xx计算机三级网络技术辅导-网络搜索技术.doc

xx计算机三级网络技术辅导 网络搜索技术 搜索引擎的原理起源于传统的信息全文检索理论，即计算机程序通过扫描一篇文章中的所有词，建立以词为单位的排序文件，检索程序根据检索词在每篇文章中出现的频率和概率，对包含这些检索词的文章排序，最后输出排序结果。 现在的全文搜索引擎一般由搜索器、索引器、检索器和用户接口4个局部组成。 搜索器。搜索器也称为“蜘蛛”、“机器人”或“爬虫”，实际上是一种基于Web的程序。搜索器在Inter上逐个访问效劳器来收集信息，它通过请求Web站点上的HTML网页来采集该 HTML网页，并建立一个网站的关键字列表。搜索器建立关键字列表的过程称为网络爬行。 索引器。索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项，用于表示文档以及生成文档库的索引表。索引器可使用集中式索引算法或分布式索引算法。索引算法对索引器的性能有很大的影响。一个搜索引擎的有效性在很大程度上取决于索引的质量。 检索器。检索器的功能是根据用户查询在索引库中快速地检索出文档，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，并实现某种用户相关性的反应机制。网页检索器是一个在Web效劳器上运行的CGI(公共网关接口)程序。 用户接口。用户接口的作用是输入用户查询，显示查询结果，提供用户相关性反应机制。用户接口可以分为简单接口和复杂接口两种。 目录导航式搜索引擎的信息系统主要由人工完成，搜索引擎的标引专家依靠手工来搜寻不断出现的新网站，给每个网站一个标题和大概描述，将其放入相应的类目体系中。在页面上表达为每个类目路径下排列着的相关网站，所以也称为目录导航。目录导航式搜索引擎提供两种查询接口形式：一种是直接单击目录树，另一种是关键字检索。 Google是目前世界上使用率和搜索精度最高的全文搜索引擎，百度那么是全球最大的中文搜索引擎，两者分别是国外、国内搜索引擎的领头羊。 Google成立于1998年，创始人为美国斯坦福大学计算机科学系的两位博士。Google一词由英文单词googol变化而来，表示1后面有100个零的数字，显示了Google搜索能力的强大。 Google的主要技术有以下几点： 网页采集技术分布式爬行系统。该系统通常由一个URL效劳器将URL列表提供应网络爬行器(Google同时运行3个爬行器)。每个爬行器同时保持大约300个网络连接。 页面等级技术(Page Rank)。Google是以Open Directory Project为类目根底，开发了独树一帜的Page Rank技术。 超文本匹配分析技术。超文本匹配分析技术是目前搜索引擎中最先进的检索技术。 百度(.Baidu.)于1999年底在美国硅谷成立，创始人是北京大学的两位毕业生李彦宏和徐勇。“百度”一词辛弃疾的名句“众人寻他千百度”。 智能性、可扩展搜索技术。 智能化中文语言处理技术。 分布式结构化算法与容错设计。 智能化相关度算法技术。 检索结果的智能化输出技术。 高效的搜索算法和效劳器本地化。 在检索功能方面，百度还具有如下的功能：体贴的提示功能、快照功能、专业的MP3搜索功能、便于用户交流的“贴吧”功能、百度常用搜索功能等。