江苏龙网

  1. 主页 > 生活百科 > >

搜索引擎的分类及其特点~搜索引擎的分类有哪些?( 三 )


然而由于搜索引擎的工作方式和因特网的快速发展，使其搜索的结果让人越来越不满意 。例如，搜索“电脑”这个词汇，就可能有数百万页的结果 。这是由于搜索引擎通过对网站的相关性来优化搜索结果，这种相关性又是由关键字在网站的位置、网站的名称、 标签等公式来决定的 。这就是使搜索引擎搜索结果多而杂的原因 。而搜索引擎中的数据库因为因特网的发展变化也必然包含了死链接 。
怎样才能使搜索引擎精确地为人们提供相关的信息应该是它以后发展的方向，而不是只求综合服务 。
搜索引擎指自动从英特网搜集信息，经过一定整理以后，提供给用户进行查询的系统 。英特网上的信息浩瀚万千，而且毫无秩序，所有的信息象汪洋上的一个个小岛，网页链接是这些小岛之间纵横交错的桥梁，而搜索引擎，则为你绘制一幅一目了然的信息地图，供你随时查阅 。
搜索引擎的工作原理
搜索引擎的工作原理大致可以分为：
1、搜集信息：搜索引擎的信息搜集基本都是自动的 。搜索引擎利用称为网络蜘蛛(spider)的自动搜索机器人程序来连上每一个网页上的超连结 。机器人程序根据网页链到其他中的超链接，就象日常生活中所说的“一传十，十传百……”一样，从少数几个网页开始，连到数据库上所有到其他网页的链接 。理论上，若网页上有适当的超连结，机器人便可以遍历绝大部分网页 。
2、整理信息：搜索引擎整理信息的过程称为“建立索引” 。搜索引擎不仅要保存搜集起来的信息，还要将它们按照一定的规则进行编排 。这样，搜索引擎根本不用重新翻查它所有保存的信息而迅速找到所要的资料 。想象一下，如果信息是不按任何规则地随意堆放在搜索引擎的数据库中，那么它每次找资料都得把整个资料库完全翻查一遍，如此一来再快的计算机系统也没有用 。
3、接受查询：用户向搜索引擎发出查询，搜索引擎接受查询并向用户返回资料 。搜索引擎每时每刻都要接到来自大量用户的几乎是同时发出的查询，它按照每个用户的要求检查自己的索引，在极短时间内找到用户需要的资料，并返回给用户 。目前，搜索引擎返回主要是以网页链接的形式提供的，这些通过这些链接，用户便能到达含有自己所需资料的网页 。通常搜索引擎会在这些链接下提供一小段来自这些网页的摘要信息以帮助用户判断此网页是否含有自己需要的内
各类媒体上有关搜索引擎的名词也越来越多，甚至产生让人眼花缭乱的感觉，如交互式搜索引擎、第三代搜索引擎、第四代搜索引擎、桌面搜索、地址栏搜索、本地搜索、个性化搜索引擎、专家型搜索引擎、购物搜索引擎、自然语言搜索引擎、新闻搜索引擎、MP3搜索引擎、图片搜索引擎……
Q6：搜索引擎分为几类
可分为三种 搜索引擎分类搜索引擎按其工作方式主要可分为三种，分别是全文搜索引擎（Full Text Search Engine）、目录索引类搜索引擎（Search Index/Directory）和元搜索引擎（Meta Search Engine） 。全文搜索引擎全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AllTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度（Baidu） 。它们都是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，因此他们是真正的搜索引擎 。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），俗称“蜘蛛”（Spider）程序或“机器人”（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎；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（Keywords）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大名鼎鼎的Yahoo雅虎 。其他著名的还有Open Directory Project（DMOZ）、LookSmart、About等 。国内的搜狐、新浪、网易搜索也都属于这一类 。元搜索引擎(META Search Engine) 元搜索引擎在接受用户查询请求时，同时在其他多个引擎上进行搜索，并将结果返回给用户 。著名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等（元搜索引擎列表），中文元搜索引擎中具代表性的有搜星搜索引擎 。在搜索结果排列方面，有的直接按来源引擎排列搜索结果，如Dogpile，有的则按自定的规则将结果重新排列组合，如Vivisimo 。除上述三大类引擎外，还有以下几种非主流形式： 集合式搜索引擎：如HotBot在2002年底推出的引擎 。该引擎类似META搜索引擎，但区别在于不是同时调用多个引擎进行搜索，而是由用户从提供的4个引擎当中选择，因此叫它“集合式”搜索引擎更确切些 。门户搜索引擎：如AOL Search、MSN Search等虽然提供搜索服务，但自身即没有分类目录也没有网页数据库，其搜索结果完全来自其他引擎 。免费链接列表（Free For All Links，简称FFA）：这类网站一般只简单地滚动排列链接条目，少部分有简单的分类目录，不过规模比起Yahoo等目录索引来要小得多 。由于上述网站都为用户提供搜索查询服务，为方便起见，我们通常将其统称为搜索引擎 。搜索引擎基本工作原理了解搜索引擎的工作原理对我们日常搜索应用和网站提交推广都会有很大帮助 。全文搜索引擎在搜索引擎分类部分我们提到过全文搜索引擎从网站提取信息建立网页数据库的概念 。搜索引擎的自动信息搜集功能分两种 。一种是定期搜索，即每隔一段时间（比如Google一般是28天），搜索引擎主动派出“蜘蛛”程序，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库 。另一种是提交网站搜索，即网站拥有者主动向搜索引擎提交网址，它在一定时间内（2天到数月不等）定向向你的网站派出“蜘蛛”程序，扫描你的网站并将有关信息存入数据库，以备用户查询 。由于近年来搜索引擎索引规则发生了很大变化，主动提交网址并不保证你的网站能进入搜索引擎数据库，因此目前最好的办法是多获得一些外部链接，让搜索引擎有更多机会找到你并自动将你的网站收录 。当用户以关键词查找信息时，搜索引擎会在数据库中进行搜寻，如果找到与用户要求内容相符的网站，便采用特殊的算法——通常根据网页中关键词的匹配程度，出现的位置/频次，链接质量等——计算出各网页的相关度及排名等级，然后根据关联度高低，按顺序将这些网页链接返回给用户 。目录索引 与全文搜索引擎相比，目录索引有许多不同之处 。首先，搜索引擎属于自动网站检索，而目录索引则完全依赖手工操作 。用户提交网站后，目录编辑人员会亲自浏览你的网站，然后根据一套自定的评判标准甚至编辑人员的主观印象，决定是否接纳你的网站 。其次，搜索引擎收录网站时，只要网站本身没有违反有关的规则，一般都能登录成功 。而目录索引对网站的要求则高得多，有时即使登录多次也不一定成功 。尤其象Yahoo!这样的超级索引，登录更是困难 。（由于登录Yahoo!的难度最大，而它又是商家网络营销必争之地，所以我们会在后面用专门的篇幅介绍登录Yahoo雅虎的技巧） 此外，在登录搜索引擎时，我们一般不用考虑网站的分类问题，而登录目录索引时则必须将网站放在一个最合适的目录（Directory） 。最后，搜索引擎中各网站的有关信息都是从用户网页中自动提取的，所以用户的角度看，我们拥有更多的自主权；而目录索引则要求必须手工另外填写网站信息，而且还有各种各样的限制 。更有甚者，如果工作人员认为你提交网站的目录、网站信息不合适，他可以随时对其进行调整，当然事先是不会和你商量的 。目录索引，顾名思义就是将网站分门别类地存放在相应的目录中，因此用户在查询信息时，可选择关键词搜索，也可按分类目录逐层查找 。如以关键词搜索，返回的结果跟搜索引擎一样，也是根据信息关联程度排列网站，只不过其中人为因素要多一些 。如果按分层目录查找，某一目录中网站的排名则是由标题字母的先后顺序决定（也有例外） 。目前，搜索引擎与目录索引有相互融合渗透的趋势 。原来一些纯粹的全文搜索引擎现在也提供目录搜索，如Google就借用Open Directory目录提供分类查询 。而象 Yahoo! 这些老牌目录索引则通过与Google等搜索引擎合作扩大搜索范围 。在默认搜索模式下，一些目录类搜索引擎首先返回的是自己目录中匹配的网站，如国内搜狐、新浪、网易等；而另外一些则默认的是网页搜索，如Yahoo 。搜索引擎的第三定律搜索引擎走到今天，已经是一个结束过去，开辟未来的时候了 。为了说清楚我所讲的第三定律，我们先来回顾一下第一和第二定律 。第一定律 相关性定律听起来象是一篇学术论文，的确，就连第一，第二定律的提法以前也没有过，但是第一，第二定律的内容确早已在业界和学术界得到了公认 。其实这第一定律是早在互联网出现之前就被学术界广泛研究过的，那就是所谓的相关性定律 。这个领域那时叫情报检索，或信息检索，也有叫全文检索的 。那时的相关性都是基于词频统计的，也就是说，当用户输入检索词时，搜索引擎去找那些检索词在文章（网页）中出现频率较高的，位置较重要的，再加上一些对检索词本身常用程度的加权，最后排出一个结果来(检索结果页面)。早期的搜索引擎结果排序都是基于本文的第一定律的，如Infoseek，Excite，Lycos等，它们基本上是沿用了网络时代之前学术界的研究成果，工业界的主要精力放在处理大访问量和大数据量上，对相关性排序没有突破 。词频统计其实根本没有利用任何跟网络有关的特性，是前网络时代的技术 。然而，网络时代的主要文献是以网页的形式存在的，而几乎每个人都可以随心所欲地在网上发表各种内容，词频相同的两个网页，质量相差可以很远，可是按照搜索引擎的第一定律，对这两个网页的排序应该是一样的 。为了能够派在某些检索结果的前几位，许多网页内容的制作者绞尽脑汁，在其页面上堆砌关键词，搜索引擎对此防不胜防，苦不堪言 。这种情况到了 1996年开始有了改变 。第二定律 人气质量定律 1996年4月，我到赌城拉斯维加斯开一个有关信息检索方面的学术会议，会议的内容就象拉斯维加斯的天气一样，照例比较枯燥乏味 。但远离公司的我，却难得有一个静下心来认真思考问题的机会 。就在听一个毫不相干的论文演讲的时候，我突然把科学引文索引的机制跟Web上的超级链接联系起来了 - 感谢北大，她在我上大三的时候就教授了我科学引文索引的机制，美国恐怕没有一所大学会在你本科的时候教这玩艺儿 。科学引文索引的机制，说白了就是谁的论文被引用次数多，谁就被认为是权威，论文就是好论文 。这个思路移植到网上就是谁的网页被链接次数多，那个网页就被认为是质量高，人气旺 。在加上相应的链接文字分析，就可以用在搜索结果的排序上了 。这就引出了搜索引擎的第二定律：人气质量定律 。根据这一定律，搜索结果的相关性排序，并不完全依赖于词频统计，而是更多地依赖于超链分析 。我意识到这是一个突破性的东西，回去以后就很快总结了思路，于96年6月申请了这一方面的美国专利 。1999年 7月6号，美国专利和商标局批准了专利号为5,920,859的，以我为唯一发明人的专利 。大约在96年底，斯坦福大学计算机系的两位研究生也想到了同样的解决方法，他们后来创立了一个叫Google的搜索引擎，Google的网站上至今仍然说他们的这项技术是Patent-pending (专利申请中) ，不知道美国专利局是不是还会再批这样的专利 。Anyway, 超链分析的方法98年以后逐渐被各大搜索引擎所接受，由于链接是网络内容的一个根本特性，这时候的搜索引擎才开始真正利用网络时代的检索技术 。世事难料，2000年起网络泡沫迅速破灭，各大搜索引擎要么遭人收购，要么推迟上市，所有使用人气质量定律的搜索引擎公司都未能幸免 。那么，搜索引擎的出路到底在哪儿？第三定律 自信心定律 人气质量定律解决的还是一个技术层面的问题，然而搜索引擎从诞生的那一天起，从来就不是一个纯技术现像，它融合了技术，文化，市场等各个层面的因素 。解决搜索引擎公司的生存和发展问题需要搜索引擎的第三定律--自信心定律 。1998年的时候，没有太多的人拿一家远在硅谷500英里以外，刚刚成立的，叫作GoTo.com（现已更名为Overture）的公司当回事儿 。它不过是买了一个搜索引擎的技术服务，然后再向那些网站的拥有者们拍卖他们网站在GoTo检索结果中的排名，谁付的钱多，谁的网站就排在前面，而且付费是根据网民点击该网站的情况来计算的，仅仅在搜索结果中出现并不需要付费 。这就是自信心定律的最早实践者！根据这一定律，搜索结果的相关性排序，除了词频统计和超链分析之外，更注重的是竞价拍卖 。谁对自己的网站有信心，谁就排在前面 。有信心的表现就是愿意为这个排名付钱 。需要声明的是，自信心定律也是我自己给这一模式起的名字，以前的文献中并没有人这样总结过 。今天，在网络业一片萧条，那斯达克风声鹤唳的时候，GoTo却如日中天，市值高达13亿美金，收入高达雅虎总收入的35% 。反观门户网站，有哪一个能从它们的搜索引擎服务中赚出总收入的三分之一呢？究其原因，就是因为GoTo最早实践了搜索引擎的自信心定律 。以前的搜索引擎都是靠CPM来收费的，而CPM是从传统广告业借鉴过来的，没有考虑网络媒体即时性，交互性，易竞价的特点，而竞价排名，点击收费则是为网站拥有者直接提供销售线索，而不是传统意义上的广告宣传 。自信心定律一改过去搜索引擎靠CPM收钱的尴尬局面，开创了真正属于互联网的收费模式 。


推荐阅读


上一篇：棉袄袄简谱贺东唱，袄的拼音？

下一篇：牙粉和牙膏哪个好用！牙膏和牙粉那个好？