合一信息作业.docxVIP

一、搜索引擎的产生与发展 1、搜索引擎的产生 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(World Wide Web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。 2、搜索引擎的发展 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。 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(World Wide Web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。 以上文字来源于网络。 在国内我们一般认为搜索引擎的鼻祖是 yahoo。 同时中国搜索的陈沛被认为是中国搜索引擎的先驱。 二、搜索引擎的分类与区别 【分类】 全文索引 全文搜索引擎是名副其实的搜索引擎，国外代表有 Google，国内则有著名的百度搜索。它们 从互联网提取各个网站的信息 ( 以网页文字为主 )，建立起数据库，并能检索与用户查询条件 相匹配的记录，按一定的排列顺序返回结果。 根据搜索结果来源的不同，全文搜索引擎可分为两类，一类拥有自己的检索程序 (Indexer) ， 俗称“蜘蛛” (Spider) 程序或“机器人” (Robot) 程序，能自建网页数据库，搜索结果直接从 自身的数据库中调用， 上面提到的 Google 和百度就属于此类； 另一类则是租用其他搜索引擎 的数据库，并按自定的格式排列搜索结果，如 Lycos 搜索引擎。 目录索引 目录索引虽然有搜索功能，但严格意义上不能称为真正的搜索引擎，只是按目录分类的网站 链接列表而已。用户完全可以按照分类目录找到所需要的信息，不依靠关键词 (Keywords) 进 行查询。目录索引中最具代表性的莫过于大名鼎鼎的 Yahoo!、新浪分类目录搜索。 元搜索引擎 元搜索引擎 (META Search Engine) 接受用户查询请求后，同时在多个搜索引擎上搜索，并将 结果返回给用户。 著名的元搜索引擎有 InfoSpace 、 Dogpile 、 Vivisimo 等， 中文元搜索引擎 中具代表性的是搜星搜索引擎。在搜索结果排列方面，有的直接按来源排列搜索结果，如 Dogpile ；有的则按自定的规则将结果重新排列组合，如 Vivisimo 。 其他非主流搜索引擎形式 (1) 集合式搜索引擎 : 该搜索引擎类似元搜索引擎，区别在于它并非同时调用多个搜索引擎进 行搜索，而是由用户从提供的若干搜索引擎中选择， 如 HotBot 在 2002 年底推出的搜索引擎。 (2) 门户搜索引擎 :AOL Search 、MSNSearch 等虽然提供搜索服务，但自身既没有分类目录也 没有网页数据库，其搜索结果完全来自其他搜索引擎。 (3)免费链接列表(Free For All Links ，简称FFA): —般只简单地滚动链接条目，少部分有 简单的分类目录，不过规模要比 Yahoo!等目录索引小很多。 三、搜索引擎的工作原理 搜索引擎的工作原理包括如下三个过程：首先在互联中发现、搜集网页信息；同时对信息 进行提取和组织建立索引库；再由检索器根据用户输入的查询关键字，在索引库中快速检出 文档，进行文档与查询的相关度评价，对将要输出的结果进行排序，并将查询结果返回给用 户。 1、 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。被抓取的网页被称之为网页快照。由于互联网中超链接的应用 很普遍，理论上，从一定范围的网页出