搜索引擎简单小论文.doc

浅谈搜索引擎 搜索引擎 搜索引擎分类 工作原理 信息检索 未来趋势 搜索引擎指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。其工作作原理分为抓取网页，处理网页和提供检索服务。 抓取每个独立的搜索引擎都有自己的网页抓取程序，它顺着网页中的超链接，连续地抓取网页。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发，就能搜集到绝大多数的网页。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。 一、搜索引擎分类 搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。全文搜索引擎是广泛应用的主流搜索引擎，国外代表有Google，国内则有著名的百度 、谷歌、搜搜等。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目录索引也称为分类检索，是因特网上最早提供WWW资源查询的服务，主要通过搜集和整理因特网的资源，根据搜索到网页的内容，将其网址分配到相关分类主题目录的不同层次的类目之下，形成像图书馆目录一样的分类树形结构索引。目录索引无需输入任何文字，只要根据网站提供的主题分类目录，层层点击进入，便可查到所需的网络信息资源。 元搜索引擎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。 垂直搜索引擎为2006年后逐步兴起的一类搜索引擎。不同于通用的网页搜索引擎，垂直搜索专注于特定的搜索领域和搜索需求（例如：机票搜索、旅游搜索、生活搜索、小说搜索、视频搜索等等），在其特定的搜索领域有更好的用户体验。相比通用搜索动辄数千台检索服务器，垂直搜索需要的硬件成本低、用户需求特定、查询的方式多样。 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， 门户搜索引擎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 第一步：爬行 搜索引擎是通过一种特定规律的软件跟踪网页的链接，从一个链接爬到另外一个链接，像蜘蛛在蜘蛛网上爬行一样，所以被称为“蜘蛛”也被称为“机器人”。搜索引擎蜘蛛的爬行是被输入了一定的规则的，它需要遵从一些命令或文件的内容。 第二步：抓取存储 搜索引擎是通过蜘蛛跟踪链接爬行到网页，并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时，也做一定的重复内容检测，一旦遇到权重很低的网站上有大量抄袭、采集或者复制的内容，很可能就不再爬行。 第三步：预处理 搜索引擎将蜘蛛抓取回来的页面，进行各种步骤的预处理。 提取文字中文分词去停止词消除噪音 搜索引擎需要识别并消除这些噪声，比如版权声明文字、导航条、广告等5.正向索引6.倒排索引7.链接关系计算8.特殊文件处理 除了HTML 文件外，搜索引擎通常还能抓取和索引以文字为基础的多种文件类型，如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我们在搜索结果中也经常会看到这些文件类型。第四步：排名 用户在搜索框输入关键词后，排名程序调用索引库数据，计算排名显示给用户，排名过程与用户直接互动的。但是，由于搜索引擎的数据量庞大，虽然能达到每日都有小的更新，但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。 +”号和“－”号，用好这些命令符号可以大幅提高我们的搜索精度。 三、精确匹配搜索。 发展到现今这个阶段，搜索引擎技术和商业经营模式已经处于一个成熟和相对稳定状态 搜素引擎经过多年的发展后，功能越来越强大，提供的服务也越来越多样化。目前搜索引擎已达数千种行业竞争也越来越激烈。搜索引擎服务从提供单一的文字、图片搜索，向提供音乐、视频、资讯、软件、文件等多元化的搜索发展，并且呈现进一步的分化。搜索引擎提供更具有个性化和智能化的针对性搜索。中国普通网民移动化的浪潮已经存在，随着手机等移动工具的使用，搜索引擎为我们提供的移动搜索也将进一步发展。社区搜索整合的目标是为用户提供一站式服务，比如在Facebook、QQ里搜索与某个用户相关的内容，依托社区网友的内容，可以实现更准确的搜索，其目标就是为了用户提供一站式的服务。 一、搜索细化搜索条件。给出的搜索条件越具体，搜索引擎返回的结果也会越精确。 二、用好搜索逻辑命令。搜索引擎基本上都支持附加逻辑命令查询，常用的是“+”号和“－”号，用好这些命令符号可以大幅提高我们的搜索精度。 三、精确匹配搜索。 高效的检索可以让用户快速准确地找到目标信息，从而更有效地促进产品/服务的销售，而且通过对网站