智能搜索引擎.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * ③ 检索对象的多样性 Google提供网页（Web）、图像（Images）、新闻群组即讨论区（Groups）和网页目录（Directory）的检索服务，以及购物搜索、在线答疑、书目搜索、大学院校搜索等特别主题搜索，以便从不同的检索途径尽可能地满足不同需求的用户。 Google还提供特定文件搜索功能，除HTML页面外，搜索结果中还包括以PDF、DOC等为后缀名的12种文档。同时，Google提供“View as HTML”（用HTML格式浏览）功能，以便未安装相应文档格式软件的用户也可查看。 ④ 中文简繁体转换技术 Google采用Basis Technology的中文简繁体转换技术，可以实现汉字简繁字体的自动转换，从而使用户找到更多相关信息。该系统不是简单的字符变换，而是简体和繁体文本之间的“翻译”转换。当用户检索所有中文网页时，Google先对检索式进行简繁转换后，同时检索简体和繁体网页，并将检索结果的标题和摘要转换成和检索式相同类型的文本，便于用户阅读。 （2）检索结果处理的智能化 为了准确筛选索引中的网页信息和显示结果，Google打破了传统的网络分类概念，采用独树一帜的PageRank页面等级技术和超文本匹配分析技术（Hypertext-Matching Analysis）。 ① PageRank页面等级技术 Google利用网络自身的超链接结构给所有的网页确定一个重要性的等级数，即：如果一个页面被多次引用，那么这个页面很可能是重要的；如果一个页面尽管没有被多次引用，但被一个重要的页面引用，那么这个页面很可能是重要的；一个页面的重要性被平均分配到它所引用的页面。 在实际计算时，Google还考虑到网页A的所有链入网页（链接到某网页的其它网页称为该网页的链入网页）对它的推荐能力（即由于它们对网页A的链接,使人们认为网页A的重要程度）和推荐程度（即它们认为网页A的重要程度）。一个网页本身的PageRank值越高，则它对其链出网页（从某个网页链出的网页称为该网页的链出网页）的推荐能力就越大；一个网页的链出网页越少，那么它对其中一个链出网页的推荐程度就越高。 Google关于网页PageRank值的计算公式： PR(A) =(1-d) +d (PR(T1) /C(T1) +…+PR(Tn) / C(Tn)) 其中：PR(A)是指网页A的PageRank值; T1，T2，……，Tn是网页A的链入网页; PR(Ti)是指网页Ti的PageRank值(i=1,2,…n); C(Ti)是指网页Ti的链出网页的数量(i=1，2，…n); d是一个衰减因子，0d1，通常取值为0.85。 对于一个查询，Google首先利用相似度函数计算其相似页面数的多少，然后计算每个页面的重要性。在计算每个页面的重要性之前，Google给每一个网页赋予一个初始PageRank值，再根据PageRank算法计算其PageRank值。排列检索结果时，将PageRank值高的网页依次排在列表的前面。 ②超文本匹配分析技术 一般的搜索引擎仅仅考虑关键词在文档中出现的次数，除此之外，Google还分析关键词在网页中出现时所用的字体、字号以及在网页中出现的精确位置，并对该网页的邻近网页（包括链入网页和链出网页）的内容加以分析，赋予不同的权重，通过计算得出最新的排列结果。Google认为关键词在网页中出现的位置及字体等因素可以充分体现该关键词在该网页中的重要程度。例如，若某关键词出现在网页A的标题中，而只是出现在网页B的正文中，则在不考虑其它因素的情况下，说明网页A与用户需求更匹配。 另外，Google引入了锚文本（Anchor Text，即超文本链接的文字描述）对网页内容进行分析。锚文本在一定程度上能更加准确地描述其链接网页的内容。Google会记录网页中所有的超文本链接情况，包括该链接的文字描述（即Anchor Text）、该链接的具体对象（主要是其URL）。例如，网页A中有一个关键词“人工智能”，且该关键词存储了一个超文本链接指向网页B，则关键词“人工智能” 可以很好地说明网页B的内容。此处的关键词“人工智能”就是Anchor Text，Google会记录关键词“人工智能”以及网页B的URL。 Google对以上影响因素赋予不同的权重，通过计算得出最新的排列结果，提高查准率，更好地满足用户需求。 Google的检索结果结果显示包括网站分类目录、标题、