信息检索第4章网络信息资源检索.ppt

第4章 网络信息资源检索 4.1 概述 4.2 网络检索工具—搜索引擎 4.3 综合性搜索引擎 4.4 专业性搜索引擎 4.5 特色搜索引擎 4.1.1 网络信息资源的定义、特点 定义： 从字面上理解，网络信息资源是指“通过计算机网络可以利用的各种信息资源的总和”。具体的说是指所有以电子数据的形式把文字、图像、声音、动画等多种形式的信息存贮在光、磁等非纸介质的载体中，并通过网络通信、计算机或终端等方式再现出来的资源 。 网络信息资源的的特点： （1）数量庞大,增长迅速。最大的搜索引擎Google已收录200亿网页，且每年以级数的速度在增长。据预测，到2008年Google收录网页将超过1000亿。 （2）内容丰富,形式多样。通过因特网可以获取学习、娱乐、工作、生活、购物等各方面的信息。另外，资源有有文本、视频、音频、动画多种表现形式。 （3）变化频繁,价值不一。比较大的网站的一般信息一般每天更新一次，特别是新闻信息实时更新，大网站的内容更新快且真实可靠，小网站或个人网站虽不乏优秀和可参考的信息，但质量良莠不齐。 （4）结构复杂,分布广泛。网络信息主要采取万维网WWW网页形式—超链接结构，但网上还有大量的FTP文件，论坛信息，新闻组信息，不同的信息结构需要不同的检索工具。 （5）信息分散、无序。互联网是一个基于TCP/IP协议的联结各国、各机构数以万计的计算机网络的通信网，对网络信息资源本身的组织管理无统一标准和规范，网络信息分散于不同国家、不同地区服务器上，采用不同的操作系统及数据结构，字符界面、图形界面、菜单方式、超文本方式等，缺乏集中统一的管理机制。 4.1.2 网络信息资源的类型 按人类信息交流的方式分类： 非正式出版信息。如电子邮件、电子会议、专题组和论坛、电子公告板新闻等。 正式出版物。即用户可以查询到的各种数据库、联机杂志、电子版工具书、报纸、专利信息等。 从网络信息检索角度，按信息查询方式对网络信息进行分类： （1） 互联网（WWW）信息。 （2） FTP信息。 （3） Telnet信息。 （4） USENET/Newsgroup信息资源。 （5） USTSERV/Mailing List 信息。 （6） Gopher信息。 4.1.3 网络信息检索的一般方法 1.网上浏览 （1）偶然发现。 （2）顺“链”而行。 2.网络资源指南（目录型检索工具） 3.搜索引擎 4.图书馆网站的网络导航 4.2 网络检索工具—搜索引擎 4.2.1 搜索引擎概念 4.2.2 搜索引擎基本原理 搜索引擎的原理，可以看作三步： 从互联网上抓取网页 建立索引数据库 在索引数据库中搜索排序。 4.2.3 搜索引擎类型 按照信息搜集方法和服务提供方式的不同，搜索引擎系统可以分为三大类： （1）目录式搜索引擎： （2）全文搜索引擎： （3）元搜索引擎： 超搜索：网页数据库来源于五大搜索引擎Google、雅虎、百度、iAsk以及搜狗。 4.3 综合性搜索引擎 4.3.1 Google的使用 4.3.2 百度的使用 4.3.3 新浪爱问的使用 4.3.4 搜狐搜狗的使用 4.3.1 Google的使用 两位斯坦福大学的博士生 Larry Page 和 Sergey Brin 在 1998 年创立了 Google。 Google是目前因特网上最大的搜索引擎 2006年4月12日Google公司宣布Google的全球中文名称正式取名为“谷歌”。 （屏蔽了一些网站） 网页搜索：支持以下几个高级命令检索： （1） “site”表示搜索结果局限于某个具体网站或者网站频道。 （2）filetype:搜索特定类型的文件。格式：“关键词 文件的扩展名”。 例1：搜索包含“电子商务”关键词的word文件。输入：电子商务 filetype:doc。 例2：搜索包含“网络安全”方面的powerpointer文件。输入：网络安全filetype:ppt。 例3：搜索包含“搜索引擎”方面的pdf文件。输入：搜索引擎filetype:pdf。 Google的免费软件： 桌面搜索：只有1.7MB。 Google 工具栏 Picasa 图片管理软件 Google talk：即时通讯软件。 Google Earth：基于卫星图片的地图软件。 Google SketchUp：3D作图软件。 Google Pack：Google发布的免费软件包。 4.3.2 百度的使用 百度是全球最大的中文搜索引擎，2000年1月由李彦宏、徐勇两人创立于北京中关村，致力于向人们提供“简单，可依赖”的信息获取方式。 “百度”二字源于中国宋朝词人辛弃疾的《青玉案》诗句：“众里寻他千百度”，象征着百度对中文信息检索技术的执著追求。 4.3.3 新浪爱问的使用 “