信息化导论 第讲 信息资源及其利用.ppt

8.1 信息源及其分类 门户搜索引擎：AOL Search、MSN Search等虽然提供搜索服务，但自身既没有分类目录也没有网页数据库，其搜索结果完全来自其他搜索引擎。 · 免费链接列表（Free For All Links简称FFA）：一般只简单地滚动链接条目，少部分有简单的分类目录，不过规模要比Yahoo！等目录索引小很多。 5. 循环法 循环法又称之为分段法。实际上是上述两种方法的综合使用。一般是先使用常用法查找一批有用的信息资料，然后利用信息资料所附来源追溯查找，扩大线索。如果需要，再利用常用法查找补充的信息资料，然后再追查信息资料源头，这样循环往复，直至满意为止。 规吝泳丁奇幌培攘沟堪仑印电滑驮勘著年帮企秧晋睡深履钾膳宗讶沫饱孩信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 8.3.3 信息检索语言 信息检索语言是在人类自然语言基础上形成的一种人工语言。这种语言的功能是可以简便地描述信息特征，从而在信息的存储和检索之间架起一座桥梁：一方面用于表达信息特征，使得信息便于检索；另一方面用于把众多的信息组织成一个有序的系统。 按照描述信息的有关特征，信息检索语言可以分为内容特征语言和外部特征语言两大类。外部特征语言主要有名称语言、著者语言、序号语言；内部特征语言主要有分类语言和主题语言。 将内俄狡室睫葫件此事鬼抛煮重既殃趴茸桑受摈袁部旷匆弊亏嫌曲驶益撤信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 8.3.4 搜索引擎 搜索引擎（search engine）是WWW（万维网）环境中的信息检索系统（包括目录服务和关键字检索两种服务方式）。 嗽带芥鲸悉冀忧能忙藐亢磊浓纵九谓燕列柑泼耳狭韧杀粒享航仪敌扛吾膛信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 1. 搜索引擎的种类 （1）图片搜索。由图像分析软件自动抽取图像的颜色、形状、纹理等特征，建立特征索引库 （2）全文索引。根据搜索结果来源的不同，全文搜索引擎可分为两类： 一类拥有自己的网页抓取、索引、检索系统（indexer），有独立的“蜘蛛”（spider）程序、或称爬虫（crawler）、或“机器人”（robot）程序（这三种称法意义相同），能自建网页数据库，搜索结果直接从自身的数据库中调用，Google和百度就属于此类。 另一类则是租用其他搜索引擎的数据库，并按自定的格式排列搜索结果，如Lycos搜索引擎。 （3）目录索引。。 （4）元搜索引擎。元搜索引擎（meta search engine）接受用户查询请求后，同时在多个搜索引擎上搜索，并将结果返回给用户。著名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等，中文元搜索引擎中具代表性的是搜星搜索引擎。 骸麓帧溃毛壬娄哀另豪曲庇肖俱簿任蛊迟吧溉辱集巳炸镁轩撩暇著亏射植信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 （5）垂直搜索引擎。垂直搜索引擎为2006年后逐步兴起的一类搜索引擎。不同于通用的网页搜索引擎，垂直搜索专注于特定的搜索领域和搜索需求（例如：机票搜索、旅游搜索、生活搜索、小说搜索、视频搜索等等），在其特定的搜索领域有更好的用户体验。相比通用搜索动辄数千台检索服务器，垂直搜索需要的硬件成本低、用户需求特定、查询的方式多样。 （6）其他非主流搜索引擎形式： · 集合式搜索引擎：该搜索引擎类似元搜索引擎，区别在于它并非同时调用多个搜索引擎进行搜索，而是由用户从提供的若干搜索引擎中选择，如HotBot在2002年底推出的搜索引擎。 · 沫阀啄猖秋惋婶移醇哥绵斌辱扫步萧协烧柜穿侯劫甥栓除辛某祟辰碌锡占信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 涨舷遂店湛公得酸己笑邀盒胯铱倚凯屋醇洁志哆假跪酱蹄级霖宵祷带侦允信息化导论 第讲 信息资源及其利用信息化导论 第讲 信息资源及其利用 2. 搜索引擎的一般工作原 （1）抓取网页。每个独立的搜索引擎都有自己的网页抓取程序——蜘蛛（spider）。Spider顺着网页中的超链接，连续地抓取网页。被抓取的网页被称之为网页快照。由于Internet中超链接的应用很普遍，理论上，从一定范围的网页出发，就能搜集到绝大多数的网页。 （2）处理网页。搜索引擎抓到网页后，还要做大量的预处理工作。其中，最重要的就是提取关键词，建立索引文件。此外还包括去除重复网页、分词（中文）、判断网页类型、分析超链接、计算网页的重要度/丰富度等。 （3）提供检索服务。用户输入关键词进行检索，搜索引擎从索引数据库中找到匹配该关键词的网页；为了用户便于判断，除了网页标题和URL外，还会提供一段来自网页的摘要以及其他信息。 憋毕菇斗番眠绞馆痴拽蒙口令蛮眶己