互联网据挖掘期末考试论述题.docVIP

1、 阐述互联网搜索系统的基本框架，比较当前主流中文互联网搜索系统的优缺点，并讨论如何改善现有中文搜索引擎。 简单地说，搜索引擎由抓取器、索引器、排序器、用户界面组成。抓取器从互联网上抓取网页，将垃圾网页过滤；索引器分析网页的内容，计算网页的重要度，将网页索引；用户界面接受查询语句，分析查询语句的内容；排序器从索引中检索出含有查询词的网页，实行查询语句与网页的匹配，将网页按相关度、重要度等进行排序；用户界面将排序结果展示给用户，同时收集用户搜索行为数据。 百度的优点： 　　1、对于中国人的阅读和浏览更为熟悉，服务更加本土化 　　2、提供RSS新闻订阅服务 3、提供历史和各省市新闻查阅 百度的缺点： 　　1、页面布局不合理 页面没有充分利用 　　2、更新时间迅速的优势没有充分发挥 　　3、商业味太重，你搜索的关键字的首页基本都价排名出价高的企业占据了，很难找到你需要的真正自然搜索的结果，百度的搜索排名技术不够权威； 4、搜索结果中广告、垃圾网站和死链比较多 Google的优点： 　　1、容量大和范围广：其数据库如今是最大的，包括了PDF、DOC、PS及其他许多文件类型。 　　2、易用性较强。 　　3、根据站点的链接数和权威性进行相关性排序。 　　4、网页缓存归档，浏览过的网页被编入索引。 Google的缺点： 　　1、搜索特性有限，没有嵌套搜索，