http://www.sowang.com 2004年9月23日 作者：loverty
互聯(lián)網(wǎng)上除一般網(wǎng)頁(yè)外，還如PDF,DOC,RTF,xls,PPT(S)等的文檔文件,雖然這些文件不象 HTM文件那樣多，但這些文件通常會(huì )包含一些別處沒(méi)有的重要資料,因此具有獨特的價(jià)值和吸引力!所以對網(wǎng)絡(luò )中這部分資源的挖掘和利用也是搜索引擎的一個(gè)重要功能.對網(wǎng)絡(luò )的這部分資源的挖掘和分析的水平也成了衡量一個(gè)搜索引擎完整與否,成熟與否的重要指標.多文檔搜索是高級搜索的重要內容,與其他高級搜索功能一起,構成高級搜索功能體系.
我們就一些搜索案例的比較來(lái)給大家展示一些網(wǎng)絡(luò )文檔搜索的技巧,并對主要提供文檔搜索的搜索引擎百度和google做一比較,這些比較和方法也許會(huì )對你進(jìn)一步準確獲得你想要的信息有幫助!
主要比較文檔數量,語(yǔ)法使用的靈活性,準確性,多語(yǔ)法混合使用等等
數據
Query
參比引擎
百度
Google
filetype:doc 搜索引擎
1050
743
filetype:doc 計算語(yǔ)言學(xué)
546
214
filetype:doc 計算機檢索
17700
6080
filetype:ppt課件
13900
1480
filetype:ppt 軟件開(kāi)發(fā)模型
filetype:ppt 軟件 模型
560
697
919000
697
filetype:pdf xml高級編程
55
116但是匹配的質(zhì)量很差，由各自不同的分次特點(diǎn)決定的。
filetype:pdf 服務(wù)器安全
17800
6240
filetype:xls 報名
9940
1890
filetype:xls 名單
32300
3000
表1 文檔數量比較
性能
功能
參比引擎
百度
Google
靈活性
支持三種方式查詢(xún)
1 filetype:格式 關(guān)鍵詞
2 關(guān)鍵詞filetype:格式
3 在高級搜索里選擇
支持三種方式查詢(xún)
1 filetype:格式 關(guān)鍵詞
2關(guān)鍵詞 filetype:格式
3 在高級搜索里選擇
準確性 整體上講根網(wǎng)頁(yè)搜索的效果差不多 ，由于各自分詞的特點(diǎn)不同，所以對中文語(yǔ)義的理解上就會(huì )出現差異，所以在結果的數量并不是全部，但是對大多數關(guān)鍵詞來(lái)說(shuō)，百度的結果還是比較符合搜索目標的，而個(gè)別google的搜索結果就不太能令人滿(mǎn)意。這也是由于google的強行前臺分詞造成的，結果數量多，并不精準。對于文檔搜索來(lái)說(shuō)準確恰當才是最重要的，數量只是其次。
多語(yǔ)法混用
一般的邏輯搜索：+ - | 均能很好的支持
filetype:doc 演講稿 吳敬璉
filetype:doc 演講稿 - 教師
filetype:doc 演講稿 | 演講
其他高級搜索指令：
吳敬璉 filetype:doc site:pku.edu.cn
歷史 filetype:doc inurl:org
經(jīng)濟 filetype:doc inurl:title 目前網(wǎng)絡(luò )上很少有中文文件夾所以這樣的檢索也是沒(méi)有意義的。
其他支持
1 支持對所有文檔類(lèi)型的搜索，filetype:all
2 支持把原來(lái)文檔轉換成html格式文檔瀏覽
3 不支持對更多文檔類(lèi)型的擴展，但是可以在mp3搜索中選擇flash類(lèi)型搜索，但是百度支持在網(wǎng)頁(yè)搜索中輸入“mp3:劉德華”“flash:小兵”來(lái)搜索歌曲
1 不支持對所有文檔類(lèi)型的搜索，
2 支持把原來(lái)文檔轉換成html格式文檔瀏覽
3支持對更多文檔類(lèi)型的擴展，如swf/xml 目前google還不支持更多
表2其他參數比較
一搜也提供文檔搜索，目前支持的文件類(lèi)型不多，文檔的數量也不夠（或者可檢出的數量不夠），而且使用習慣與其他的不同(google，altavista，alltheweb等)所以不列入比較范圍。
總體評價(jià)，百度多文檔搜索無(wú)論從搜索的質(zhì)量和數量都是要與google相當，甚至超出google，說(shuō)明，中文搜索引擎在應用的深層次挖掘上已經(jīng)不再落后于外來(lái)服務(wù)商。
我們有理由相信百度會(huì )提供更多更好的功能！
