摘要]隨著網(wǎng)絡(luò)信息時(shí)代的到來(lái)，信息檢索處于一個(gè)個(gè)互聯(lián)的網(wǎng)絡(luò)系統(tǒng)之中，用戶、信息檢索技術(shù)、信息資源構(gòu)成了信息檢索3個(gè)基本要素。本文主要通過(guò)Internet搜索引擎來(lái)介紹搜索引擎的工作原理及信息檢索技術(shù)。
一、前言
隨著Internet的迅速發(fā)展，網(wǎng)上信息正以爆炸性的速度增長(zhǎng)，其資源內(nèi)容幾乎涉及所有領(lǐng)域，已經(jīng)成為知識(shí)、信息的集合體，是人們獲取信息的基本工具。在Internet網(wǎng)上進(jìn)行瀏覽和檢索，就好比進(jìn)入了世界上最大的圖書(shū)館，而這個(gè)圖書(shū)館里的書(shū)刊、雜志、廣告、新聞及各種形式的文獻(xiàn)信息全都沒(méi)有規(guī)律地排放著，沒(méi)有一個(gè)中心目錄將這些信息組織起來(lái)。正是因?yàn)镮nternet資源既豐富又分散且處于無(wú)序狀態(tài)，使得人們?cè)诰W(wǎng)上查找自己所需的信息并非易事。這時(shí)為滿足人眾信息檢索的需求，搜索引擎便應(yīng)運(yùn)而生。搜索引擎是指使用某些自動(dòng)索引軟件來(lái)發(fā)現(xiàn)、收集網(wǎng)絡(luò)上的信息，然后對(duì)收集的網(wǎng)頁(yè)進(jìn)行標(biāo)引，建立一個(gè)可供查詢的大型數(shù)據(jù)庫(kù)。
二、搜索引擎的工作原理
搜索引擎為了以最快的速度得到搜索結(jié)果，它搜索的通常是預(yù)先整理好的網(wǎng)頁(yè)索引數(shù)據(jù)庫(kù)。搜索引擎，不能真正理解網(wǎng)頁(yè)上的內(nèi)容，它只能機(jī)械的匹配網(wǎng)頁(yè)上的文字。真正意義上的搜索引擎，通常指的是收集了互聯(lián)網(wǎng)上幾千萬(wàn)到幾十億個(gè)網(wǎng)頁(yè)并對(duì)網(wǎng)頁(yè)中的每一個(gè)文字(即關(guān)鍵詞)進(jìn)行索引，建立索引數(shù)據(jù)庫(kù)的全文搜索引擎。當(dāng)用戶查找某個(gè)關(guān)鍵詞的時(shí)候，所有在頁(yè)面內(nèi)容中包含了該關(guān)鍵詞的網(wǎng)頁(yè)都將作為搜索結(jié)果被搜出來(lái)。在經(jīng)過(guò)復(fù)雜的算法進(jìn)行排序后，這些結(jié)果將按照與搜索關(guān)鍵詞的相關(guān)度高低，依次排列。
搜索引擎的工作原理可以看作三步：從互聯(lián)網(wǎng)上抓取網(wǎng)頁(yè)→建立索引數(shù)據(jù)庫(kù)→在索引數(shù)據(jù)庫(kù)中搜索排序。
1.從互聯(lián)網(wǎng)上抓取網(wǎng)頁(yè)
利用能夠從互聯(lián)網(wǎng)上自動(dòng)收集網(wǎng)頁(yè)的爬蟲(chóng)系統(tǒng)程序(或者稱為機(jī)器人程序)，自動(dòng)訪問(wèn)互聯(lián)網(wǎng)，沿著任何網(wǎng)頁(yè)中的所有URL爬到其它網(wǎng)頁(yè)，重復(fù)這一過(guò)程，并把爬過(guò)的所有網(wǎng)頁(yè)收集回來(lái)。
2.建立索引數(shù)據(jù)庫(kù)
由分析索引系統(tǒng)程序?qū)κ占貋?lái)的網(wǎng)頁(yè)進(jìn)行分析，提取相關(guān)網(wǎng)頁(yè)信息(包括網(wǎng)頁(yè)所在URL,編碼類型，頁(yè)面內(nèi)容包含的所有關(guān)鍵詞，關(guān)鍵詞位置，生成時(shí)間，大小，與其它網(wǎng)頁(yè)的鏈接關(guān)系等)，根據(jù)一定的相關(guān)度算法進(jìn)行大量復(fù)雜計(jì)算，得到每一個(gè)網(wǎng)頁(yè)針對(duì)頁(yè)面文字中及超鏈中每一個(gè)關(guān)鍵詞的相關(guān)度(或重要性)，然后用這些相關(guān)信息建立網(wǎng)頁(yè)索引數(shù)據(jù)庫(kù)。
3.在索引數(shù)據(jù)庫(kù)中搜索排序
當(dāng)用戶輸入關(guān)鍵詞搜索后，由搜索系統(tǒng)程序從網(wǎng)頁(yè)索引數(shù)據(jù)庫(kù)中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁(yè)。因?yàn)樗邢嚓P(guān)網(wǎng)頁(yè)針對(duì)于該關(guān)鍵詞的相關(guān)度早已算好，所以只需按照現(xiàn)成的相關(guān)度數(shù)值排序，相關(guān)度越高，排名越靠前。最后，由頁(yè)面生成系統(tǒng)將搜索結(jié)果的鏈接地址和頁(yè)而內(nèi)容摘要等內(nèi)容組織起來(lái)返回給用戶。
由于Web信息會(huì)頻繁更新，例如，新聞網(wǎng)頁(yè)通常每天就要更新，有的網(wǎng)頁(yè)更新周期可能是一周或幾個(gè)月，這種頻繁更新，會(huì)導(dǎo)致數(shù)據(jù)庫(kù)內(nèi)信息的過(guò)時(shí)。因此，需要更新網(wǎng)頁(yè)索引數(shù)據(jù)庫(kù)，以反映出網(wǎng)頁(yè)文字的更新情況，增加新的網(wǎng)頁(yè)信息，去除死鏈接，并根據(jù)網(wǎng)頁(yè)文字和鏈接關(guān)系的變化重新排序。這樣，網(wǎng)頁(yè)的具體文字變化情況就會(huì)反映到用戶查詢的結(jié)果中。
三、檢索技巧
1.科學(xué)選擇關(guān)鍵詞。由于搜索引擎智能化程度的影響，它只能在現(xiàn)存的數(shù)據(jù)庫(kù)中查找匹配的關(guān)鍵詞，因此，這種匹配相對(duì)比較盲目，我們?cè)谶x擇關(guān)鍵詞時(shí)，要注意兩方面的問(wèn)題，才有可能得到較好的搜索效果。
2.使用雙引號(hào)進(jìn)行精確查詢。如果查找的是一個(gè)詞組或多個(gè)漢字，最好的辦法就是將它們用雙引號(hào)括起來(lái)，這樣得到的結(jié)果最少、最精確。
3.使用加號(hào)(+)、減號(hào)(-)限定查找。很多搜索引擎都支持在搜索詞前冠以加號(hào)(+)限定搜索結(jié)果中必須包含的詞匯，用減號(hào)(-)限定搜索結(jié)果不能包含的詞匯。
4.靈活運(yùn)用使用通配符。很多搜索引擎支持通配符號(hào)，如“*”代表一連串字符，“?”代表單個(gè)字符。
5.使用邏輯詞輔助查找。比較大的搜索引擎都支持使用邏輯詞進(jìn)行更復(fù)雜的搜索界定，常用的有：AND (和)、OR (或)、NOT(否)及NEAR(兩個(gè)單詞的靠近程度)，恰當(dāng)應(yīng)用它們可以使搜索結(jié)果非常精確。另外，也可以使用括號(hào)將搜索詞分別組合，如(新聞OR足球)AND(米盧)NoT(“新聞”OR足球)
6.有針對(duì)性地選擇搜索引擎。用不同的搜索引擎進(jìn)行查詢得到的結(jié)果常常有很大的差異，這是因?yàn)樗鼈兊脑O(shè)計(jì)目的和發(fā)展走向存在著許多的不同，比如：Download.com是針對(duì)軟件類的搜索引擎，可搜尋大量的自由軟件和共享軟件。驅(qū)動(dòng)之家主要是提供查找驅(qū)動(dòng)程序及硬件廠商信息。
7.使用元詞檢索。大多數(shù)搜索引擎都支持“元詞”(metawords)功能，用戶把元詞放在關(guān)鍵詞的前面，就可以告訴搜索引擎你想要檢索的內(nèi)容具有哪些明確的特征。例如，你在搜索引擎中輸入“title：清華大學(xué)”，就可以查到網(wǎng)頁(yè)標(biāo)題中帶有清華大學(xué)的網(wǎng)頁(yè)。其他元詞還包括：image，用于檢索圖片；link，用于檢索鏈接到某個(gè)選定網(wǎng)站的頁(yè)面；URL，用于檢索地址中帶有某個(gè)關(guān)鍵詞的網(wǎng)頁(yè)。
8.細(xì)化查詢。許多搜索引擎都提供了對(duì)搜索結(jié)果進(jìn)行細(xì)化與再查詢的功能，如有的搜索引擎在結(jié)果中有”查詢類似網(wǎng)頁(yè)”的按鈕，還有一些則可以對(duì)得到的結(jié)果進(jìn)行新一輪的查詢。
9.盡可能將搜索范圍限制在特定的領(lǐng)域里。比如在yahoo中文網(wǎng)站中，你要查找的是與電腦相關(guān)的知識(shí)，那么你沒(méi)有必要讓搜索引擎在休閑與運(yùn)動(dòng)、健康與醫(yī)藥、藝術(shù)與人文等其他分類中查找。你可以進(jìn)入“電腦與因特網(wǎng)”這一類，選中“檢索此目錄下的網(wǎng)站”。然后再開(kāi)始搜索。
四、結(jié)束語(yǔ)
要完成一個(gè)有效的搜索，首先要確定要檢索的主題，選擇合適的檢索工具、抽取適當(dāng)?shù)年P(guān)鍵詞。為避免可能出現(xiàn)搜索結(jié)果的冗余性，要盡可能限制查詢范圍，正確構(gòu)造檢索式。同時(shí)要使用邏輯條件限制及模糊或精確查詢的功能保證能真正檢索到我們所需的網(wǎng)絡(luò)信息資源。（來(lái)源：《商情》雜志 編選：）
本文轉(zhuǎn)載自:http://b2b.toocle.com/detail--5919151.html
