WEBVTT

00:00:00.000 --> 00:00:02.018
[Sebastian Thrun]Vì thế những gì anh đảm nhiệm là làm thế nào xây dựng một công cụ tìm kiếm.

00:00:02.018 --> 00:00:03.077
Anh xây dựng một công cụ tìm kiếm trước đây đúng không ?

00:00:03.077 --> 00:00:06.008
[Sergey Brin - Đồng sáng lập hãng Google] . Vâng , tôi nghĩ điều quan trọng

00:00:06.008 --> 00:00:08.013
nếu bạn xây dựng một công cụ tìm kiếm

00:00:08.013 --> 00:00:12.051
là có một kho ngữ liệu bắt đầu ở ngoài

00:00:12.051 --> 00:00:19.020
Trong trường hợp của chúng tôi thời gian đó sử dụng world wide web lúc đó chắc chắn quy mô nó nhỏ hơn hôm nay

00:00:19.020 --> 00:00:21.036
nhưng cũng rất mới và thú vị.

00:00:21.036 --> 00:00:23.081
Có tất cả những sự xắp xếp không mong đợi ở đó.

00:00:23.081 --> 00:00:26.099
[David Evans] Vì thế mục tiêu của 3 unit đầu tiên là làm kho ngữ liệu đó.

00:00:27.003 --> 00:00:30.009
Và chúng ta muốn xây dựng kho ngữ liệu cho công cụ tìm kiếm của chúng ta

00:00:30.009 --> 00:00:32.090
bằng cách thu thập cac trang web, chúng ta gọi là web thu thập

00:00:32.090 --> 00:00:36.038
thu thập web là gì ?nó là chương trình thu thập nội dung từ web

00:00:36.038 --> 00:00:40.054
Nếu bạn nghĩ đến một trang web trong trình duyệt, bạn có một trang giống thế này

00:00:40.054 --> 00:00:43.099
và chúng ta sử dụng Udacity như một trang ví dụ.

00:00:43.099 --> 00:00:47.097
nó có nhiều nội dung , có một số ảnh ,có một số văn bản

00:00:47.097 --> 00:00:51.038
Tất cả những thứ này đến trình duyệt của bạn khi bạn yêu cầu trang web.

00:00:51.038 --> 00:00:53.066
Điều quan trọng là nó có những cái links.

00:00:53.066 --> 00:00:57.093
Một link là gì ? là cái gì mà nó đi đến một trang khác

00:00:57.093 --> 00:01:00.050
vì thế chúng ta có một link những câu hỏi thường xuyên

00:01:00.050 --> 00:01:02.046
Chúng ta có một link đến trang CS 101.

00:01:02.046 --> 00:01:04.043
Có một số link khác trong trang này.

00:01:04.043 --> 00:01:07.054
Và link đó xuất hiện trong trình duyệt của bạn với lằn gạch dưới.

00:01:07.054 --> 00:01:09.094
nếu không có thì tùy thuộc trình duyệt của bạn bố trí.

00:01:09.094 --> 00:01:11.095
Nhưng điều quan trọng nó là

00:01:11.095 --> 00:01:13.088
một điểm chỉ đến một trang web khác

00:01:13.088 --> 00:01:16.043
và những trang web đó có thể cũng có những đường link

00:01:16.043 --> 00:01:19.073
Vì thế chúng ta có link khác trong trang này

00:01:19.073 --> 00:01:23.052
có thể nó là tên của của tôi. Bạn có thể theo trang nhà của tôi

00:01:23.052 --> 00:01:26.091
Và tất cả những trang web chúng ta có thể tìm thấy với web thu thập của chúng ta.

00:01:26.091 --> 00:01:29.009
Được tìm thấy nhờ những link theo sau nó.

00:01:29.009 --> 00:01:31.067
Vì thế thật không cần thiết để tìm kiếm mỗi trang trên web.

00:01:31.067 --> 00:01:33.059
Nếu chúng ta bắt đầu với một trang ban đầu tốt

00:01:33.059 --> 00:01:35.003
Qua đó ta có thể tìm thấy nhiều trang.

00:01:35.003 --> 00:01:37.050
và những gì webcrawler làm là bắt đầu với một trang

00:01:37.050 --> 00:01:41.056
tìm ra tất cả những link trên trang đó, theo sau chúng để tìm ra những trang khác.

00:01:41.056 --> 00:01:45.013
Và sau đó trên những trang khác đó, nó sẽ theo sau những link trên trang đó

00:01:45.013 --> 00:01:48.031
để tìm ra những trang khác nữa, và sẽ có nhiều link hơn trên những trang đó

00:01:48.031 --> 00:01:51.043
và cuối cùng chúng ta có một bộ sưu tập nhiều trang trên web.

00:01:51.043 --> 00:01:54.007
Vì thế đó là những gì chúng ta cần làm để xây dựng webcrawler

00:01:54.007 --> 00:01:56.095
Chúng ta muốn tìm một số cách để bắt đầu từ một trang ban đầu

00:01:56.095 --> 00:01:59.056
Rút ra tất cả những link trên trang đó

00:01:59.056 --> 00:02:01.078
Theo sau những link đó đến những trang khác.

00:02:01.078 --> 00:02:03.067
Sau đó thu thập những link trên những trang khác đó.

00:02:03.067 --> 00:02:05.024
Theo sau chúng thu thập tất cả cái đó.

00:02:05.024 --> 00:02:07.038
Vì thế nghe có vẻ nhiều việc để làm,

00:02:07.038 --> 00:02:09.014
chúng ta sẽ không làm tất cả những cái đó.

00:02:09.014 --> 00:02:12.072
Những gì chúng ta cần làm trong unit đầu này là rút ra một link.

00:02:12.072 --> 00:02:14.058
Vì thế chúng sẽ bắt đầu với một cụm văn bản

00:02:14.058 --> 00:02:17.033
Nó sẽ có một link trong nó với một Url.

00:02:17.033 --> 00:02:19.064
Nhữn gì chúng ta muốn làm là tìm ra Url đó.

00:02:19.064 --> 00:02:21.089
Vì thế chúng ta có thể yêu cầu trang kế tiếp.

00:02:21.089 --> 00:02:23.082
Mục tiêu của unit 2 là tiếp tục.

00:02:23.082 --> 00:02:25.016
là tiếp tục

00:02:25.016 --> 00:02:28.049
Nếu có nhiều link trên một trang , chúng ta muốn có thể tìm ra tất cả chúng

00:02:28.049 --> 00:02:30.014
và đó là những gì chúng ta làm trong unit 2.

00:02:30.014 --> 00:02:32.069
Là chỉ ra cách rút ra tất cả các link đó

00:02:32.069 --> 00:02:36.061
Trong unit 3 chúng ta sẽ đi vượt xa hơn chỉ một trang,

00:02:36.061 --> 00:02:40.033
vì thế đến cuối unit 2 chúng ta có thể in ra tất cả đường link trong một trang.

00:02:40.033 --> 00:02:44.002
Cho unit 3 chúng ta muốn thu thập tất cả những link vì thế có thể giữ tiếp tuc

00:02:44.002 --> 00:02:47.018
theo sau đến cuối cùng web thu thập của chúng ta thu thập được nhiều, nhiều trang.

00:02:47.018 --> 00:02:50.013
Vì thế đến cuối unit 3 chúng ta xây dựng được web thu thập

00:02:50.013 --> 00:02:52.033
Chúng ta sẽ có một cách xây dựng kho ngữ liệu

00:02:52.033 --> 00:02:57.079
3 unit còn lại sẽ nhìn ra cách phản hồi những câu hỏi yêu cầu.

00:02:57.079 --> 00:03:01.034
vì thế unit 4 sẽ chỉ ra cách cho một phản hồi tốt.

00:03:01.034 --> 00:03:08.022
Nếu chúng ta tìm kiếm một từ khóa. Chúng ta muốn trả ra một danh sách trang web

00:03:08.022 --> 00:03:10.063
mà ở đó từ khóa xuất hiện.

00:03:10.063 --> 00:03:15.090
và chúng ta sẽ chỉ ra trong unit 5 1 cách để làm điều đó, điều đó nặng cân, nếu chúng ta có một kho ngữ liệu lớn

00:03:15.090 --> 00:03:19.083
Trong unit 6 những gì chúng ta làm là ,không chỉ muốn tìm ra một list

00:03:19.083 --> 00:03:21.069
mà là tìm ra một trang tốt nhất.

00:03:21.069 --> 00:03:24.084
vì thế chúng ta sẽ tính ra xếp hạng tất cả các trang mà ở đó từ khóa xuất hiện.

00:03:24.084 --> 00:03:27.068
Chúng ta có một cái trước mắt bây giờ

00:03:27.068 --> 00:03:30.035
sẽ làm cho unit 1

00:03:30.035 --> 00:03:32.064
là chỉ ra cách rút trích link từ trang web.

00:03:32.064 --> 00:03:35.073
Và công cụ tìm kiếm chúng ta xây dựng cuối unit này

00:03:35.073 --> 00:03:37.034
là một chức năng của công cụ tìm kiếm

00:03:37.034 --> 00:03:40.061
Chúng ta sẽ có những thành phần chính mà một công cụ tìm kiếm giống như Google có.

00:03:40.061 --> 00:03:43.014
Chắc chắn không có đủ quyền năng như Google

00:03:43.014 --> 00:03:44.029
Chúng ta muốn giữ những điều đơn giản

00:03:44.029 --> 00:03:46.060
.Chúng ta muốn có một số lượng mã nhỏ để viết.

00:03:46.060 --> 00:03:48.010
và chúng ta nên nhớ mục đích thật sự của chúng ta

00:03:48.010 --> 00:03:50.024
không nhiều như xây dựng công cụ tìm kiếm.

00:03:50.024 --> 00:03:52.078
nhưng sử dụng xây dựng công cụ tìm kiếm như một phương tiện

00:03:52.078 --> 00:03:55.018
để học về khoa học máy tính.

00:03:55.018 --> 00:03:56.075
Và học về lập trình

00:03:56.075 --> 00:03:58.018
những điều chúng ta học bằng cách làm cái này

00:03:58.018 --> 99:59:59.999
sẽ cho phép chúng ta giải quyết nhiều, thật nhiều những vấn đề khác.