教育背景”中，并放到简历最后，由于学校没什么知名度，所以此项只写一句话，用以传达“学历达到要求”这个信息，至于民族、爱好什么的全部删除，相信一个正常的面试官不会因为某人爱好唱歌（只是爱好而已，唱得还不一定好）而将其录取为WUI设计师。

4、主修课程全部删除。用人单位关心的是应聘者会什么、能做什么，而非“学过什么”。况且现在的“主修课程”中堆砌着诸多的与应聘职位无关的课程。要想表达“综合素质”的概念，可以在“任职情况及社会实践”中通过事实来说明，不必告诉对方自己曾经学过哲学。

5、“实践与实习”项改为“任职情况及社会实践”，挑选有代表性的，重要的经历来写。重点写自己跟WUI设计有关的经历。

6、添加“项目经验”栏目，在原“实践与实习”的多个“设计并制作XXX网站”中挑选一些有说服力的项目来进行重点叙述，不但要说明自己做过的项目名称，还要说明自己在项目中起到的作用。

7、“通过英语四级”移动到“获奖及认证”中，“外语水平”一项删除。“计算机水平”改为“相关技能”，着重叙述与WUI设计有关的技能，以及能够让自己被“优先考虑”的跟前端开发有关的技能。

8、“获奖及认证”项目简写，坚决删除类似“寝室设计大赛优秀奖”这类跟所申请职位毫无关系的项目。最好能够让HR只扫一眼就能够看清楚。

9、“自我评价”及后面的内容全部删除。这是典型的垃圾信息。

10、为了提升对HR的用户体验，将简历中的关键词，诸如“WUI”、“div+css”等加粗，不断向HR暗示自己对于该职位的适合程度。同时所有信息应以列表形式传达，并分项叙述，有利于检索。

按照以上原则修改后，我们得到了用户体验明显提升的新版本简历：

从以上过程中我们不难发现，其实交互设计和用户体验这两个概念是渗透到我们生活中的方方面面的。只要认真观察和思考，生活中处处都是设计。而对于基于Web的交互设计师来说，或许很多的灵感都是源于生活的。

标签： 交互设计, 简历