网络信息检索().ppt

网络信息检索 一、Internet的基本概念 TCP/IP协议：TCP/IP是由美国国防部高级计划局资助的Internet技术和方法，也称为传输控制/网间协议，是一个标准协议集合，专门适用于广域网（WAN）。 WWW： WWW的含义是“环球网”，是超文本方式的信息查询工具。WWW基于HTTP协议，用HTML语言将多媒体信息组织成超文本，并通过这种方式将全世界Internet上的不同地点的相关信息有机结合起来。 HTTP超文本传输协议 HTTP是基于TCP/IP之上的协议，是用于分布式协作超媒体信息系统的快速实用协议。它不仅需要保证正确传送超文本文档，还必须能够确定传送文档中的某一部分，以及哪部分内容首先显示。 HTML（超文本标识语言） 在HTML中，可以嵌入图像、声音等，可通过超链接无缝引用其他WWW网址资源。用HTML组织起来的信息文档称为页面，由浏览器进行解释、执行和显示输出。 HOMEPAGE：又称为主页，是WWW服务的起始信息页。 Browser：又称为浏览器，是用来阅读HTML文件的专用软件系统，可通过FTP、NNTP、Gopher等许多方式来获取信息。 URL（统一资源定位器） URL可以将世界上所有的联机信息资源组织成有序结构。它的格式有三部分组成： 第一部分是协议（或称服务方式），大部分Internet文档用http，其他常用的协议有ftp、news、gopher、telnet等； 第二部分是存有该资源的主机IP地址； 第三部分是主机资源的具体地址。 IP地址和域名 Internet上的众多计算机和信息资源必须通过名字和地址来进行识别。接入Internet的计算机或节点被赋予一个惟一的数字作为地址，称为IP地址，用小数点隔开的四组数字组成。IP地址通常由Internet 服务机构从Internet网络信息中心注册申请(例如：中央财经大学图书馆的IP地址为01)。IP是网络中的重要资源，有多少个IP地址就意味着有多少台计算机能够连入Internet。 三、搜索引擎 网络搜索引擎的历史最早可以追溯到 1991年，尽管搜索引擎发展时间并不长，但其观念却是深入人心的。 《第22次中国互联网发展状况统计报告》显示，在中国 2.53亿网民中，搜索引擎的使用率为 69.2％，达 1.75亿。目前为中国第五大网络应用技术。从数据中不难看出，网络搜索引擎所发挥的作用是非常大的。 很多搜索引擎网站会从国际网站自动跳转成国内网址，如google自动跳转成cn 全球搜索引擎排名： 1 Google 62% / 2 雅虎 12.8% / 3 百度 5.2% / 4 微软 2.9% / 5 NHN 2.4%（韩国搜索引擎） / 6 eBay 2.2% 7 时代华纳 1.6% / 8 A 1.1% / 9 Yandex 0.9%（俄罗斯搜索引擎） / 10 阿里巴巴 0.8% / 工作原理 搜索引擎是互联网上的分布式搜索系统，它在传统数据库检索技术基础上，增加了自动收集和更新数据库信息的功能，并采用人工智能方法对检索结果进行区分和排序。主要由信息采集器、查询表和检索接口三大模块组成。 搜索引擎系统的分类 1.全文搜索引擎 通过从互联网上提取各个网站的信息（以网页文字为主）而建立的数据库，检索器与用户查询条件匹配的相关记录，并将查询结果返回给用户。服务方式是面向网页的全文检索服务，是真正意义上的搜索引擎。该类搜索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。 2.目录式搜索引擎 以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确，导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。严格意义上算不上真正的搜索引擎。 主页 3.元搜索引擎 也称集成搜索引擎。是对搜索引擎进行搜索的搜索引擎。它可以没有自己的资源库和机器人，仅充当一个中间代理的角色，接受用户的查询请求，将请求翻译成相应搜索引擎的查询语法。在向各个搜索引擎发送查询请求并获得反馈后，进行综合相关度排序，然后把整理后的查询结果发送给用户。 / Google不支持“词干法”和“通配符”，但可使用布尔逻辑检索. 逻辑与：用 空格 或 and 或 AND 逻辑或：用大写的“OR”表示 逻辑非：用“-”，减号之前须留一个空格 百度搜索引擎 百度（）：百度搜索引擎是目前最有影响的中文网络信息检索系统。它的检索词可以是中文、