文章內(nèi)容

搜索引擎原理(三)

發(fā)布時間: 2012/9/3 11:01:28

在許多場合，也稱Yahoo!之類的門戶網(wǎng)站提供的信息查找功能為搜索引擎。但從技術(shù)上講，這樣的門戶中提供的搜索服務和前述搜索引擎是很不同的。這樣的門戶依賴的是人工整理的網(wǎng)站分類目錄，一方面，用戶可以直接沿著目錄導航，定位到他所關(guān)心的信息；另一方面，用戶也可以提交查詢詞，讓系統(tǒng)將他直接引導到和該查詢詞最匹配的網(wǎng)站。圖 1-2 就是我們在搜狐上查詢“伊拉克戰(zhàn)爭”的結(jié)果。和圖 1-1 相比，不難看到其風格是很不相同的。在需要區(qū)別的場合，我們可以分別稱“自動搜索引擎”和“目錄搜索引擎”，或者“網(wǎng) 頁搜索引擎”和“網(wǎng)站搜索引擎”。一般來講，前者的信息搜索會更全面些，后者則會準確些。在沒有特殊說明的情況下，本書中所討論的“搜索引擎”不包括Yahoo! 和搜狐這樣的搜索方式。隨著網(wǎng)上信息越來越多，單純靠人工整理網(wǎng)站目錄取得較高精度查詢結(jié)果的優(yōu)勢逐漸退化——對海量的信息進行高質(zhì)量的人工分類已經(jīng)不太現(xiàn)實。目前有兩個發(fā)展方向。一是利用文本自動分類技術(shù)，在搜索引擎上提供對每篇網(wǎng)頁的自動分類，這方面最先看到的例子是Google 的“網(wǎng)頁分類”選項，但它分類的對象只是英文網(wǎng)頁。在中文方面，文本自動分類的研究工作有很多，但我們知道的第一個在網(wǎng)上提供較大規(guī)模網(wǎng)頁自動分類服務的是北大網(wǎng)絡實驗室馮是聰和龔筆宏等人的工作[馮是聰,2003]，他們于2002 年 10 月在天網(wǎng)搜索上掛接了一個300 萬網(wǎng) 頁的分類目錄。另一個發(fā)展方向是將自動網(wǎng)頁爬取和一定的人工分類目錄相結(jié)合，希望形成一個既有高信息覆蓋率，也有高查詢準確性的服務。互聯(lián)網(wǎng)上信息量在不斷增加，信息的種類也在不斷增加。例如除了我們前面提到的網(wǎng)頁和文件，還有新聞組，論壇，專業(yè)數(shù)據(jù)庫等。同時上網(wǎng)的人數(shù)也在不斷增加，網(wǎng)民的成分也在發(fā)生變化。一個搜索引擎要覆蓋所有的網(wǎng)上信息查找需求已出現(xiàn)困難，因此各種主題搜索引擎，個性化搜索引擎，問答式搜索引擎等紛紛興起。這些搜索引擎雖然還沒有實現(xiàn)如通用搜索引擎那樣的大規(guī)模應用，但隨著互聯(lián)網(wǎng)的發(fā)展，我們相信它們的生命力會越來越旺盛。另外，即使通用搜索引擎的運行現(xiàn)在也開始出現(xiàn)分工協(xié)作，有了專業(yè)的搜索引擎技術(shù)和搜索數(shù)據(jù)庫服務提供商。例如美國的Inktomi，它本身并不是直接面向用戶的搜索引擎，但向包括 Overture （原GoTo）、LookSmart、MSN、HotBot 等在內(nèi)的其他搜索引擎提供全文網(wǎng)頁搜集服務。從這個意義上說，它是搜索引擎數(shù)據(jù)的來源。搜索引擎出現(xiàn)雖然只有 10 年左右的歷史，但在Web上已經(jīng)有了確定不移的地位。據(jù)CNNIC統(tǒng)計，它已經(jīng)成為繼電子郵件之后的第二大Web應用。雖然它的基本工作原理已經(jīng)相當穩(wěn)定，但在其質(zhì)量、性能和服務方式等方面的提高空間依然很大，研究成果層出不窮，是每年WWW學術(shù)年會1 的重要論題之一。
本文出自：億恩科技【www.ruiliheng.com】

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]