和 收集了 个不同类别的搜索结果（您可以通过 的 工具自己查看这些关键词） 我们只查看了第一页的结果（通常包含 条结果，但有时会包含更多或更少的结果）。我们忽略了所有非标准结果（即通用或垂直结果，例如视频、图片、本地或“即时答案”） 相关性与搜索结果第 页的较高较低的位置排名有关 我们控制了所有（或没有）结果符合指标的搜索结果。 因此，例如，如果我们正在寻找与 域的相关性，而集合中没有结果包含 域，我们就不会将该 用于该数据集。 我们使用了 相关性系数，因为它是排序数据集的标准（在我们看来，也是最佳选择）。
您可以通过 的评论（此处和此处）了解有关此选择的更多信息。 这与我们最近在 相关性信息中采用的方法非常相似。 理解相关性意义 我们展示的相关数范围在 到 之间，其中完美相关性为 ，无相关性为 。 与 的意义 还包括每个 阿塞拜疆数字数据 结果集的标准误差，但在大多数情况下，标准误差非常低，以至于在条形图上显示时几乎看不到它。这要归功于收集的大量结果 我们对它们的统计意义非常有信心。 相关性≠因果关系 长期以来，统计分析一直认为，即使相关性非常高，也不一定意味着一组数据是另一组数据的原因。人们打伞不会导致下雨。冰淇淋销售不会导致天气炎热。
与 因果关系和相关性 兰德西装革履 我穿西装的次数越多，我在 小组上发言的次数就越多。 因此，穿西装是否意味着我能够参加 小组讨论？ 重要的是要知道，下面的数据与其他类型的 测试数据一样，需要仔细考虑和分析。将更大的相关性解析为应该更多地做 或 的直接信号是一种谬论。 理解负相关 在下面的研究中，你会看到一些数据点，其中相关性实际上是负的，这意味着当我们看到该元素时，它倾向于预测结果中的位置较低，而不是较高。例如： 与 负相关性 长度的数据显示，较长的 与排名呈负相关。