Sökmotorer: Bedömning relevans och likhet mellan koncept och människor

För att fortsätta Sökmotorer: Att idag bygga ranking och index via länkar kan det vara intressant att kort diskutera relevans och similarity (likhet) utifrån relation mellan koncept (ex. uttryckt via länkar).

En utmaning delvis diskuterad i förra inlägget är att detektera manipulerade relationer. Kan vi uttrycka förväntad likhet givet ett sammanhang och kontext försvinner självklart problemet. Begränsningen av den lösningen är att det inte är rimligt att anta att relationer i ett givet kontext är oföränderliga över tiden men möjligheter finns ändå.

Vi kan först konstatera att för den större grupp av grafer detta handlar om kommer relationer tendera att:

• Att vara fler relativt antal koncept när likheten är större.
• I ett sådant kluster kommer en del koncept också ha relationer som går längre bort.
• Ett ex. kan vara ett ganska avgränsat kunskapsområde t.ex. nationalekonomi, kemi eller lingivistik.
• Koncept i dessa områden kommer tendera att ha fler relationer till andra koncept som räknas till dessa.
• En del koncept ligger dock i flera kunskapsområden och har länkar längre ut.

Denna ofta relaterat människans organisation av världen (och hur våra biologiska neuronnät tenderar att självorganisera sig) liksom några av utmaningarna finns bredare sammanfattat i Understanding complexity in the human brain (UCSD men från Philosophical Transaction of The Royal Society A 2011: doi: 10.1098/rsta.2011.0121).

Det potentiella värdet trots risken med att anta statiskt uttryck är att vi kan skatta sannolikheten under oföränderligt antagande för att något som uttrycker en viss likhet med ett eller flera koncept ska uttrycka relationer med ett annat (ex. via en länk).

Vi kan vidare genom att analysera historik skatta sannolikheten för att mer ovanliga relationer givet ett kontext (d.v.s. kunskaps-segment vi uttrycker likhet med, publicist, typ av publicering o.s.v.) är av värde att ta upp mer permanent som värdering. En journal inriktad ex. kemi som uttrycker några nya relationer mellan områden inom kemi och ett annat teknikområde kan tveklöst utan risk värderas relativt hela populationen rörande det. Andra publiceringstyper har troligt mycket mindre varaktigt värde när relationstyperna är mer ovanliga.

Praktiskt från perspektiv från den som söker information på sökmotor är värdet vi söker att sökresultatet givet sökord som med skattad sannolikhet från dessas relationer och kontextuell kunskap om informationssökaren uttrycker det efterfrågade ämnet. Är antagandet att helt eller väsentligt styra det från länkar där fler kommer tendera att öka ranking behöver vi relevansfaktorn när vi värderar dessa.

Från skattning av vad informationssökaren avser inses också att vi har ett till (lika grovt uppdelat) similarity koncept att ta hänsyn till. Denne kommer vara givet realiserat kontext vara mer eller mindre benägen att önska nytt eller bekräftande relativt sig själv. För det senare fallet gäller att identifiera similarity mellan rekommenderande relationer och denne där det kanske väger högre än faktisk trolighet i kunskapsdomänen. D.v.s. relationen mellan grönt morgonljus och sjukhusbyggnad kan givet informationssökare av tänkt typ "fotograf - konstnär" vara högst relevant som väldigt ovanligt eller vanligt i kontext av bilder som uttrycker något.

Vi inser att detta kommer ner till egentligen samma problemområde som i det första fallet genom att det enda informationssökaren uttrycker (givet endast sökord) är en grupp koncept ev. tillsammans med ord som rangordnar, indikerar deras relativa påverkan, tilldelar känslomässig karaktär o.s.v. D.v.s. söker jag på Företag i Uganda som förhatligt avverkar regnskog. Har vi en typ av entitet i resp. "ansluten" mängden företag och Uganda som avverkar regnskog där avverkar regnskog i sig är vad vi identifierar o.s.v.

Den känslomässiga karaktären "förhatligt" kan självklart ofta vara "underförstådd" eller vad som för bättre sökresultat behöver skattas från kunskap byggd under längre tid (ex. signal-respons på tidigare sökresultat). Detta är också vad likhet med (givet något antagande rörande bekräftande relativt nytt d.v.s. lämpligt entropi-uttryckt) den eller det som faktiskt "rekommenderat" utanför uppenbart "kunskapsområde" får större betydelse.

Emellertid har människor många intressen, åsikter, värderingar och idéer. Även om en del generella tendenser till grupper av dessa finns både kulturellt och ärftligt relaterade gäller att antalet kombinationer är tämligen stora. Vi kan därför uppleva större tillfredsställelse av att följa rekommendationer av något i ett område medan vi inom ett annat område blir surfa, missnöjda och just här kanske upplever kvalitetsproblem med sökresultaten om vi följer rekommendationer av den samma. Ex. skulle jag vara mindre benägen att bli nöjd med religiösa texter högt på sökresultaten rörande medicinska sjukdomar eller funktionshinder. Ganska stora grupper andra gillar det dock.

Därav att det ungefär kommer ner till samma problem: identifiera ämnesområde, dess relationer och hur "troligt" de känns riktiga och under vilken tidsperiod avseende vilka.

Det här är ett svårt område. Och åtminstone för Google och Bing har man ännu stora svårigheter att ta ut dessa världen. För Google har jag t.ex. konstant under många år aldrig efterfrågat vissa undergrupper av sökresultat men tenderar ändå att få dem trots att de är tämligen enkla att avgränsa kunskapsmässigt via similarity.

Svårigheten att dra nytta handlar praktiskt inte om den teoretiskt primära utmaningen i att särskilja statiskt mot nytt i vår kultur utan om beräkningskapacitet. Jag har en längre artikel planerad som ger en del praktiska metoder tillsammans med förenklade verktyg för att skatta påverkan från huvudsakligen reklam byggd från en förenkling av algoritmerna jag använder för nyhetsanalys. I den gäller att jag mycket mer exakt gör similarity operationer därför att användningen är praktiskt för en person och mängden operationer blir därför tämligen få (medan det för nyhetsanalysen måste vara många magnituder mindre exakt). Det kan ändå på min tämligen nya kontorsdator ta väldigt lång tid för varje jämförelse ej tidigare gjord existerande i cache.

Att jämföra ett koncept med ett annat också utan hänsyn till vad jag kallar egendimensioner i min modell vilka ex. är känslomässig orientering utan endast relationerna mellan koncept gäller mycket förenklat att följande operationer görs:

• Identifiera omedelbara relationer för respektive koncept.
• Dessa definierar de dimensioner som uttrycker koncepten.
• För varje relation gör similarity-1 jämförelse med varje dimension som uttrycker det andra konceptet.
• För similarity-1 jämför likhet i omedelbara dimensioner ex. cosinus similarity, jaccard eller jämförbart. Fler dimensioner lika ökar likhet medan fler dimensioner olika indikerar att de är mer olika.
• Värdera samman respektive similarity-1 resultat ex. via association till dimensionen via t-test.

Tänker vi oss nu på det att vi inte gör detta som en generell skattning för en större population utan riktat mot en mindre grupp människor skulle vi typiskt manipulera associationen till dimensionerna avseende hur mycket vi värderar dem. Redan operationen ovan är dock mycket krävande därför att:

• På de cirka 170 000 koncept en mycket komprimerad version arbetar med.
• Finns i genomsnitt ca 65 relationer för varje koncept.
• Koncept mer sannolika i språk och mycket troligt mer sannolika sökord tenderar att ha kraftig association till många fler relationer än genomsnitt.
• Alla vanliga kunskapsområden, geografiska punkter, länder, kulturområden o.s.v. ligger sällan under 1500-relationer.

Säg att vi jämför två koncept med 2000 relationer där varje omedelbar dimension också har 2000 relationer. För varje similarity-1 gör 2000 * 2000 jämförelser och för ett koncept gör vi 2000 similarity-1. Beroende på algoritm (där vi ovan egentligen gör det från perspektiv av respektive därför respektive koncepts syn på världen styr) behöver vi dessutom göra det två eller fler gånger. Vi har nu 2 * 2000 * 2000 * 2000 jämförelser.

Det vanliga sättet att minska detta problem är genom dimensionsreduktion (för tillämpning diskuterad är det dock ej aktuellt därför att det mer är den generella utgångspunkten att dra nytta av för riktade dimensionsreduktioner applicerat mot ämnesgrupper, nyheter eller annat data relativt olika perspektiv) där LSA är vanlig och troligen ganska väl-använd bland just sökmotorer. Emellertid är den just mindre bra rörande annat än att få ner antalet dimensioner med viss godtagbar rimlighet i underrummet vi projiserar ner mot. Detta därför att projektionen i sig bygger på stickprov som ju uttrycker just en population och därmed om vi i mer avancerade varianter än här normalt använt vill stora mot särskilda individer och givet antagande om värdering av rekommendationer krävs att det sker flera gånger med olika stickprov på data där varje sådan dimensionsreduktion är extremt tidsödande.

LSA liksom cosinus similarity överdrivs väldigt ofta rörande faktiskt värde. Båda algoritmerna tenderar att göra användare överdrivet nöjda därför att de är mycket praktiskt enkla lösningar på problem vi allmänt har oerhört svårt att resonera runt (mång-dimensionella rum). Något som fungerar tenderar därför att bli använt och får snabbt ett bias relativt nytt. Båda har nu funnits ganska länge och för båda gäller att forskning som seriösare (motsvarande doktorsavhandling) jämfört dem annat noterat att vi får större värden av andra algoritmer. Bias till båda är dock också stort i forskningsvärlden.

Jag upptäckte dock nyligen på en dimensionsreducerande algoritm som jag till min förvåning inte träffat på tidigare trots att jag gjorde en ganska stor översikt 2010 (och fastnade för Kohonens självorganiserande kartor för användning som del av en modell) som mycket troligt för samma träningsdata ger sämre resultat än LSA men samtidigt mycket troligt regelmässigt är väldigt mycket snabbare:

• An Introduction to Random Indexing (PDF) | Sics.se

Intressant med den just här är att den faktiskt går att tillämpa tämligen enkelt direkt på informationssökare för att över tiden bygga upp deras preferenser och samtidigt bygga kunskap exporterande till mer generella "grupper" av användare eller mellan kunskapsområden. Med modifiering torde knappast heller diskret kraftigare beräkning behövas på data utan kontinuerligt uppdaterade tillstånd också med olika tidsperspektiv blir möjliga.

Vårt diskuterade problem kan i detta fall kanske vara möjligt att reducera med en god approximation till att identifiera likhet till en kombination av olika "typer" av mer intensiva sökmotoranvändare vilka adderat mer data.

Möjligen beroende på vilken kvalitet det ger vad som kan förändra skillnaden i upplevd kvalitet mellan sökmotorerna. Det är upplever jag färre sökmotorer förutom Google som använder den typen av data (åtminstone där det meningsfullt förbättrar sökresultaten).

Relaterat nyligen om sökmotorer

Sökmotorer: Att idag bygga ranking och index via länkar
Microsoft navigerar stabilt på stormande datahav (tack för datat).
Bing! och Microsoft börjar kännas som ett seriöst sök-alternativ data nära

Sökmotorer: Att idag bygga ranking och index via länkar

Efter Google:s framgång med att använda länkar för index och ranking märkbar för mig sommaren 2009 har genom åren givit oss ett minst sagt stort antal sökmotorer av varierade slag som använder länkar. Mer fascinerande är dom som indexerar länkar som stödföretag till sökmotor-marketing av varierade slag (inte minst SEO) och ett exempel är SEOMoz (jag har inte prövat den själv men troligen ungefär jämförbart med andra med jämförbart antal indexerade sidor).

När det gäller nästan alla jag sett genom åren inriktade på att ranka innehåll för "slutanvändare" har kvaliteten vanligen varit direkt dålig. Det normala tycks dessutom vara att någon "gigantisk" enstaka eller en jämn kontinuerlig kvalitetsförbättring inte kommer på nivå där det i värde rör sig närmare Google.

Orsaken till det kan man diskutera där komplettering med annan statistik förutom länkar inte ska underskattas. Emellertid tror jag vanligen inte att huvudproblemet ligger just där eller bättre uttryckt att lösningarna nått där det är faktorer att börja försöka få ut värde ifrån.

Det finns tror jag en enklare åtgärd att pröva som jag tror kan lösa alla möjliga systematiska problem jag ser (också förekommande hos Bing av och till noterat i samband med Microsoft navigerar stabilt på stormande datahav och Bing! och Microsoft börjar kännas som ett seriöst sök-alternativ data nära). Gissningsvis är åtgärden kanske inte helt lätt för mindre lösningar som behöver prioritera spindlingstid eller har mer begränsad storlek på index men för större långsiktiga lösningar kanske värt att fundera över om inte redan utnyttjat.

När Google började styra index och ranking från Google gav det dem konkurrensfördel därför att särskilt Altavista missbrukades brutalt för porr-spam genom on-site-faktorer.

Länkar missbrukades ännu i väldigt liten utsträckning. "Verksamhetskunskap", "rutiner", "nätverk", investeringar i infrastruktur (gamla hemsidor o.s.v.), auktionstjänster för att handla med länkar o.s.v. var knappt utvecklat.

För den tidiga perioden ges därför en statistik utgångspunkt för att bygga upp features för vad som tycks vara en vettigt normal "länk" i form av kontext på sidan o.s.v. T-test (generellt vad jag själv föredrar tillsammans med en variant av jackard, se också t.ex. From Distributional to Semantic Similarity , mutual information, cosine similarity och andra välkända utgångspunkter för att bygga association runt features får en rimligt ren utgångspunkt att steg för steg definiera onormalt från.

Nya typer av problem som uppstår, möjlighet att lösa befintliga kvalitetsproblem ej beaktade o.s.v. blir dessutom i varje steg enklare vid en tidpunkt efter vår utgångspunkt. När de i rimlig utsträckning "eliminerats" från algoritmer som sprider påverkan vidare är det relativt utgångspunkten en ändå ganska begränsad förändring.

Ska man göra samma sak med början redan för många år sedan nu blir problemet mycket mer komplext.

En "enkel" typ-lösning kanske är möjlig:

• Identifiera väsentlig publicerings-typ ex. blogg.
• Identifiera de väsentliga övergripande plattformarna.
• Värdera tids-förtroende.
• För möjlighet att enklare kunna borra djupare och få ett särskilt prioriterat centralt corpus överväg att köpa en sådan väsentlig publiceringstjänst om prisvärd vilket de nog inte sällan är just nu för en aktör motsvarande Bing.
• Det "kritiska" för ett sådant djup kanske inte just är att det som datakälla ska ge all information utan tillhanda-hålla trust-värdering t.ex. av tidsstämplar och IP-adresser och från därifrån identifierade vikter och association för features värdera andra liknande tjänster (det skulle inte förvåna mig om den här typen av köp gör mer än köp av konkurrerande sökmotorer).

Givet det går vi bakåt i tiden och skapar år för väldigt länge sedan. där köp inte självklart behöver vara nödvändigt men notera att det inte säkert går så himla snabbt att spindla ner ett par tre år av ex. Wordpress.com.

Värt att peka på är att om man implementerar denna lösning och kontrollerar tillförlitlighetsfaktorer rörande ex. tidsstämplar krävs viss försiktighet. Ex. Blogger.com gick bra att ändra runt förr men det är tror jag nu ändrat för att hindra det.

Om vi avslutningsvis skulle bli lite mer spekulativa och samtidigt mer exakta kan vi se en möjlig grupp av lösningen bestående av:

• Similarity mellan koncepts som uttrycks.
• Vikter givet association lokalt, globalt o.s.v. enligt vad som tros meningsfullt (ex. en särskild vikt för bloggar på plattformar där datumstämpel ej kan ändras).
• Sannolikheten att länken inte följer kvalitetsriktlinjer alt. skadar index givet att den verkar följa en "konceptgrupp" som är normal.

Att uteslutande betrakta osäkerheten är problematiskt genom att emergens måste vara möjligt om index inte ska bli statistiskt alt. alltid försiktigt stegvis föränderligt.
Jag föreställer mig att det ofta för en ambitiös tjänst kommer ner till att i breda gränszoner öka upplösningen och exaktheten i den information vi ser där ett inlärningsförfarande inkluderar människor inte sällan är fallet. Också i allt runt det tror jag att det är mycket svårare att börja från idag snarare än att helt enkelt börja med en försvarlig stor mängd publicerade sidor från 1997 - 2001 för initiala vikter och från det eliminera bort problem samtidigt som man går framåt i tiden.

Microsoft navigerar stabilt på stormande datahav

Sökmotorer: Från Bing till likhet mellan koncept

Efterföljande delar av samma artikelserie:

• Sökmotorer: Bedömning relevans och likhet mellan koncept och människor
• Sökmotorer: Att idag bygga ranking och index via länkar
• Microsoft navigerar stabilt på stormande datahav (tack för datat).
• Bing! och Microsoft börjar kännas som ett seriöst sök-alternativ data nära

Microsoft kan vinna marknad och leverera hett efterfrågade värden hos stora företagspartners med statistik och data från sökindex

Jag kan nu följa upp Bing! och Microsoft börjar kännas som ett seriöst sök-alternativ data-nära med att tidiga tecken är lovande. Jag tror Microsoft rör sig åt rätt håll. Datat känns tillräckligt stabilt.

De är inte den dominanta sökmotorn på webben men är stora nog och behöver heller inte bli det bara man är väsentligt stor.

Det finns många andra former av möjligheter att skapa värden för de medelstora och stora företag som är Microsoft traditionella kunder och en mängd nya aktörer där tydliga tendenser sedan fler år varit i kontext av företag nära webben i en analys, surare och communityn att andra plattformar tagit relativt äldre verksamheter stor plats.

Genom att riktat förvalta värdet sökmotorn och indexeringstjänsterna ger som datawarehouse och se det som byggblock för att skapa fasta relationer med aktörer och teknikområden där andra företag växt sig starka finns värden att hämta både i det nya men också vad som är Microsofts traditionella affärer.

För Google är och kommer troligt alltid datadelning vara vad de regelbundet gör som med Google Ngram och vad som finns i deras api:er men som samtidigt är vad de upplever lätt obehag kring statistik-nära kunskap. Det är alltid vad som rent funktionellt eller i datat genom vad vi kan jämföra med säkerhetskoncepten rörande hantering av statistisk-information i studier där data ska vara funktionellt för ändamålet men ej för läcka ex. korrelation som kan andvändas för extrahera annan vetskap (t.ex. personnamn genom korrelation över indikerande ständigt minskad geo-rymd).

Det finns gediget värde för Microsoft att bli operativsystemet för webbens analys- och affärssystem där datat skapar vägen. Deras möte med Openstreet Map de av allt att döma byggt Bings kartlösning på kan ge dem idéer både på möjligheterna och de problem deras blivande kunder har:

• Värdet av datat genom att vara samlat på en plats, täcka stora delar av området, ha kunnande om dataområdet geo gör projektet attraktivt när analys eller byggande utanför de föreställt intressanta lösningar mer tillrättalagda standardlösningar som Google Maps inte räcker för.
• Ändå rörande mycket är datat vad man praktiskt behöver filtrera igenom riktat för tillämpningsområden när mer seriös analys ska göras där det används eller bygger stödjande datatyper.
• Och för analyslösningar är det vad man behöver implementera själv där den typ av mervärde Microsoft skapat möjligheter för inom systemutveckling och kontorsdata genom flexibla halvfabrik, bibliotek och utvecklingsplattformar saknas.

Att expandera möjligheter genom flera dataformer tillgängliga med mycket ärlig statistik ej filtrerad till att kund-dåliga lösningar för allt annat än kul-saker på bloggar eller pseudo-information på Twitter-boom sajter ökar värdet enormt när det finns samlat med mycket enklare och mer stabila funktioner än ex. motsvarande OpenStreetMap kan erbjuda för en begränsad datatyp (endast geodata). Datakvalitet är konkurrensvärde.

Vi kan jämföra med geo-data som utgångspunkt med taxonomier för bibliotekssamplingar och thesaurus för samlingar av konst och historiska föremål. Där har vi välkända system (varav ett inte litet antal har komprimerats ner och kombinerats in i Blue Light nätet) i referensinformationens mer statiska karaktär som kombinerar strukturering i geo med andra informationstyper: kulturell-sfär, teknikområden indikerade som utvecklingsexempel eller vad det skapas med, kunskap om företeelsen tolkat från specialistområden (ex. analys av tänder hittade) o.s.v.

Genom att ta gammal strukturering till en kraftfullare skapelse för dagens värld av snabb kommunikation och en händelseintensiv värld kan när den potentare - och seriöst bra nog då också mycket mer scarce - statistiken och relationerna från olika förekomster och förfrågningar relaterat koncept, dessa relativt varandra och i olika sammanhang är det tungt efterfrågat värde från lika mycket små webb-startups till stora företag som vill följa utvecklingen för ekonomisk risk management i lego-tillverkande länder liksom CIA som vill skönja sentiment associerad med att ökad bevakning kan krävas.

Vi kan bara jämföra med alla tjänster för Twitter och Facebbok statistik. De är regelmässigt teoretiska trivialiteter och vanligen med grava fel skattningar bl.a. delvis därför att datat som kommer ur sociala media inte är helt klockrent att sampla utan försiktighet. Att ta ut långa statistiska samband utanför enkel ngram-förekomst ex. konceptuell association är vad en seriös datatjänst skapar möjlighet till och också kan göra förberäkningar av kombinerande statistik rörande bilder, websökningar m.m. Tjänsterna har bra idéer och roar en del besökare men ingen av dem kommer klara att gå mycket längre att döma av hur de orkar med de kanaler till data som mer uppenbart finns och den analys de har datakraft och/eller kompetens för att göra.

Hur som helst luktar Microsoft än så länge gott. Jag känner mig spännande attraherad
och upplever att det är lite viktigt att klä mig snyggt när jag surfar på Bing.

Möjligt fick jag ett sedan ganska länge nu vid vissa typer av uppdateringar av Blue Light när kvalitetskontroller rörande som här cirka 4 miljoner relationer behöver göras och bäst görs via annan metodik än den byggts via. Microsoft när Yahoo börjat falera fullständigt i affärsrealismen samtidigt som datakvaliteten börjar kännas lätt skakig erbjuder en ny bättre framtid. Lyckas det bra vilket kan ta några dagar att avgöra - kanske längre - gäller att i min värld finns en tjänst för Microsoft att hämta om de någonsin behöver.

Går detta bra får vi nog ett litet Microsoft-tema här en tid medan jag realiserar möjligheter med verktygsfabriken Microsoft. Men det har inte med karma-skulden. att göra. Det är för läsarna. Karmaskulden till Microsoft tom dataimporten går smidigt ligga och förränta sig tills ni behöver den. I en tid av kris och oro kommer oväntat en tröst. Kanske en korg med nyttiga muffins och en uppmuntrande dikt från och av Hans.

Bing! och Microsoft börjar kännas som ett seriöst sök-alternativ data nära

Yahoo! var länge det naturliga valet för de flesta som använde api:er för att hämta ut statistik ex. till forskning. Det kommer en hel del sådana som också använder Google men den känsla jag har utan att mer noggrant följt upp är att de oftare sker i kontext av ett samarbete medan det också där som allmänt gäller att Google:es API:er är mycket funktionsanpassade mot surfare där det finns en del väsentliga svårigheter att försöka använda det för statistiskanalys. Förutom rent funktionellt och numera kanske mindre märkbart är även som surfare inte alltid uppenbart vilken vy av datat man får så länge det inte inverkar på sökresultatet påverkade ex. antal sökträffar Google uppger vilka jag fortfarande har en känsla av är normaliserade i ett kontext som kan variera beroende av vy-alternativ. För när Google synkroniserade datacenter mer sällan innan deras big-bredband-projekt och utspridda datagridar var det som vi alla minns direkt märkbart. Idag om så är det nog snarast parametrar än direkt datacentrar som är det påverkande.

Yahoo! Boss känns skakigt nu. Det höll inte excellent kvalitet någonsin men bra kvalitet relativt vad som var acceptabelt att göra relativt kostnaden. Nu är det dyrare än de har funktion och kvalitet att leverera. Behöver man statistik som kräver fler transaktioner är det billigare att spindla några stora grupper av webbsajter själv från fem till tio dagar med lite extra bredband man köper för pengarna man spar in på Yahoo-transaktioner.

Jag hade gärna annars kört ngram backpropagation upp till 8-ngram över någon månad. Men min känsla är att varken villkor eller kostnad längre uttrycker det värde som tidigare gjorde Yahoo till en fortsatt relativt övriga delar och projekt nästan anmärkningsvärd stark konkurrent till Google och Yahoo. Särskilt nu när dataanalys blivit allt mer populärt senaste åren har det ofta förvånat mig att de knappt brytt sig om (om alls) att uppdatera funktionnerna och möjligheterna för att göra ett större riktat marknadsföringsprojekt och ta utrymme på nätet genom integration i de branscher som nu allt mer utnyttjar denna typ av tjänster.

Bing! API:Er har jag nästan inte alls börjat känna på. Men de tycks i alla fall ha potential.

Det viktiga för Microsoft om de ska vinna här och vända utvecklingen där de diminiseras på nätet är att vara generös med data och statistik så länge det inte är integrationskänslig information d.v.s. sätta gränser för besökarnas och kundernas intresse och dela för deras värde. Där finns möjlighet på ett helt annat sätt än tror jag projekt motsvarande deras lösning där man fick reklam i sin egen dator direkt vad man associerar och betraktar som hemmet. Oavsett hur "moraliskt korrekt" för en gratis applikation upplevde jag det störande därför att jag inte är van med reklam där och använde efter kanske fyra eller fem uppstarter någonsin igen deras office-programvara utan använder normalt Google Docs där jag aldrig ser reklam (men ska inte utesluta att det finns men att jag filtrerar bort det).

Faktiskt finns det flera direkta affärsmöjligheter för en aktör med Microsoft ugångspunkt där de väldigt snabbt på några månader kan etablera relationer till en mängd företag med hög bransch-diversity inklusive men till mindre del företag som i sin tur har webb-besökare. Stora organisationer i flera länder, medelstora till stora företag i skilda branscher men tillskillnader från organisationer mer hemma-hörande i Tyskland och USA och delvis i mindre utsträckning Sverige och i annan del av business system Asien.

Syrien: Tidig kritik är meningslös kritik

Genom att direkt kritisera något - precis vad som helst - devalverar man ner värdet av kritik man kan önska ge senare när en mycket mer konkret företeelse uppstått. Ett exempel på kritik som tänkbart inducerar kritik-devalvering har vi i:

• UN Syria envoy rejects criticism on Assad resignation

Att som här kritisera Bashar al-Assad för saker han ej sagt eller gjort mer eller mindre direkt efter att han tillträtt uppdraget är meningslöst och kommer ej tillföra värde oavsett perspektiv.

Allmänt har jag förövrigt större tilltro till Bashar al-Assad än dennes företrädare även om jag tvivlar på att han kommer hitta någon direkt bra fungerande lösning inte redan prövad.