o problema
Busca na web parte de um acordo silencioso: a consulta “spanner” tem mais ou menos a mesma boa resposta para todo mundo. É esse acordo que torna a coisa barata. Dá para varrer a coleção uma vez, calcular por documento um score que não depende de quem pergunta, guardar tudo num índice invertido e servir milhões de pessoas a partir da mesma estrutura. Ranking global, índice compartilhado, custo amortizado.
Dentro de uma rede social nada disso vale. O documento é um recado, um perfil, um comentário, uma legenda — texto curto, escrito sem nenhuma intenção de ser encontrado, com pouco sinal léxico para separar o relevante do resto. Pior: a relevância muda de pessoa para pessoa. Uma busca por um nome comum devolve resposta diferente conforme quem pergunta, porque a distância no grafo entre quem busca e quem escreveu faz parte do critério. E há permissão: boa parte do acervo simplesmente não pode aparecer para boa parte dos usuários. Um score único por documento não resolve; um índice por usuário não cabe. É por isso que “efficient” aparece no título antes de “search ranking”.
a ideia
Aqui o verbete precisa parar e declarar o que não sabe. O que recebi deste trabalho foi a ficha: título, os seis autores, CIKM 2007 em Lisboa, área de information retrieval. O resumo não está publicado na página. Sem o texto, não descrevo arquitetura, experimento nem número — qualquer parágrafo sobre como eles fizeram seria invenção plausível, e invenção plausível é exatamente o que este site não escreve.
O material também não diz de qual rede social se trata. O Google operava o Orkut em 2007, o que é fato público, mas amarrar uma coisa na outra é inferência minha, não afirmação da fonte.
O que o título sustenta é o enquadramento, e o enquadramento já diz bastante. Nomear eficiência antes de qualidade significa que a dificuldade assumida não é descobrir um sinal melhor de relevância social — é entregar esse sinal dentro do orçamento de uma consulta. O espaço de soluções para esse problema era conhecido em 2007 e continua sendo: ou você limita quão longe no grafo o ranking olha, ou pré-computa algo compartilhável entre usuários parecidos, ou aceita aproximar o score e errar na cauda. Qual desses caminhos os autores tomaram é precisamente a informação que falta.
o que isso custou
Sem o texto não há seção de limitações para reportar, e isso é um custo do verbete, não do paper. O que dá para afirmar com honestidade é o custo estrutural do problema, que qualquer solução da época pagava.
Personalizar ranking transfere trabalho do offline para o online: cada consulta passa a carregar uma parte da conta que a busca web faz uma vez só, na indexação. Permissão agrava. Avaliação também fica cara — não existe julgamento de relevância compartilhado quando a resposta certa depende de quem pergunta, então a régua tende a migrar para sinal de comportamento, com todo o viés de posição que vem junto.
E há a data. 2007 é anterior à recuperação por vetor denso em produção; o que estava sobre a mesa era casamento léxico, sinais de link e estrutura de grafo. Ler este paper hoje é ler uma solução construída sem as ferramentas que a área passou a tratar como padrão.
onde isso aparece hoje
Busca personalizada dentro de produto social virou banal — o feed e a caixa de busca de qualquer rede grande fazem ranking por usuário. Rastrear quanto deste trabalho específico está nisso exigiria o texto e a lista de citações, então não afirmo influência. O que dá para fazer é situar a vizinhança, para quem quiser ler em ordem.
O ponto de partida é o ranking global que esse problema quebra, descrito em The Anatomy of a Large-Scale Hypertextual Web Search Engine. Na mesma casa, cinco anos depois, Talking in Circles: Selective Sharing in Google+ trata do outro lado da moeda: quem vê o quê num grafo social. E o ferramental que muda a régua da relevância chega depois, com Efficient Estimation of Word Representations in Vector Space.
O valor prático deste registro, enquanto o texto não aparece, é servir de marco de data: em 2007 o Google já tratava busca em rede social como problema de eficiência.