公选课第三章——搜索引擎及其使用.ppt

Event Name Here BEA Confidential 搜索引擎及其使用 中南民族大学图书馆信息数字化部 董 坤 2012.11 内 容 概 要 1.1、搜索引擎简史 1990年 搜索引擎的始祖-Archie 1993年 第一个网络爬虫-Wide Web Wander 1994年 Yahoo 1994年 第一个抓取网页全文的WebCrawler 1994年 现代主流搜索引擎之父 Lycos 1998年 搜索引擎的巨擘 Google 1.2搜索引擎的分类 2.1 搜索引擎的基本结构 2.2 网络爬虫 网络爬虫，也称为蜘蛛程序（Spider），爬虫的作用是为搜索引擎抓取大量的数据，其抓取的对象一般就是整个互联网上的网页。 爬虫程序的抓取方法是顺着网页的链接关系进行爬行的。 爬虫的运行过程 2.3 索引系统 索引系统是将普通文档转化为倒排表，并存储成倒排文件的过程。 普通文档集合 Doc-Term1,Term2,Term3,… 倒排档 Term1-DOC,Term2-DOC 2.4 排序 排序是针对搜索结果的排列顺序。 Google的PageRank算法 如果一个网页被别的链接的次数多，则证明网页权重高。相反，如果一个网页链接别的网页次数低则次网页权重低。 排序不简单的是网页的权重比，它是一个综合各方面因素的算式。 3 搜索策略 4.Google简介 由两名斯坦福大学的理学博士生拉里.佩奇（Larry Page）和谢尔盖.布林（Sergey Brin）开发。目前，Google是全球最常用的搜索引擎。 除了搜索业务，google提供其他的实用的工具和服务。 4.1 Google强大的功能及特点 检索网页数量达到24亿，排名第一 覆盖250个国家，占领全球70%以上的搜索市场 在中国比例达到57.5%，高端用户占46.5% 速度极快，据说具有15000多台服务器，200多条T3级宽带 专利网页级别技术PageRank提供准确度极高的搜索结果 网页快照 智能化的“手气不错” 网页翻译 简繁转换 搜索结果过滤 … 4.2 Google的主要功能 搜索功能 网页、图书、视频、地图、博客、学术、购物搜索等。 软件工具 Chrome浏览器、工具栏、手机地图、google文档、google日历、 google talk、Picasa、Rss阅读器 应用服务 Gmail、Google翻译、Blogger、iGoogle、Google协作平台、Google代码  4.3 Google之基本搜索语法 4.3.1 布尔逻辑搜索-更多关键字 布尔逻辑搜索就是指在搜索框中输入多个关键字来搜索，这些关键字之间用逻辑符号来表明其逻辑关系。 ＋ 逻辑“与”、 “AND” | 逻辑“或” “OR” — 逻辑“非”、 “NOT” 4.3.2 专用词组检索 在专用词组上加双引号，可将关键词限定为一个词组概念，使查询结果更为准确。 4.4 Google之高级搜索语法 4.4.1 文件格式选择 Google不仅能搜索一般的文字页面，还能对某些二进制文档进行检索。如XLS、PPT、DOC、PDF、SWF等。 格式如 “信息检索 filetype:pdf”。 4.4.2 网站链接地址检索 在互联网上每一个网页都有一个统一格式的地址-统一资源定位符（Uniform Resource Locator，URL）,作为网页的地址。作为网页定位符的字符有一部分是对网页内容进行概括和资源描述。 inurl:mp3 沧海一声笑 Allinurl:mp3 沧海一声笑 4.4.3 网页标题检索 网页的标题一般都是网页内容的高度概括，在网页标题内索引信息，准确程度自然很高。 intitle:中南民族大学 研究生 Allintitle：中南民族大学 研究生 4.4.4 网页内容检索 只在网页的内容之中查找所需要的关键字，作为一种在标题、URL和链接之外地方查找字符串的简略形式，在它之后的每个关键字都作为查询语句的一部分。 Intext:中南民族大学 图书馆 allintext:中南民族大学 图书馆 4.4.5 站内检索 只在某个特定网站站内进行检索 格式 “开放时间 site:” 4.4.6 关联链接检索 搜索所有链接到某个URL地址的网页 格式link: 4.4.7 相关网站的检索 给出和你的站点高度