Graph Search是什么?
Graph Search是Facebook对10亿名用户、2400亿张照片和1万亿次页面访问量推出的一种工具。扎克伯格对此称，Graph Search今天是面向少数人推出的一种工具，暂时仅提供英文桌面版。
这种工具的搜索框更大，能为用户提供输入自然语言搜索查询请求的方式，帮助其找到有关其以往历史、朋友访问的餐厅、朋友喜欢的音乐和电影甚至是潜在约会、工作机会或媒体来源的信息。当Facebook无法提供答案时，微软必应(BIng)搜索引擎将用常规网络搜索结果填补空白。
Stalkscan由比利时安全研究人员Inti De Ceukelair创建，这款工具能够看到一部分在使用Facebook的Graph Search功能后没有进行隐私设置的Facebook用户的个人资料。 例如他们参加的活动、他们最常去的酒吧等; 所有的事情都可能通过图表搜索。
尽管Facebook在发布后不久就暂停了这项服务，但它仍然在发挥作用。De Ceukelaire表示：“Graph Search和它的隐私问题早已被质疑，但从未引起重视。我希望通过我的行动和容易使用的工具来帮助那些非专业用户，因为他们中大多人对向公众分享的内容毫无头绪。”
搜索特点
Facebook终于推出了搜索功能挑战谷歌，然而，Facebook搜索与许多人预想的大不一样。实际上，Facebook没有利用它的数据提供比谷歌更好的搜索，而是提出了一种谷歌或其他任何地方都没有的一种新的搜索类型。
“链接”与“喜欢”
在典型的谷歌搜索中，我们的搜索对象是网页，决定搜索结果中网页显示顺序的联系主要是链接。简单来说，链接就像投票，它们帮助谷歌决定特定主题应显示哪些最热门的页面。
在Facebook图谱搜索中，我们的搜索对象不是网页，而是现实对象的虚拟表示：人、地点和事物。对象间的联系主要由Facebook Like(Facebook喜欢)决定。正是这些“喜欢”将Facebook上的信息联系起来了。
多维搜索
Facebook搜索与Google在搜索或信息提炼的层面上亦有所不同。例如，谷歌搜索可以找到旧金山的各家餐厅，这是一种局限于单一维度的视角。
而Facebook搜索可以显示出好友喜欢的旧金山的餐厅，或者进一步找出那些居住在旧金山的好友喜欢的餐厅，而不是外地好友喜欢的店，甚至还可以找出好友中单身者、同性恋者或者任职某家公司的好友喜欢的餐厅。
Google+ Local也提供了类似的服务。它可以向用户展示好友或者与该用户口味相近的人喜欢的餐厅。虽然Google+ Local也提供了多种类型的信息提炼服务，但仍无法与Facebook图谱搜索同日而语。Facebook图谱搜索可以：某家烹饪学校员工开设的餐厅;居于伦敦的好友拍摄的图片;认识某家公司员工的好友，例如Facebook上所有认识苹果公司员工的人;成为公司创始人的产品经理;好友喜欢的电影等。
优化搜索帮你玩转Facebook
对于把Facebook当做Yelp或LinkedIn进阶版来用的用户来说，Facebook的图谱搜索至少可以为他们提供更优的搜索体验。例如，用户可以找到所有自己“喜欢”过的图片。
曾主管Facebook搜索项目的拉斯-拉尔姆斯(Lars Rasmussen)曾经是一名谷歌员工，后跳槽到Facebook担任技术总监。他表示，“这是系统中的最佳查询之一。或许你在一天之内会“喜欢”很多张图片，但之前你是没办法把它们放到一起看的。”
“第三视角”创建
在拉尔姆斯和斯多基口中，Facebook的图谱搜索是一种全新的、第三种审视Facebook的视角。Facebook开发了自己的时间轴，可以看到与自己相关的内容;开发了新闻推送机制，发现其他人身上有什么精彩的时间正在发生。Facebook推出了“搜索视角”来审视用户喜欢的内容。
斯多基表示，“我们为用户提供了一种创建自己想要的任何视角的方法”。或者正如拉尔姆斯所言，人们提出搜索请求，为自己想要的页面给定了一个“标题”，我们所做的就是要将内容填充进去。
这项新服务将成为Facebook推出的首个beta版新产品，也将成为有史以来首个需要“申请名单”的产品。在接下来的几个月里，Facebook将会推出英文版，并按计划逐步推出其它语言版本。
Facebook强调说，人们只能搜索到那些Facebook上常见的信息，因此隐私保护将不会出现问题。只有那些已经有过分享关系的用户才能进行分享。但正如时间轴那样，新搜索将会使信息定位变得更加简单。
奇怪的是，采用新服务的用户将无法搜索与某个特定话题匹配的帖子和状态更新。新搜索将会继续改善这一点。但Facebook表示说，考虑到此类搜索功能不太好用，很少有人会用到，因此无需大惊小怪。这是Facebook致力于要去改正的地方。
搜索结果也是个性化的。A用户搜索自己好友的喜好得到的搜索结果肯定和B用户得到的搜索结果不同。但即便是做通用搜索，比如用户想看看某个城市里最流行的音乐是什么，很可能他得到的搜索结果会受到好友偏好的影响。而对于此类通用搜索，不同的用户看到的结果应当是极为相近的。
