网上技术及信息检索.ppt

网上技术与信息检索 一.互联网基础知识 二.搜索引擎 一. 互联网基础知识 我国互联网的发展 CNNIC最新统计：(2008/12/31) 2.98亿网民，居世界第一 （半年内用过互联网的6周岁及以上中国公民） 博客用户数达1.62亿 手机上网网民达到1.176亿 互联网的互联原理 TCP/IP协议——通信的保证机制 IP地址——地址的标识技术 客户机/服务器系统——运作的基本模式 地址的标识技术——IP地址 识别主机的身份证，唯一性 域名（DN）：即字符型的IP地址，域名的地址格式为：lib. shmu. edu. cn主机名 机构名 网络类型 最高域名 [注] 需申请注册 常用网络类型代码 com 商业机构 org 非营利组织 edu 教育机构 gov 政府部门 net 网管组织 int 国际组织 mil 军事部门 info 信息机构 其他：.museum .coop .aero .pro…… 可用于限定信息来源出处，鉴别信息可靠性 鉴别信息可靠性时，不能仅以网络类型代码为标准，需进一步根据网站主办机构、性质等来判别。 互联网提供的主要服务 环球网(WWW/Web) 电子邮件(E-Mail) 远程登录(Telnet) 文件传输(FTP) 网格等 环球网（World Wide Web） 统一资源定位器（URL，网址） 是信息在网上的地址，用来定位和检索WWW上的文档。 由三部分组成web服务器域名、文件路径、文件名 例如：/services/donation.htm 二.搜索引擎 搜索引擎的概念和作用 搜索引擎是一个用来搜索世界各地Internet网络资源的WEB服务器。它像一本书的目录，Internet各个站点的网址就像是页码，可以通过关键词或主题分类的方式来查找感兴趣的信息所在的WEB页面。 搜索引擎提供的导航服务（搜索引擎就是网络的指南针）已经成为互联网上非常重要的网络服务，成为和电子邮件并列的最重要的互联网应用。 搜索引擎的工作原理 （1）信息搜集 （2）信息索引 （3）信息查询 （4）检索结果的相关性处理 搜索引擎的分类 （1）关键词搜索引擎 （2）主题分类搜索引擎 （3）综合搜索引擎 (1)关键词搜索引擎 界面提供输入框，用户通过输入框提交查询请求（关键词），搜索引擎将检索结果反馈给用户。 适用于查找目的明确，并具备一定检索知识的用户。 (2)主题分类搜索引擎 依据某种分类方式（如学科分类），建立主题树状层浏览体系；搜索程序搜索来的信息被标引后放入浏览体系的大类或子类下面，呈现错落有致的上下位关系。 查准率高，但查全率低。 (3)综合搜索引擎 此类搜索引擎既可以搜索网站也可搜索全文，用户输入关键词后，可以选择是搜索网站还是网页，不同的选择返回不同的结果，国内的搜狐（Sohu）就是此类搜索引擎 查全率高，但查准率低。 主要搜索引擎 检索技巧 与：输入多个词，而不需要加AND，谷歌默认多个词之间关系为与，中间要留空格。 或：大写OR 非：之前加上了“-”符号的词都会自动地排除在搜索结果之外。在“-”符号之前要留一个空格符。 bass -fish 同义词：在想要搜索的词之前加上“~”符号，Google就会搜索所有包括这个词以及合适的近义词的页面。 ~elderly 搜索特定的词组 ：将整个词组放在一个引号内 。 Google会自动地将这些在你输入的搜索要求中的不重要的、普通的词忽略掉。这些被称作是“忽略的单词”，包括“and”、“the，”、“where”、“how”、“what”、“or”（所有字母皆为小写，还有其它一些类似的词——包括一些单独的数字或单独的字母（例如 “a”）。 搜索技巧 与：多词之间留空格。 或：使用“A | B”来搜索“或者包含关键词A，或者包含关键词B的网页” 。 非：百度支持“-”功能，用于有目的地删除某些无关网页，但减号之前必须留一空格，语法是“A -B”。 在指定网站内搜索 ：在一个网址前加“site:”，可以限制只搜索某个具体网站、网站频道、或某域名内的网页。 [电话 site:] 表示在网站内搜索和“电话”相关的资料。 在标题中搜索 ：在一个或几个关键词前加“intitle:”，可以限制只搜索网页标题中含有这些关键词的网页。 例如， [intitle:南瓜饼] 表示搜索标题中含有关键词“南瓜饼”的网页。 中国搜索 （原慧聪搜索）是国内领先的搜索引擎公司。自2002年正式进入中文搜索引擎市场以来，中国搜索（原慧聪搜索）取得了一系列令人瞩目的成绩。在一年多的时间里，发展成为全球领先的中文搜索引擎公司，先后为新浪、搜狐、网易、TOM等知名门户网站以及中国搜索联盟上千家各地区、各行业的优秀中