第十章 20150429网络信息检索3_搜索引擎概述.doc

幻灯片1  网络信息搜索引擎  概 述 Network Information Search Engines 搜索引擎的含义 搜索引擎 (Searching Engine)是指一种能够自动对网络资源建立索引或进行主题分类,并通过查询语法为用户返回相匹配资源的系统。 搜索引擎使用某些软件程序(如Robots、 Spiders或 Crawlers)把 Internet上的所有信息自动归类或者人为地把某些数据归入某类别,形成一个可供查询的大型数据库。 幻灯片4 搜索引擎的分类 按搜索机制分类 按搜索内容分类 按信息采集方法分类 幻灯片5 按搜索机制分类 目录型搜索引擎 把搜集到的信息资源按照一定的主题分门别类，建立多级目录。大目录下面包含子目录，子目录下面又包含子目录……如此下去，建立多层具有包含关系的目录。用户查找信息时，采取逐层浏览打开目录，逐步细化，就可查到所需信息。 关键词型搜索引擎 关键词型搜索引擎是通过用户输入关键词来查找所需的信息资源，这种方式方便直接，而且可以使用逻辑关系组合关键词，可以限制查找对象的地区、网络范围、数据类型、时间等，可对满足选定条件的资源准确定位。 混合型搜索引擎 兼有关键词型和目录型两种查找方式，既可直接输入关键词查找特定信息，又可浏览目录了解某领域范围的资源。目前大多数搜索引擎站点都同时提供关键词检索和目录浏览检索。 幻灯片6 幻灯片9 2. 按搜索内容分类 综合型搜索引擎 专业型搜索引擎 特殊型搜索引擎 幻灯片10 (1)综合型搜索引擎 综合型搜索引擎对搜集的信息资源不限制主题范围和数据类型 利用它可以查找到几乎任何方面的信息。 幻灯片11 (2)专业型搜索引擎 专业型搜索引擎只搜集某一行业或专业范围内的信息资源，因此，它在提供专业信息资源方面要远远优于综合型搜索引擎。如IT信息、财经信息、硬件报价、人才求职与招聘信息。 (3)特殊型搜索引擎 特殊型搜索引擎是专门搜集特定类型格式的信息，例如专门搜集电话、人名、地址、图像、股市信息等 按信息采集方法分类 基于蜘蛛程序的机器人搜索引擎 这种搜索引擎由一个称为蜘蛛（Spider）的机器人程序自动访问网站，提取站点上的网页，并根据网页中的链接进一步提取其他网页，或转移到其他站点上。由索引器为搜集到的信息建立索引，并根据用户的查询输入检索索引库，然后将查询结果返回给用户。 该类搜索引擎的优点是信息量大、更新及时、不需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。 (2)目录式搜索引擎 以人工方式或半自动方式搜集信息，由编辑人员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。 信息大多面向网站，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。 目录的用户界面基本上都是分级结构，首页提供了最基本的几个大类的入口，用户可以一级一级地向下访问，直至找到自己感兴趣的类别.用户也可以利用目录提供的搜索功能直接查找一个关键词. 由于目录只在保存的对站点的描述中进行搜索，因此站点本身的动态变化不会反映到搜索结果中来，这也是目录与基于机器人的搜索引擎之间的一大区别。 (3)元搜索引擎 元搜索引擎的特点是本身并没有存放网页信息的数据库，当用户查询一个关键词时，它把用户的查询请求转换成其他搜索引擎能够接受的命令格式，并访问数个搜索引擎来查询这个关键词，并把这些搜索引擎返回的结果经过处理后再返回给用户。 对于返回的结果系统会进行重复排除、重新排序等处理。服务方式为面向网页的全文检索。 这类搜索引擎的优点是返回结果的信息量更大、更全，缺点是用户需要做更多的筛选。 全文搜索引擎 全文搜索引擎通过从互联网上提取的各个网站的信息（以网页文字为主）而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户. 是通常概念上的搜索引擎。 从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序（Indexer），并自建网页数据库，搜索结果直接从自身的数据库中调用；另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。 目录索引 目录索引虽然有搜索功能，但在严格意义上算不上是真正的搜索引擎，仅仅是按目录分类的网站链接列表而已。 用户完全可以不用进行关键词查询，仅靠分类目录也可找到需要的信息。 目录索引中最具代表性的莫过于的Yahoo雅虎。其他著名的还有Open Directory Project（DMOZ）、Look Smart等。国内的搜狐、新浪、网易搜索也都属于这一类。