信息检索与网络资源利用-InternetX.pptVIP

第六讲 搜索引擎Internat一、搜索引擎基本结构 用户系统—网络-搜索引擎 （采集、标引）自动清单 （数据组织机制） （用户检索机制）（索引数据库） —网络 1. Internet信息的特点 丰富、覆盖面广、种类多 超文本、超媒体、集成式提供信息 来源分散、无序、 廉价 内容新颖、深入 广泛、直接交流 非正式、自由发表 2. 常见Internet信息资源种类 WWW信息资源：Web网页 FTP： Telnet：如Dialog提供该种联机方式、联机图书馆公共检索目录(OPAC) 用户服务组(Usenet) 电子邮件（E-mail） 3. Internet信息检索的方法 浏览 偶然发现、顺“链”查找 无目的查找 搜索引擎 目标较明确查找 4. 搜索引擎 Search Engine种类(按信息的组织方式分类) 目录式Search Engine 如：Yahoo、Sohu、Sina等 索引式Search Engine 如：Google、baidu等 元Search Engine 如：MetaCrawler、Mamma 目录式Search Engine 原理 通过人工发现信息，甄别、分类、标引，建立关键字索引和目录分类体系。 特点 人工编制、数据库规模较小、质量较高、检索效果好 适用于： 用户不能确定关键词或想全面了解某方面的信息等情况 例如： Yahoo:Http:// 目录式搜索引擎代表——Yahoo 特点 最早开发(1994年)，分类主题目录，质量较高，目录有良好的组织分级结构。 搜索方法 目录查询(逐级链接) 14个总类，如艺术人文、商业经济、计算机与Internet…… 关键词查询 适用于查询主题明确，可以使用检索技术，如逻辑符(+、-)、截词符(*)、 索引式Search Engine 原理 依靠计算机程序自动遍历整个网络空间，记录网上信息，加工、整理，并将信息加入索引数据库。 包括4个部分：信息搜集模块（Spider、Worm、Crawler、巡视软件）、索引模块、查询模块、用户界面模块 代表： 索引式搜索引擎代表——Google 全球最大的网络搜索引擎供应商 Google 是由英文单词“googol”变化而来。“googol” 表示 1 后边带有 100 个零的数字。Google 使用这个词代表公司想征服网上无穷无尽资料的雄心。 Google 每天需要提供 2 亿次查询服务 Google高级检索界面 元搜索引擎（集合式） 将多个搜索引擎捆绑在一起，提供统一的检索界面。 分为：并行式元搜索引擎和串行式元搜索引擎。 元搜索引擎一般没有自己独立的数据库，更多的是提供统一联接界面，形成一个由多个分布的、具有独立功能的搜索引擎构成的虚拟整体，用户通过元搜索引擎的功能实现对这个虚拟整体中各独立搜索引擎数据库的查询显示等一切操作. 我国最常用元搜索引擎 万纬搜索引擎： Mamma(“搜索引擎之母”): Profusion (智能型元搜索引擎) C4(并行元搜索引擎) / 补充1：搜索引擎的发展历史 搜索引擎的发展趋势人工智能 提高搜索引擎对用户检索提问的理解 自然语言提问（词---概念层翻译） 对检索结果的处理（分布式存储） 基于“链接评价”的搜索引擎 基于访问大众性的搜索引擎 剔除检索结果中的冗余信息 确定信息搜集范围，提高针对性（跟踪报告） 垂直主题搜索引擎 非WWW信息的检索 多媒体信息检索 集成化 技术开发重点在检索结果处理上，优化检索结果 元搜索引擎 智能集成检索与服务 集成检索 集成检索（Integrated Search），也称跨库检索（Cross-Database Search）、联邦检索（Federated Search）、多数据库检索（Multi-Database Search）。 借助实现对的统一检索，并通过对结果进行整合实现 从文档检索到对象检索 3.2 从单独检索到融合检索 3.3 从图书馆端检索到用户环境嵌入检索 3.4 从集成检索到集成服务 3.5 从文献检索到知识服务 从文档检索到对象检索 3.2 从单独检索到融合检索 3.3 从图书馆端检索到用户环境嵌入检索 3.4 从集成检索到集成服务 3.5 从文献检索到知识服务 3.1 从文档检索到对象检索 3.2 从单独检索到融合检索 3.3 从图书馆端检索到用户环境嵌入检索 3.4 从集成检索到集成服务 3.5 从文献检索到知识服务 * 用户 搜索引擎 用户界面 数据过滤 物理 数据库 信息标引 信息搜集 Internet 检索请求 结果显示 关键词 检索结果 网页匹配和分类