摘要]隨著(zhù)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 )系統之中，用戶(hù)、信息檢索技術(shù)、信息資源構成了信息檢索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(zhù)Internet的迅速發(fā)展，網(wǎng)上信息正以爆炸性的速度增長(cháng)，其資源內容幾乎涉及所有領(lǐng)域，已經(jīng)成為知識、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信息全都沒(méi)有規律地排放著(zhù)，沒(méi)有一個(gè)中心目錄將這些信息組織起來(lái)。正是因為Internet資源既豐富又分散且處于無(wú)序狀態(tài)，使得人們在網(wǎng)上查找自己所需的信息并非易事。這時(shí)為滿(mǎn)足人眾信息檢索的需求，搜索引擎便應運而生。搜索引擎是指使用某些自動(dòng)索引軟件來(lái)發(fā)現、收集網(wǎng)絡(luò )上的信息，然后對收集的網(wǎng)頁(yè)進(jìn)行標引，建立一個(gè)可供查詢(xún)的大型數據庫。
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果，它搜索的通常是預先整理好的網(wǎng)頁(yè)索引數據庫。搜索引擎，不能真正理解網(wǎng)頁(yè)上的內容，它只能機械的匹配網(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，建立索引數據庫的全文搜索引擎。當用戶(hù)查找某個(gè)關(guān)鍵詞的時(shí)候，所有在頁(yè)面內容中包含了該關(guān)鍵詞的網(wǎng)頁(yè)都將作為搜索結果被搜出來(lái)。在經(jīng)過(guò)復雜的算法進(jìn)行排序后，這些結果將按照與搜索關(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)→建立索引數據庫→在索引數據庫中搜索排序。
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)系統程序(或者稱(chēng)為機器人程序)，自動(dòng)訪(fǎng)問(wèn)互聯(lián)網(wǎng)，沿著(zhù)任何網(wǎng)頁(yè)中的所有URL爬到其它網(wǎng)頁(yè)，重復這一過(guò)程，并把爬過(guò)的所有網(wǎng)頁(yè)收集回來(lái)。
2.建立索引數據庫
由分析索引系統程序對收集回來(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(lèi)型，頁(yè)面內容包含的所有關(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)，根據一定的相關(guān)度算法進(jìn)行大量復雜計算，得到每一個(gè)網(wǎng)頁(yè)針對頁(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)索引數據庫。
3.在索引數據庫中搜索排序
當用戶(hù)輸入關(guān)鍵詞搜索后，由搜索系統程序從網(wǎng)頁(yè)索引數據庫中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁(yè)。因為所有相關(guān)網(wǎng)頁(yè)針對于該關(guān)鍵詞的相關(guān)度早已算好，所以只需按照現成的相關(guān)度數值排序，相關(guān)度越高，排名越靠前。最后，由頁(yè)面生成系統將搜索結果的鏈接地址和頁(yè)而內容摘要等內容組織起來(lái)返回給用戶(hù)。
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 )導致數據庫內信息的過(guò)時(shí)。因此，需要更新網(wǎng)頁(yè)索引數據庫，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(hù)查詢(xún)的結果中。
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，它只能在現存的數據庫中查找匹配的關(guān)鍵詞，因此，這種匹配相對比較盲目，我們在選擇關(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.使用雙引號進(jìn)行精確查詢(xún)。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括起來(lái)，這樣得到的結果最少、最精確。
3.使用加號(+)、減號(-)限定查找。很多搜索引擎都支持在搜索詞前冠以加號(+)限定搜索結果中必須包含的詞匯，用減號(-)限定搜索結果不能包含的詞匯。
4.靈活運用使用通配符。很多搜索引擎支持通配符號，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)，恰當應用它們可以使搜索結果非常精確。另外，也可以使用括號將搜索詞分別組合，如(新聞OR足球)AND(米盧)NoT(“新聞”OR足球)
6.有針對性地選擇搜索引擎。用不同的搜索引擎進(jìn)行查詢(xún)得到的結果常常有很大的差異，這是因為它們的設計目的和發(fā)展走向存在著(zhù)許多的不同，比如：Download.com是針對軟件類(lèi)的搜索引擎，可搜尋大量的自由軟件和共享軟件。驅動(dòng)之家主要是提供查找驅動(dòng)程序及硬件廠(chǎng)商信息。
7.使用元詞檢索。大多數搜索引擎都支持“元詞”(metawords)功能，用戶(hù)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.細化查詢(xún)。許多搜索引擎都提供了對搜索結果進(jìn)行細化與再查詢(xún)的功能，如有的搜索引擎在結果中有”查詢(xún)類(lèi)似網(wǎng)頁(yè)”的按鈕，還有一些則可以對得到的結果進(jìn)行新一輪的查詢(xún)。
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，那么你沒(méi)有必要讓搜索引擎在休閑與運動(dòng)、健康與醫藥、藝術(shù)與人文等其他分類(lèi)中查找。你可以進(jìn)入“電腦與因特網(wǎng)”這一類(lèi)，選中“檢索此目錄下的網(wǎng)站”。然后再開(kāi)始搜索。
四、結束語(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、抽取適當的關(guān)鍵詞。為避免可能出現搜索結果的冗余性，要盡可能限制查詢(xún)范圍，正確構造檢索式。同時(shí)要使用邏輯條件限制及模糊或精確查詢(xún)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：）
本文轉載自:http://b2b.toocle.com/detail--5919151.html
