我用 Google 搜索了一下名字，发现自己 “死” 了
Google 以为我已经死了。但我想告诉它，我还活着。
这来自《纽约时报》记者 Rachel Abrams 的一篇 “公开吐槽信”。上周的某一天，这位记者惊愕地发现，自己在 Google 的搜索结果中，默默地 “被死亡” 了。
（图片来自：《纽约时报》）
在把自己的名字 “Rachel Abrams” 键入到 Google 的搜索框中之后，页面显示出了她在《纽约时报》网站上的工作证件照片，但关联到的人物介绍却是另一个同名的美国作家。而这位 “Rachel Abrams”，已经于 2013 年去世了。
我的父亲很诧异地给我发了一则确认的短信，身边的熟人也提醒我去查看这条显示我已经 ‘死亡’ 的信息。我意识到，这个错误可能必须得去更正一下了。
于是为了证明 “自己还活着”，她开始了 “维权” 之路。
漫漫 “维权” 路
由于这个错误出现在了 Google 的搜索结果中，找 Google 纠错就成了 Rachel 能想到的首要解决方案。
但她很快发现，作为全世界最知名的科技公司之一，Google 并没有提供客服热线这种东西。相反，他们更倾向于使用自助式的 “在线反馈”。
我不是很能肯定，在这么多的 ‘反馈’（Feedback）选项中，到底哪一个才真正适用。
（在 Google 搜索结果中点击 “反馈” 之后，页面会出现数量众多的选项按钮）
“他们可能确实在某个地方有提供这样的电话号码，但是他们的确更希望大家可以通过网络或者线上的渠道来解决问题。” ReputationDefender 公司的负责人 Rich Matta 说道。他的公司，专门帮助用户修改他们在网络上的不实信息。
从我多年的经验来看，这种没有涉及非常明显的违法或侵权行为的申诉，往往很难通过提交纠错申请来达成。大多数人会被过程中的各种复杂状况或者问题所困扰，他们甚至不知道该从何做起。
这样的问题就发生在了 Rachel 的身上。
她先是尝试联络了 Google 的公司联络部门，表明了自己的记者身份和遇到的问题。随后，一位 Google 发言人回复给了她一个链接，这个链接指向了 Google 知识图谱（Knowledge Graph）的帮助页面。
Google 知识图谱是 Google 于 2012 年推出的一个信息知识库，通过语义检索从多种来源中收集信息，以提高搜索的精确性。包含有她错误信息的页面搜索结果，就来自 Google 知识图谱。
当她按照那位发言人的建议进入知识图谱的帮助页面填写反馈时，问题来了：想要修改词条需要先确认自己的身份，而在确认自己身份的四个选项中，她陷入了某种 “自我认知障碍”。
选项一：你是这个词条相关的官方网站、YouTube 频道或者 Google+ 页面的所有者。（好像不太对）
选项二：你是以一个官方线上实体所有者的身份登录 Google 的。（这个好像也不对）
选项三：你的网站或者 app 仍然在活跃状态。（不懂这是什么意思）
选项四：你被添加进了官方网站的搜索控制台。（？？？）
一头雾水的她决定先随便选一个。然后在页面的末尾，她终于找到了一个可以让她自己填写申诉缘由的文本框，而这，还是用来反馈前面 “自助服务” 是否有用、如何改进的地方。
（图片来自：《纽约时报》）
很显然，这个举动并不能帮她解决问题。于是，她决定直接给 Google 总部打个电话。
虽然又经历了漫长的热线等待，但她终于找到了一个人工应答。这位 Google 员工，再次让她填写一份在线帮助表格，而且，最好是能在接下来的一段时间持续不断地反复提交，尽量使用不同的 IP 地址，或者让朋友帮助你提交。只有这样，才能通过 “高关注度” 来把申诉顶到前面去，引起重视。这位员工还好心地提醒她，这种修改知识图谱的操作，可能会花费最短三周、最长三个月的时间。
（图片来自：《纽约时报》）
终于，她 “愤怒” 了，决定直接给 Google CEO Sundar Pichai 发一封邮件。同时，好好利用一下自己的记者身份，把整件事写下来，制造一些 “舆论压力”。
这一次，她的努力终于有了点回报。虽然没能等来 Pichai 的邮件回复，但几个小时之后，她的照片被从错误的页面上撤了下来。
终于成功 “复活” 了。
知识图谱真的靠谱吗？
整件事情看下来，虽然 Rachel 吐槽的点集中在 Google 的错误反馈系统，但如果从源头开始算起，最先出错的，其实是那个被视为 Google 新一代搜索核心的知识图谱（Knowledge Graph）。
自从 2012 年正式发布之后，这个几乎是海纳百川的大型知识信息库，就成为了 Google 原来基础搜索的强有力的补充。用户可以省去自己筛选结果的过程，直接看网页右侧由知识图谱生成的 “小百科”。
根据介绍，Google 知识图谱主要有以下几种数据来源：
- 以词条为基础的大规模知识库（包括维基百科、Freebase、DBpedia、YAGO 以及其他专业领域知识库等）
- 互联网链接数据（即在开放互联的万维网之中的多个数据链接）
- 互联网网页文本数据
在这几种动态数据源的支持下，知识图谱所收录的数据信息在不断地更新，仅 2012 年刚发布的时候就已经收录了超过 5 亿个词条和多达 35 亿条信息量。海量的数据，意味着知识图谱所带来的搜索结果将更加精准。
（图片来自：Medium）
更为重要的是，知识图谱并不像传统的搜索引擎一样，只是机械式地提供相关的匹配结果，它利用多种智能信息处理技术，比如实体链指（Entity Linking）、知识推理（Knowledge Reasoning）等，更加 “聪明” 地为用户提供他们真正需要的搜索结果。
负责这个项目的 Google 高级副总裁 Amit Singehal 把这种全新的搜索体验归纳为三点：找到正确的东西、得到最好的归纳总结、走得更深更远。在知识图谱的介绍文章中，他写道：
借助知识图谱，我们可以通过实体（things）而非字符串（strings），去了解现实世界中的各种事物，以及他们之间的关系。
举个简单的例子，当我们搜索 “苹果” 时，加入知识图谱的搜索结果，除了会显示作为水果的苹果之外，还会自动匹配出科技公司 “苹果”，以及与苹果公司相关的资讯、商店等信息。这是一个经过筛选和重组的完整知识块，具有逻辑和条理，所包含的语义也更丰富。
在更进一步的应用中，它还可以实现更加智能的基于知识库的自然语言查询。比如当你直接在搜索框中输入 “汤姆·克鲁斯有多高” 时，返回的结果就是 “170 厘米”。
除了 Google 之外，引入知识图谱正在成为搜索引擎界的一个发展趋势。百度的 “知心”，搜狗在娱乐和医疗领域的知识图谱，都利用了同样的原理。
但海量数据的加入也意味着，它们之间的逻辑链接会变得更加复杂。知乎上一位从事 Google 知识图谱开发的工程师就认为，目前最难也最需要抓紧解决的问题，就是 “如何将来自不同数据源的相同实体聚类”。比如电影数据中的 “刘德华”，和音乐数据中的 “刘德华”，就需要利用自动化的算法来聚合在一起。
Rachel 的这次 “被死亡”，正是在这个环节出了问题。她的照片虽然也对应着 “Rachel Abrams”，但显然不是在搜索那位已故的作家时，应该出现在知识图谱结果中的正确匹配信息。
除了基于计算机深度学习的自动匹配之外，Google 还为知识图谱加入了人工编辑和校对。但为了尽量避免人工操作所带来的潜在问题，他们也采取了一系列比较严格的审核和纠错机制。在回复 Rachel 的申请时，Google 发言人就提到：
要在加快修改速度和保证结果的准确性之间寻找一个平衡点，是一件非常重要的事情。
但考虑到用户的使用体验，还是希望 Google 能够改进一下用户的反馈机制。毕竟不是每个人都能像 Rachel 一样，可以直接在《纽约时报》上发文章喊话。
题图来自：Search Engine Land
