Internet信息检索工具—搜索引擎研讨.pptVIP

Internet 信息检索工具—搜索引擎 1、什么是搜索引擎? 简单地说，所谓搜索引擎，就是采用信息自动跟踪标引等技术、建立在因特网上专门提供网络信息资源导航服务检索工具。 它能够通过Internet 接受用户的查询指令，并向用户提供符合其查询要求的信息资源网址。 它是一些在Web 中主动搜索信息（网页上的单词和特定的描述内容）并将其自动索引的Web 网站，其索引内容存储在可供检索的大型数据库中，建立索引和目录服务。一些搜索引擎搜索网页的每一个单词，而另一些搜索引擎则只搜索网页的前二百至五百个单词。 当用户输入关键词（Keyword）查询时，该搜索引擎会告诉用户包含该关键词信息的所有网址，并提供通向该网络的链接。搜索引擎既是用于检索的软件又是提供查询、检索的网站。所以，搜索引擎也可称为Internet 上具有检索功能的网页。 2、搜索引擎的工作原理 搜索引擎由网上机器人(Spider 或Robot)自动在网页上按某种策略进行远程数据的搜索与获取，并生成本地索引。 Spider 或Robot 是一种软件，它沿着WWW文件的链接在网上漫游，记录URL、文件的简明摘要、关键字或索引，形成一个很大的数据库，这种数据库包括标题、摘要、关键词和URL、文件的大小、语种以及词出现的频率。 3.搜索引擎的构成 一个搜索引擎由搜索器、索引器、检索器和用户接口4个部分组成。 （1）搜索器 即通常所说的蜘蛛(Spider)、机器人（Robot）、爬行者（Webcrawler）等，搜索器的功能是在Internet中漫游，发现和搜集信息。还要定期更新已经搜集过的旧信息，避免死链接和无效链接。 （2）索引器 即索引软件，主要是用于对网络搜索软件采集到的网页信息进行自动标引，建立可供检索的Web索引数据库。 （3）检索器 检索器作为用户提问与数据库的接口，负责接收用户查询请求和对该请求进行检索，对将要输出的结果进行排序，并将检索结果返回用户界面。 搜索引擎的数据检索方式主要是关键字的匹配方式 ， 如泛匹配、模糊匹配、正则匹配以及多关键字的处理方式等 。并对查询结果根据某种算法和规则评分和排序。 （4）用户接口 供用户输入查询，显示匹配结果。用户接口的设计和实现使用人机交互的理论和方法，以充分适应人类的思维习惯。 4、搜索引擎的主要任务 (1) 信息搜集 各个搜索引擎都派出绰号为蜘蛛(Spider)或机器人（Robots）的“网页搜索软件”，在各网页中爬行，访问网络中公开区域的每一个站点并记录其网址，将它们带回搜索引擎，从而创建出一个详尽的网络目录。由于网络文档的不断变化，机器人也不断地把以前已经分类组织的目录更新。 (2) 信息处理 将“网页搜索软件”带回的信息进行分类整理，建立搜索引擎数据库，并定时更新数据库内容。 在进行信息分类整理阶段，不同的搜索引擎会在搜索结果的数量和质量上产生明显的差异。有的搜索引擎把“网页搜索软件”发往每一个站点，记录下每一页的所有文本内容，并收入到数据库中从而形成全文搜索引擎；而另一些搜索引擎只记录网页的地址、篇名、特点的段落和重要的词。故有的搜索引擎数据库很大，而有的则较小。当然，最重要的是数据库的内容必须经常更新、重建，以保持与信息世界的同步发展。 (3) 信息查询 每个搜索引擎都必须向用户提供一个良好的信息查询界面，一般包括分类目录及关键词两种信息查询途径。 分类目录查询是以资源结构为线索，将网上的信息资源按内容进行层次分类，使用户能依线性结构逐层逐类检索信息。 关键词查询是利用建立的网络资源索引数据库向网上用户提供查询“引擎”。用户只要把想要查找的关键词或短语输入查询框中，并按“Search”按钮，搜索引擎就会根据输入的提问，在索引数据库中查找相应的词语，并进行必要的逻辑运算，最后给出查询的命中结果（均为超文本链接形式）。用户只要通过搜索引擎提供的链接，就可以立刻访问到相关信息。 5、搜索引擎的种类 检索型搜索引擎：它使用自动索引软件来发现、收集并标引网页，建立数据库，并以Web形式让用户找到所需信息资源。比较著名的有：AltaVista、Google、天网、百度、悠游等。 目录型搜索引擎：这类引擎将信息系统地分门归类，经过人工整理后形成庞大而有序的分类目录体系，用户可以在目录体系的导引下通过逐级浏览，发现、检索到有关的信息。雅虎就是以卓越的分类目录型导航服务而称誉全球，典型的分类目录搜索引擎如Yahoo ( /) 混合型搜索引擎：它兼有检索型和目录型两种方式。如：新浪、搜狐、网易、中华等门户网站。 多元搜索引擎：也称为集合型搜索引擎。它是将多个搜索引擎集成在一起，通过统一的检索界面进行网络信息多元搜索 的检索