6搜索引擎原理与使用技巧.pptVIP

搜索引擎 会搜索才叫会上网 2006对搜索引擎的详细调查 2007年，中国搜索引擎的重要数据。 试一试 在百度里面，输入关键字“搜索引擎”，你发现什么？ 概念 (search engine)是指根据一定的策略、运用特定的计算机程序搜集互联网上的信息，在对信息进行组织和处理后，为用户提供检索服务的系统。 历史 1990年，加拿大麦吉尔大学（University of McGill）计算机学院的师生开发出Archie。当时，万维网还没有出现，人们通过FTP来共享交流资源。 Archie能定期搜集并分析FTP服务器上的文件名信息，提供查找分别在各个FTP主机中的文件。 用户必须输入精确的文件名进行搜索，Archie告诉用户哪个FTP服务器能下载该文件。 虽然Archie搜集的信息资源不是网页（HTML文件），但和搜索引擎的基本工作方式是一样的：自动搜集信息资源、建立索引、提供检索服务。所以，Archie被公认为现代搜索引擎的鼻祖。 ? 互联网发展早期，以雅虎为代表的网站分类目录查询非常流行。网站分类目录由人工整理维护，精选互联网上的优秀网站，并简要描述，分类放置到不同目录下。 用户查询时，通过一层层的点击来查找自己想找的网站。也有人把这种基于目录的检索服务网站称为搜索引擎，但从严格意义上讲，它并不是搜索引擎。 组成 搜索引擎一般由搜索器、索引器、检索器和用户接口四个部分组成： 搜索器：其功能是在互联网中漫游，发现和搜集信息； 索引器：其功能是理解搜索器所搜索到的信息，从中抽取出索引项，用于表示文档以及生成文档库的索引表； 检索器：其功能是根据用户的查询在索引库中快速检索文档，进行相关度评价，对将要输出的结果排序，并能按用户的查询需求合理反馈信息； 用户接口：其作用是接纳用户查询、显示查询结果、提供个性化查询项。 工作原理 抓取网页 每个独立的搜索引擎都有自己的网页抓取程序（spider）。Spider顺着网页中的超链接，连续地抓取网页。 处理网页 搜索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引文件。其他还包括去除重复网页、分析超链接、计算网页的重要度。 工作原理 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。 信息搜集功能 定期搜索 即每隔一段时间（比如Google一般是28天），搜索引擎主动派出“蜘蛛”程序，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库。 提交网站搜索 网站拥有者主动向搜索引擎提交网址 信息推荐原理 当用户以关键词查找信息时，搜索引擎会在数据库中进行搜寻，如果找到与用户要求内容相符的网站，便采用特殊的算法（关联规则）——通常根据网页中关键词的匹配程度，出现的位置/频次，链接质量等——计算出各网页的相关度及排名等级，然后根据关联度高低，按顺序将这些网页链接返回给用户。 搜索引擎的分类 分为：全文搜索引擎、目录引擎、元搜索引擎 全文搜索引擎 全文搜索引擎又可细分为两种，一种是拥有自己的检索程序（Indexer），俗称“蜘蛛”（Spider）程序或“机器人”（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如google和百度；另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。 搜索引擎的分类 目录索引 严格意义上算不上是真正的搜索引擎，仅仅是按目录分类的网站链接列表而已。用户完全可以不用进行关键词（Keywords）查询，仅靠分类目录也可找到需要的信息。 淘宝（） 搜索引擎的分类 元搜索引擎(META Search Engine) 元搜索引擎在接受用户查询请求时，同时在其他多个引擎上进行搜索，并将结果返回给用户。 什么是元（meta）？ 中国期刊网（） 搜索引擎及网站推广 头部内容与网站推广的关系 在一个网页中，head/head之间，就是一个页面的头部信息部分，Google的蜘蛛优先抓取网页时的头部文件信息的描述，和关键字描述，百度的蜘蛛的喜欢程度不如Google。如何优化这部分的内容信息。META content=关键字 name=keywords关键字这个代码放到头部中去，文字长度一般介于150个字符左右，meta content=网站描述 name=Description网站描述也放到头部中去，长度可以多关键字约大一些，约300个字符左右。title标题/title页面标题最好能反应当前的内容描述。 页面内容与网站推广的关系 页面内容是指访问网站是生成的页面内容，通常是指生成的html代码文