搜索引擎解决方案及其检索功能比较分析.docVIP

搜索引擎解决方案及其检索功能比较分析 　　[摘 要]总结了文档搜索引擎发展过程中存在的两种主要解决方案，并分析这两种解决方案在检索功能上的差异，最后提出了文档搜索引擎的发展前景。 　　[关键词]文档搜索引擎；信息检索；检索功能 　　[中图分类号]G254.92[文献标志码]B[文章编号]1005-6041（2013）05-0082-04 　　随着网络信息资源的不断丰富和发展，网络资源越来越呈现出纷扰杂乱的面貌。面对海量的信息资源，为了让用户及时准确地获取所需要的信息，网络检索工具应运而生。经过十几年的发展，搜索引擎已经成为人们获取网络信息资源不可或缺的工具之一。然而，网络信息资源的数量正以几何级数级增长，且广大用户的需求呈现多样化的趋势，简单的网页检索已经远远不能满足要求。CNNIC《第26次中国互联网络发展状况统计报告》[1]指出：从2009年开始，搜索引擎进入新一轮的快速发展时期，为了满足用户的多元需求，进一步提升搜索引擎作为互联网入口的地位，国内各搜索引擎厂商服务呈现更加多元化趋势，文档搜索引擎正是为满足用户多元化需求的重要网络应用之一。 　　1 文档搜索引擎的界定 　　网络信息资源以各种形式分布式存储在网络中的各个分布式数据库中，不仅存储的信息量庞大，而且存储格式也多种多样。网络中的文档信息资源是指以特定的文档格式分布存储在网络中的特定信息资源，这些资源涉及学术论文、会议报告、商业文档模板、公文模板、教育类资料、法律文件、文学小说等多个领域，格式上包括pdf、doc、xls、ppt、txt等十数种。 　　文档搜索引擎是指根据一定的策略，运用计算机程序搜取网络上存在的文档资源，对文档信息进行组织和处理并将处理的信息显示给用户，是一种专门为用户提供文档检索服务的网络系统。虽然文档搜索引擎发展时间不长，但是国内外已有很多专门用于文档检索的引擎，见表1。 　　文档搜索引擎检索的对象为网络中广泛存在的、大量的文档资源，和学术搜索引擎的不同表现在：这些文档资源大部分来自网络用户的上传，在网络中可以开放获取，存储文档的格式更加丰富多样；从文档内容上看，文档搜索引擎是为了满足用户的实际需要，它不仅包括部分学术资源，还包括如商业模板、公文模板以及文学作品等实用性很强的文档资源。文档搜索引擎和商业数据库相比，它的优势表现在其大部分文档资源都可以免费获取。文档搜索引擎不需要独立开发网络资源，只是提供一个供用户共享资源的网络平台，这个平台的资源来自用户，最终受益的也是广大的网络用户。 　　2 国内外典型文档搜索引擎解决方案 　　在众多的文档搜索引擎中，可以根据系统模式的不同划分为两种解决方案：一是独立的网络文档存储和检索平台，如百度文库[2]、豆丁[3]和Docstoc[4]等；二是强化传统搜索引擎的文档检索功能，为用户提供专用的文档检索接口，如DcoJax[5]、Brupt[6]等。 　　2.1 独立的网络文档存储和检索平台 　　独立的文档检索系统的优点是不依赖传统搜索引擎，作为一个独立的网络检索平台可以很好地融合Web 2.0的相关技术，实现搜索引擎的多种个性化功能。缺点主要是：文档资源主要来源于网络用户的贡献，文档的质量良莠不齐，而且存在大量的重复。为方便用户检索，文档搜索引擎要做的主要是对这些文档进行组织和分类。这类文档搜索引擎的发展主要依靠吸引网络用户的数量，利用网络效应来实现其价值，所以网络用户的数量成为其发展的重要决定因素。为了解决这一问题，很多文档搜索引擎通过模仿电子商务嵌入文档营销模式来吸引网络用户的关注。因此，独立的网络文档搜索引擎可以分为两类：共享理念的文档搜索引擎和嵌入营销模式的文档搜索引擎。 　　2.1.1 共享理念的文档搜索引擎。免费的搜索引擎和传统的搜索引擎一样，普通用户使用它不需要任何费用。其特点就是为网络用户提供免费文档共享的平台，用户通过匿名访问或注册用户登录的方式检索和获取平台中的文档资源。这类文档搜索引擎的典型是百度文库。 　　百度文库是一个开放的共享平台，用户通过注册一个百度文库的账户，登录系统后就可以在线浏览、上传和下载文档。用户通过上传文档可以获得平台虚拟积分奖励，用于下载自己需要的文档。免费文档可以登录后下载，对于上传用户已标价的文档，下载时需要付出虚拟积分。百度文库的文档主要来自用户上传，百度本身不参与编辑或修改用户上传文档的内容，但是对用户上传的文档需要通过系统的审核。 　　2.1.2 嵌入营销模式的文档搜索引擎。一些文档搜索引擎模仿电子商务网站的模式，通过嵌入营销模式来吸引更多用户。用户利用这个网络平台来出售自己的文档而获得销售收入。这类型文档搜索引擎的典型是豆丁网和Docstoc。 　　（1）豆丁网是全球优秀的C2C文档销售与分享社区。和典型的搜索引擎不