常用搜索引擎技术概述
常用搜索引擎技术概述
[摘要]本文简述了搜索引擎的概念，地位，现状，起源，发展等，并对其分类、性能指标，关键技术等方面做了一定的研究和讨论，在此基础上对其发展趋势和前景作了相关展望。
[关键词]搜索引擎信息检索
Abstract
This paper describes the definition，position，status，development of search engine. It also holds discussion of category，performance，key technology of search engine. Looking forward is also presented at the end of paper.
Keywords：search engine，information extraction;
1 搜索引擎概念、地位及现状
随着网络日益融入人们的日常生活和工作，作为一个信息平台，网络内容不断丰富，整个网络逐渐堆积成一个前所未有的超大型信息库。因此怎样快速有效的从海量数据中找出所需的信息就变成一个困难的问题，搜索引擎正是为了解决“信息丰富，知识贫乏”奇怪现象问题而出现的技术。
搜索引擎是一个信息处理系统，它以一定的策略在互联网中搜集、发现信息，对信息进行理解、提取、组织和处理，并为用户提供检索服务，从而起到信息导航的目的，一般包括信息搜集、信息整理和用户查询三部分。从用户的角度来看，它就是一个帮助人们进行信息检索的工具。搜索引擎已经成为信息领域的产业之一。它要用到了信息检索、人工智能、数据库、数据挖掘、自然语言理解等领域的理论和技术，具有综合性和挑战性。又由于搜索引擎有大量的用户，由此衍射出许多商机，具有很好的经济价值。
2 搜索引擎起源及发展
第一代搜索引擎出现于1994年。这类搜索引擎一般都索引少于1，000，000个网页，极少重新搜集网页并去刷新索引。而且其检索速度非常慢，一般都要等待10秒甚至更长的时间。在实现技术上也基本沿用较为成熟的IR(InformationRetrieval)、网络、数据库等技术，相当于利用一些已有技术实现的一个WWW上的应用。在1994年3月到4月，网络爬虫World Web Worm (WWWW)
平均每天承受大约1500次查询。
大约在1996年出现的第二代搜索引擎系统大多采用分布式方案(多个微型计算机协同工作)来提高数据规模、响应速度和用户数量，它们一般都保持一个大约50，000，000网页的索引数据库，每天能够响应10，000，000次用户检索请求。1997年11月，当时最先进的几个搜索引擎号称能建立从2，000，000到100，000，000的网页索引。Altavista搜索引擎声称他们每天大概要承受20，000，000次查询。
自1998年出现了一个搜索引擎空前繁荣的时期，我们统称这一时期的搜索引擎为第三代搜索引擎。第三代搜索引擎的发展有如下几个特点：索引数据库的规模继续增大，一般的商业搜索引擎都保持在几千万甚至上亿个网页。
除了一般意义上的搜索以外，开始出现主题搜索和地域搜索。很多小型的垂直门户站点开始使用该技术。
由于搜索返回数据量过大，检索结果相关度评价成为研究的焦点。相关的研究又可以分为两类：一类是对超文本链的分析，在这方面Stanford大学的Google 系统和IBM的Clever系统做出了很大的贡献;另一类是用户信息的反馈，DirectHit系统采用的就是这种方法。
开始使用自动分类技术。Northern Light和Inktomi的Directory Engine都在一定程度上使用了该技术。
第四代搜索引擎的特征是主题搜索引擎。随着信息多元化的增长，千篇一律的给所有用户同一个入口显然已经不能满足特定用户更深入的查询需求。同时，这样的通用搜索引擎在目前的硬件条件下，要及时更新以得到互联网上较全面的信息是不太可能的。针对这种情况，我们需要一个分类细致精确、数据全面深入、更新及时的面向主题的搜索引擎。由于主题搜索运用了人工分类以及特征提取等智能化策略，因此它比上面提到的前三代的搜索引擎将更加有效和准确，我们将这类完善的主题搜索引擎称为第四代搜索引擎。从第一代搜索引擎到第二代搜索应该是一个质变，由人工转向计算机;第二代到第三代搜索引擎是一个量变，它是检索技术的提升;第三代到第四代的发展方向应该是人机结合。
3 搜索引擎分类
搜索引擎依其所用技术原理，主要可以分为以下三类：
3.1目录式搜索引擎
以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。典型代表是：Yahoo(现已采用Robot技术)、LookSmart、OpenDirectory等。
3.2基于Robot搜索引擎
基于Robot的搜索引擎多提供对全文的检索，有时也叫做全文搜索引擎(Full Text)。通过Robot程序从互联网上搜集信息而建立索引数据库，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。这类搜索引擎的代表是：Google、Fast/AllTheWeb、AltaVista、Inktomi、Teoma、WiseNut等;国内代表为：百度(Baidu)，"天网"、OpenFind等。
3.3元搜索引擎
这类搜索引擎没有自己的数据库，而是将用户的查询请求同时向多个搜索引擎递交，将返回的结果进行去重、排序等处理后，作为自己的结果返回给用户。服务方式为面向网页的全文检索。这类搜索引擎的优点是返回结果的信息量更大、更全，缺点是不能够充分使用所使用搜索引擎的功能，用户需要做更多的筛选。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。
3.4几种非主流形式
集合式搜索引擎、门户搜索引擎：如AOLSearch、MSN Search等、免费链接列表(Free For All Links，简称FFA)等。
4 搜索引擎性能指标
搜索引擎是一种互联网信息检索工具，因此对其性能评价可以参考传统型文献检索工具的质量评价标准，结合搜索引擎在信息组织加工及检索服务提供方式等内容进行;通常情况下，我们可以从以下几个方面来衡量一个搜索引擎的性能：
4.1 召回率(Recall)
又称查全率，指搜索引擎提供的检索结果中相关信息文档数与网络信息中存在的相关信息文档数之比，因检索结果是在对检索需求与搜索引擎的索引数据库中的文档进行匹配后的文档集合，这一指标也是搜索引擎对网络信息覆盖率的真实反映。
4.2精度(Precision)
又称查准率，是搜索引擎提供的检索结果与用户信息需求的匹配程度，也是检索结果中有效信息的文档数与搜索引擎提供的全部文档数之比。
4.3检索速度
又称响应时间，检索速度一般而言取决于两个因素，即与带宽有关的网络速度及搜索引擎本身的速度，只有在二者均获得可靠的技术支持的情况下，才能保证理想的检索速度。
对于一个检索系统来讲，召回率和精度很难做到两全其美：召回率高时，精度低;精度高时，召回率低。对于搜索引擎系统来讲，因为没有一个搜索引擎系统能够覆盖所有的网络资源，所以召回率很难计算。目前的搜索引擎系统都非常关心精度。影响一个搜索引擎系统的性能有很多因素，最主要的是信息检索模型，包括文档和查询的表示方法、评价文档和用户查询相关性的匹配策略、查询结果的排序方法和用户进行相关度反馈的机制。
4.4 搜索引擎系统应具备的功能要求
（1）涵盖较多的互联网资源，资源更新周期不是很长，对于某些特殊信息可以实时更新，这些是查全率的保障之一。
（2）具备尽可能多的可选择功能，如资源类型(网站、网页、新闻、软件、FTP、MP3、Flash、图像、影视等)选择、等待时间控制、返回结果数量控制、结果时段选择、过滤功能选择、结果显示方式选择等。
（3）强大的检索请求处理功能(如支持逻辑匹配检索、短语检索、自然语言检索等)。
（4）详尽全面的检索结果信息描述(如网页名称、URL、文摘、结果与用户检索需求的相关度等)。
（5）支持多种语言检索，比如提供中英文搜索等。
（6）可对结果进行自动分类，如按照域名、国别、资源类型、区域等进行
分类整理。
（7）可以针对不同用户提供个性化服务。
5 搜索引擎原理和关键技术
当今搜索引擎的主流是基于Robot的网页搜索系统，本文主要叙述这方面的技术。搜索引擎的原理，可以看作三步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。
5.1搜索引擎的原理
从互联网上发现、搜集有用网页信息利用高性能的Spider程序去自动地在互联网中搜索信息。一个典型的"网洛蜘蛛"工作的方式，是查看一个页面，并从中找到相关信息，然后它再从该页面的所有URL中出发，爬行到相关页面，重复这过程，直到把爬过的所有网页都收集回来。搜索引擎的Spider一般要定期重新访问所有网页，更新网页索引数据库，以反映出网页文字的更新情况。
将收集到的信息进行分类整理，建立索引数据库由分析索引系统程序对收集回来的网页进行分析，提取相关网页信息(包括网页所在URL、编码类型、页面内容包含的所有关键词、关键词位置、生成时间、大小、与其它网页的链接关系等)，根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面文字中及超链中每一个关键词的相关度(或重要性)，然后用这些相关信息建立网页索引数据库。
5.2 用户检索过程
当用户输入关键词搜索后，由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好，所以只需按照现成的相关度数值排序，相关度越高，排名越靠前。最后，由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。
上面简述了搜索引擎的工作原理，从这里不难看出搜索引擎的基本构成：搜索器、索引器、检索器和用户接口等。
5.3 Robot技术
网络机器人Robot(通常也称为网络蜘蛛Spider、爬行者Crawler等)可以用在针对互联网的数据统计、数据搜索、链接维护等方面。搜索引擎中的网络机器人主要完成两个功能，即分析、获取互联网的链接和读取各链接所对应的网页内容。
Robot从一个事先制定好的URLs列表出发，在访问了一个网页后，会对它进行分析，提取出新的URLs，将之加入到访问列表中，如此递归地访问Web。Robot 设计是否合理将直接影响它访问Web的效率，影响搜索数据库的质量。Robot 的实现常用分布式、并行计算技术，以提高信息发现和更新的速度。
5.4 索引技术
Robot采集回来的文档信息要被用来建立索引数据库。索引的建立方法对搜索引擎来说具有很大的影响，好的索引能提高搜索引擎系统运行的效率以及检索结果的质量。可以说索引技术是搜索引擎中的核心技术，是搜索技术高低的集中体现。其中很重要的是文本分析技术，这是索引器的主要支撑技术。文本分析所研究的内容包括提取索引项、自动摘要、自动分类器、文本聚类等。文本分析所依据的主要是文本中所包含的词汇、超文本标记和超链接。
5.5 信息检索和排序技术
搜索的最终目的是获取需要的信息，在大量的信息中进行查找是很讨厌的一件事情，很难做到令人满意。即使是在现实生活中，面对一大堆自己辛辛苦苦找来的资料时，你往往会发现并不是所有的资料都有用。目前搜索引擎所实现的只是通常意义上的相关信息搜索。常用的相关信息查找方法有相似性函数法、归类(组)法等。在这一研究领域有两种比较有影响的方法，就是Page Rank方法和Authorityand Hub方法。这两种方法都是利用页面中的链接来对文档的重要性进行判断。
5.6 用户接口设计
用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。主要的目的是方便用户使用搜索引擎，高效率、多方式地从搜索引擎中得到有效、及时的信息。用户接口的设计和实现使用人机交互的理论和方法，以充分适应人类的思维习惯。一般搜索引擎都提供基本检索和高级检索两个接口。基本检索接口只提供用户输入关键字的文本框，有的可以在这里输入一些复杂的查询表达式，不过这个只适用于那些搜索专家;高级检索接口可以让用户对查询进行限制，如逻辑运算(与、或、非)、相近关系(相邻、NEAR)、域名范围(如.edu、.com)、出现位置(如标题、内容)、信息时间、长度等等。
6 搜索引擎前景和展望
搜索引擎将向智能化、个性化、精确化、专业化、交叉语言检索、多媒体检索等适应不同用户需求的方向发展，更好的理解用户的需求。
6.1 智能化的搜索引擎
它是未来搜索引擎的发展方向。搜索引擎的智能化体现在两方面：一是对搜索请求的理解;二是对网页内容的分析。利用智能代理技术对用户的查询计划、意图、兴趣方向进行推理，自动进行信息搜集过滤，自动地将用户感兴趣的、对用户有用的信息提交给用户。这其中也包含了对服务多项化、个性化，结果精确化，交叉语言检索等方面的功能。
6.2 重视查询结果的精度，提高检索的有效性。
（1）构建基于内容的搜索引擎。基于内容的搜索不是根据字形，而是试图理解用户的请求，同时根据文档的内容选出符合用户要求的文档。即通过各种方法获得用户没有在查询语句中表达出来的真正用途，实现自然语言的智能查询功能。当前比较成熟的解决方案是依靠语义网络、汉语分词、句法分析、处理同义词等中文信息处理技术最大程度地了解用户需求。
（2）将用户提问转化为系统已知的问题，然后对已知问题进行解答，以求降低对自然语言理解技术的依赖性。
（3）用正文分类技术将结果分类，使用可视化技术显示分类结构，用户可以只浏览自己感兴趣的类别。
（4）进行站点类聚或内容类聚，减少信息的总量。
（5）让用户对返回结果进行选择，进行二次查询是一种非常有效的手段。
6.3 实现交叉语言的检索：
搜索引擎对多种语言的数据库进行交叉语言信息检索，返回能够回答用户问题的所有语言的文档。若配上机器翻译，就可使返回结果以用户熟悉的语言显示。虽然该技术目前还处于初步研究阶段，其难点在于语言之间在表达方式和语义对应上的不确定性，但其确是发展方向。
6.4 提供对自然语言检索的支持：
为了提高搜索引擎对用户检索提问的理解，就必须有一个好的检索提问语言，为了克服关键词检索和目录查询的缺点，现在已经出现了自然语言智能答询。
如Google有专用于回答问题的Google Answer，微软有AnswerBot等。搜索引擎在对提问进行结构和内容的分析之后，或直接给出提问的答案，或引导用户从几个可选择的问题中进行再选择。自然语言的优势在于，一是使网络交流更加人性化，二是使查询变得更加方便、直接、有效。
6.5 多媒体搜索引擎：
网络资源丰富多彩，具有很多类型的信息，用户需要的信息也不完全是网页的形式，从用户的角度来看，必然要求搜索引擎能够覆盖更多的网络资源。现在有很多搜索引擎已经提供了网页、新闻、图片、音乐等资源搜索，当然范围还可以更广，再如可以搜索新闻组、软件、FTP、Flash、论文等等。
6.6 专业化搜索引擎：
是为了专门收录某一行业、某一学科、某一主题和某一地区的信息而建立，非常实用，如有商务查询、企业查询、人名查询、电子邮件地址查询和招聘信息查询等等。这种专业化的搜索引擎是将来的方向之一。
6.7 桌面型搜索引擎：
这类引擎实际上是一个软件，下载安装后放在电脑桌面上，用户不用频繁打开浏览器，而是直接通过只要通过它就能完全实现搜索过程，更甚者它可以同时搜索本地、局域网和互联网上的信息。它完全越过传统的搜索模式，越过浏览器，真正实现让搜索无处不在。搜索引擎脱离浏览器是一个发展趋势，Google、Yahoo 等都有计划地推出属于自己的桌面型搜索软件，而微软同样打算把搜索设计到桌面上。国内有中国搜索推出的"网络猪"软件可用。
此外还有一些其它值得注意的技术发展，如元搜索引擎，移动代理和XML 技术，语音检索技术等。随着技术的不断发展进步，搜索引擎将会成为一个人们网际遨游的好帮手。
参考文献：
[1] 门凤超，苗军民试论搜索引擎的现状与发展［J］现代情报，2008（2）21－22
[2] 黄立冬，黄莉，周吟剑虚拟参考咨询与搜索引擎的结合———智能搜索引擎诞生［J］现代情报，2008（3）169－170
[3] 易开屏当今网络搜索引擎的局限与发展[J] 计算机工程,2002, (1) :51-55
[4] 凌美秀关于搜索引擎当前存在的主要问题及其发展趋势的探讨[J] 高校图书馆工作,2001, (5) :32-33
[5] 傅蓉搜索引擎的未来[J] 中国信息导报,2002, (4) :53-54
常用中文搜索引擎对比
几大常用中文搜索引擎的对比 随着互联网的不断发展扩大，网络上中文信息资源和上网的中文用户也大量增加，各类中文搜索引擎更是层出不穷。以下我选取了Google中文，百度，搜狗，必应这几个常用的中文搜索引擎进行较为粗浅的比较。 先比较一下各搜索引擎的特点。Google中文：包括网页、图片、新闻搜索，支持个性化搜索及本地搜索，提供论坛、邮箱、日历服务和桌面搜索工具，是万维网上最大的搜索引擎，但Google中文在中国却一直受到百度搜索的压制，最终由于黑客攻击和敏感词过滤问题退出中国内地转至香港。百度：是全球最大的中文搜索引擎，除网页搜索外，还提供MP3、文档、地图、传情、影视等多样化的搜索服务，率先创造了以贴吧、知道为代表的搜索社区，是目前国内最大的商业化全文搜索引擎。搜狗：搜狗是全球首个百亿规模中文搜索引擎，收录100亿网页，创造了全球中文网页收录量新高，搜狗以网页搜索为核心，在音乐、新闻、图片、地图等方面提供了垂直搜索服务，通过说吧建立用户间的搜索社区，2010年8月搜狐与阿里巴巴宣布将分拆搜狗成立独立公司，引入战略投资，注资后的搜狗有望成为仅次于百度的中文搜索工具。必应（bing）：必应是微软公司09年新推出的中文搜索引擎。主打快乐搜索体验。
接着从各方面对比：1.外观排版：Google、百度、搜狗的外观都是以简单的白色背景为主，而必应的背景是一副定期更换的图片，乍看比较新鲜，可是用习惯后我发现搜索引擎还是简洁一点好。不同于其他3家“相关搜索”出现在搜索结果的底部，必应在网页左侧和底部都出现了“相关搜索”，虽然略显重复，但在一定程度上为用户提供了方便。2.搜索结果：在这4家引擎同时输入“集美大学诚毅学院”，可以看到Google用时0.10 秒获得约62,900 条结果，百度用时0.018秒找到相关网页约55,000篇，必应没有显示用时找到共50,900 条，搜狗用时0.027 秒只有30,636条。可见在Google的搜索量大，而百度的时间最短，速度和数量比最好，搜狗略逊一筹3.搜索内容：四家网站的内容更新都比较及时，百度的优势在于很中国化很生活化，符合中国人的习惯。但它的内容的匹配度不如Google高，而且很商业化，广告和垃圾网站很多，适合搜索一般问题。Google专业搜索比较好，适合技术人员，学生教师，搜索范围较广。特别是Google的地图和翻译是其他搜索引擎无法比拟的。但是Google由于版权问题无法搜索MP3，这是个硬伤，因为搜索MP3在中国已经成为流行。Google的死链率也比较高，中文网站检索的更新频率不够快，“网页快照”功能在国内经常出现不可访问的问题。搜狗较多的被用在搜索新闻，音乐，电影上，娱乐性强，商机搜索和说吧也很有特色。必应搜索与传统搜索引擎只是单独列出一个搜索列表不同，微软还会对返回的结果加以分类。但必应默认搜索结果只显示5页，其他搜索引擎都是10页，在点击到第五页的时候，会自动出现9页结果，这显然
中外主流搜索引擎中文搜索能力对比研究
收稿日期：２００５－０５－３０ 作者简介：徐雪梅（１９６７－），副研究馆员，发表论文多篇。 国外著名的搜索引擎纷纷进军中文搜索市场，中文搜索市场的竞争越来越激烈。通过中外主流搜索引擎中文搜索能力的对比分析，找出国内搜索引擎的优势和存在的不足，为国内搜索引擎的发展和用户的使用提供借鉴。 １研究对象 从２００５年５月开始，Ｃｗｒａｎｋ根据Ａｌｅｘａ排行榜 修正的［１］全球排行榜、［２］中国排行榜以及［３］互联网实验室，依据《互联网实验室ＣＩＳＩ网站评测体系》中的评测原则将Ａｌｅｘａ排行榜进行过滤，从提供的２００５年每月的过滤版可知，内地著名的门户网站有：新浪、搜狐、网易、３７２１、ＴＯＭ、２１ＣＮ、中华网、上海热线等，它们历年提供搜索服务所使用的搜索技术如表１。 从表１可以看出，２００５年专业搜索引擎中国搜索以及一搜虽为其他著名门户网站提供搜索技术支 持，但提供技术支持的门户网站数比百度少，且在 ２００５年Ｃｗｒａｎｋ［１，２］与互联网实验室［３］的排行榜上，都 排在百度之后，故选取百度作为国内专业搜索引擎的代表。 ２００５年３月Ｎｉｅｌｓｅｎ／ＮｅｔＲａｔｉｎｇｓ发布的数据显示［４］ ，２０００年开始中文搜索服务的Ｇｏｏｇｌｅ继续在搜索领域排名首位。曾经先后为Ｙａｈｏｏ、ＡＯＬ等国际知名网站提供搜索技术服务，目前为网易、ＡＯＬ、Ａ－ｍａｚｏｎ、ＡｓｋＪｅｅｖｅｓ、Ｅａｒｔｈｌｉｎｋ、Ｃｉｓｃｏ（思科）、Ｐ＆Ｇ（宝洁）、Ｔ－Ｏｎｌｉｎｅ（Ｅｕｒｏｐｅ）、网景Ｎｅｔｓｃａｐｅ等国内外 著名的网站和公司提供搜索技术服务，支持简体中文和繁体中文网页的搜索，故选取Ｇｏｏｇｌｅ为国外专业搜索引擎的代表。 ２检索功能比较 检索功能体现搜索引擎的质量和技术水平， Ｇｏｏｇｌｅ、百度的检索功能见表２、表３、表４。 中外主流搜索引擎中文搜索能力对比研究 徐雪梅１，刘雁书２，兰小筠２ （１．南华大学图书馆，湖南衡阳４２１００１； ２．中南大学医学技术和情报学院，长沙４１００１３） 摘 要：通过中外主流搜索引擎Ｇｏｏｇｌｅ、百度中文搜索能力的对比分析，找出国内搜索引擎的优势和存在的不足， 为国内搜索引擎的发展和用户的使用提供借鉴。关键词：中文搜索引擎；搜索能力；搜索效果中图分类号：Ｇ２５４．１ 文献标识码：Ｂ 文章编号：１００２－１２４８（２００５）０９－００８４－０６ ＳｔｕｄｙｏｎｔｈｅＣｏｍｐａｒｉｓｏｎｏｆＣｈｉｎｅｓｅＳｅａｒｃｈＣａｐａｃｉｔｙｏｆＭａｊｏｒＳｅａｒｃｈＥｎｇｉｎｅｓｂｅｔｗｅｅｎＣｈｉｎａａｎｄ ｔｈｅＦｏｒｅｉｇｎＣｏｕｎｔｒｉｅｓ ＸＵＸｕｅ－ｍｅｉ１，ＬＩＵＹａｎ－ｓｈｕ２，ＬＡＮＸｉａｏ－ｙｕｎ２ （１．Ｌｉｂｒａｒｙ，ＮａｎｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｈｅｎｇｙａｎｇ，Ｈｕｎａｎ４２１００１，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＭｅｄｉｃａｌＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔｓ：ＴｈｒｏｕｇｈｔｈｅｃｏｍｐａｒｉｓｏｎａｎａｌｙｓｉｓｏｆｔｈｅＣｈｉｎｅｓｅｓｅａｒｃｈｃａｐａｃｉｔｙｏｆｍａｊｏｒｓｅａｒｃｈｅｎｇｉｎｅｓｓｕｃｈａｓＧｏｏｇｌｅａｎｄＢａｉｄｕｂｅｔｗｅｅｎＣｈｉｎａａｎｄａｂｒｏａｄ，ｔｈｅｐａｐｅｒｈａｓｆｏｕｎｄｔｈｅａｄｖａｎｔａｇｅｓａｎｄｅｘｉｓｔｉｎｇｄｉｓａｄｖａｎｔａｇｅｓｏｆｄｏｍｅｓｔｉｃｓｅａｒｃｈｅｎｇｉｎｅ，ｗｈｉｃｈｈａｓｐｒｏｖｉｄｅｄｒｅｆｅｒｅｎｃｅｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｄｏｍｅｓｔｉｃｓｅａｒｃｈｅｎｇｉｎｅａｎｄｔｈｅｕｔｉｌｉｚａｔｉｏｎｂｙｄｏｍｅｓｔｉｃｕｓｅｒｓ．Ｋｅｙｗｏｒｄｓ：Ｃｈｉｎｅｓｅｓｅａｒｃｈｅｎｇｉｎｅ；ｓｅａｒｃｈｃａｐａｃｉｔｙ；ｓｅａｒｃｈｅｆｆｅｃｔ 农业图书情报学刊 第１７卷第９期Ｖｏｌ．１７’Ｎｏ．９ＪｏｕｒｎａｌｏｆＬｉｂｒａｒｙａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｓｉｎＡｇｒｉｃｕｌｔｕｒｅ ２００５年９月 Ｓｅｐ．２００５
国内外著名搜索引擎介绍
七、 国内外著名搜索引擎介绍 教学目的 掌握常见搜索引擎的使用方法与技巧 教学内容 1、搜索引擎介绍 1.1搜索引擎发展 十几年前，WWW（World Wide Web，万维网）还没有诞生的时候，互联网上只有冰冷的 文字，没有图像和声音，而且网站数量也不多，感兴趣的网站就那么几个，可以在很短 的时间内就掌握其中的全部信息，搜索引擎完全没有出现的必要。1993年，互联网上出 现了最早的Web浏览器Mosaic，次年Netscape推出了Navigator。浏览器的发展促使 Web得到迅速推广，站点数目以惊人的速度增加，我们再也不能用传统记忆方式来应付 与日俱增的站点。于是，搜索引擎就诞生了。第一个搜索引擎的出生地在美国，它的名 字叫Archie,是由McGill大学的一个小组开发的。 1.2搜索引擎工作原理 利用自动搜寻软件，不断发现与收集各类新网址及网页，利用自动索引软件对网页进行 标引，建立记录的数据库。当用户输入提问关键词之后，以不同的检索方法在其数据库中找 出相关的记录，并按相关性顺序排列，将包含此关键词或符合检索条件的所有网址信息和指 向这些网址的链接反馈给用户，从而实现查询目的。简单地说，搜索引擎的原理，可以看作 三步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。 1.3搜索引擎如何排列Web页面 依据是"位置/频率法"。 1.4搜索引擎词语介绍 简单搜索；词组搜索；语句搜索；目录搜索；高级搜索； 1.5搜索引擎的类型 按搜索引擎获取信息的不同：独立搜索引擎；元搜索引擎；网络搜索软件。 按组织信息的方式：目录搜索引擎；全文搜索引擎；分类全文型搜索引擎；智能搜索引擎。 按服务对象和规模：综合门户搜索引擎；垂直搜索引擎。 2、综合性搜索引擎 在互联网发展的最初阶段，网民在各项活动中的主要浏览对象几乎都是综合性的网站（或称 为门户性网站），所谓综合，指其提供信息与服务的范围广泛，从新闻、讨论组、免费信箱、 下载软件到图片的搜索，不固定在专一知识领域，涉及多种主题内容。 2.1 Google Google是一个搜索引擎，由两个斯坦福大学博士生Larry Page与Sergey Brin于1998年 9月发明，Google Inc. 于1999年创立。2000年7月份，Google替代Inktomi成为Yahoo 公司的搜索引擎，同年9月份，Google成为中国网易公司的搜索引擎。98年至今，GOOGLE 已经获得30多项业界大奖。 GOOGLE基本搜索 Google支持大多数的搜索基本语法规则，比如‘ AND’、 ‘OR’、‘-’，Google无需用 明文的‘AND ’来表示逻辑‘与’操作，只要空格就可以了；Google用减号‘-’表示逻 辑‘非’操作；Google用大写的‘OR’表示逻辑‘或’操作； ·不区分英文字母大小写，所有的字母均当作小写处理； ·Google不支持通配符，如‘*’、‘?’等；
英文十大搜索引擎 十大搜索引擎排名
英文十大搜索引擎十大搜索引擎排名 中文搜索引擎 Google搜索引擎（https://www.wendangku.net/doc/a56321702.html,/） 目前最优秀的支持多语种的搜索引擎之一,约搜索3,083,324,652 张网页。提供网站、图像、新闻组等多种资源的查询。包括中文简体、繁体、英语等35个国家和地区的语言的资源。 百度(baidu)中文搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) 全球最大中文搜索引擎。提供网页快照、网页预览/预览全部网页、相关搜索词、错别字纠正提示、新闻搜索、Flash搜索、信息快递搜索、百度搜霸、搜索援助中心。 北大天网中英文搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) 由北京大学开发，简体中文、繁体中文和英文三个版本。提供全文检索、新闻组检索、FTP 检索（北京大学、中科院等FTP站点）。目前大约收集了100万个WWW页面（国内）和14万篇Newsgroup（新闻组）文章。支持简体中文、繁体中文、英文关键词搜索，不支持数字关键词和URL名检索。 新浪搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) 互联网上规模最大的中文搜索引擎之一。设大类目录18个，子目1万多个，收录网站20余万。提供网站、中文网页、英文网页、新闻、汉英辞典、软件、沪深行情、游戏等多种资源的查询。 雅虎中国搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) Yahoo!是世界上最著名的目录搜索引擎。雅虎中国于1999年9月正式开通，是雅虎在全球的第20个网站。Yahoo！目录是一个Web资源的导航指南，包括14个主题大类的内容。 搜狐搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) 搜狐于1998年推出中国首家大型分类查询搜索引擎，到现在已经发展成为中国影响力最大的分类搜索引擎。每日页面浏览量超过800万，可以查找网站、网页、新闻、网址、软件、黄页等信息。 网易搜索引擎(https://www.wendangku.net/doc/a56321702.html,/) 网易新一代开放式目录管理系统（ODP）。拥有近万名义务目录管理员。为广大网民创建了一个拥有超过一万个类目，超过25万条活跃站点信息，日增加新站点信息500~1000条，日访问量超过500万次的专业权威的目录查询体系。 3721网络实名/智能搜索(https://www.wendangku.net/doc/a56321702.html,/) 3721公司提供的中文上网服务――3721"网络实名"，使用户无须记忆复杂的网址，直接输入中文名称，即可直达网站。3721智能搜索系统不仅含有精确的网络实名搜索结果，同时集成多家搜索引擎。
搜索引擎的使用方法和技巧
百度搜索引擎的使用方法和技巧 学生姓名： 学院：信息技术学院 专业：信管(电) 班级： 学号： 指导教师： 完成日期： 2015年3月28日 辽东学院 Eastern Liaoning University
一、简单搜索 1. 关键词搜索 只要在搜索框中输入关键词，并按一下“搜索”，百度就会自动找出相关的网站和资料。百度会寻找所有符合您全部查询条件的资料，并把最相关的网站或资料排在前列。 小技巧：输入关键词后，直接按键盘上的回车键（即Enter健），百度也会自动找出相关的网站或资料。 关键词，就是您输入搜索框中的文字，也就是您命令百度寻找的东西。可以是任何中文、英文、数字，或中文英文数字的混合体。可以命令百度寻找任何内容，所以关键词的内容可以是：人名、网站、新闻、小说、软件、游戏、星座、工作、购物、论文、、、 例如：可以搜索[windows]、[918]、[F-1赛车]。 可以输入一个关键词，也可以输入两个、三个、四个，您甚至可以输入一句话。 例如：可以搜索[博客]、[原创爱情文学]、[知音，不需多言，要用心去交流；友谊，不能言表，要用心去品尝。悠悠将用真诚，尊敬和大家来建立真正的友谊]。 注意：多个关键词之间必须留一个空格。 2. 准确的关键词 百度搜索引擎严谨认真，要求一字不差。 例如：分别输入 [舒淇] 和 [舒琪] ，搜索结果是不同的。 分别输入 [电脑] 和 [计算机] ，搜索结果也是不同的。 因此，如果您对搜索结果不满意，建议检查输入文字有无错误，并换用不同的关键词搜索。 3. 输入两个关键词搜索 输入多个关键词搜索，可以获得更精确更丰富的搜索结果。 例如，搜索[悠悠情未老]，可以找到几千篇资料。而搜索[悠悠情未老]，则只有严格含有“悠悠情未老”连续5个字的网页才能被找出来，不但找到的资料只有几十篇，资料的准确性也比前者差得多。 因此，当你要查的关键词较为长时，建议将它拆成几个关键词来搜索，词与词之间用空格隔开。 多数情况下，输入两个关键词搜索，就已经有很好的搜索结果。 4. 减除无关资料 有时候，排除含有某些词语的资料有利于缩小查询范围。 百度支持“-“功能，用于有目的地删除某些无关网页，但减号之前必须留一空格，语法是“A -B”。
网上搜索超级技巧
网上搜索超级技巧 1.使用逻辑词辅助查找 比较大的搜索引擎都支持使用逻辑词进行更复杂的搜索界定，常用的有:AND(和)、 OR(或)、NOT(否，有些是AND NOT)及NEAR(两个单词的靠近程度)，恰当应用它们可以使结果非常精确，另外，也可以使用括号将搜索词分别组合， 2.有针对性地选择搜索引擎 用不同的搜索引擎进行查询得到的结果常常有很大的差异，这是因为它们的设计目的和发展走向存在着许多的不同，比如: 购物客https://www.wendangku.net/doc/a56321702.html,是专用于网上购物的搜索引擎，能够进行价格等多种因素的比较；而Liszt(https://www.wendangku.net/doc/a56321702.html,)则是针对邮递列表、IRC等的搜索引擎。https://www.wendangku.net/doc/a56321702.html, 和https://www.wendangku.net/doc/a56321702.html,是综合搜索。 3.使用双引号进行精确查找 如果查找的是一个词组或多个汉字，最好的办法就是将它们用双引号括起来，这样得到的结果最少、最精确。例如在搜索引擎的Search(查询)框中输入"search engine"，这会比输入search engine得到更少、更好的结果。如果按上述方法查不到任何结果，可以去掉双引号试试。 4.使用加减号限定查找 很多搜索引擎都支持在搜索词前冠以加号(+)限定搜索结果中必须包含的词汇，用减号(-)限定搜索结果不能包含的词汇。 5.逐步细化法 按照搜索引擎的分类一层一层地点击下去，这对一些关键字不太确定的资料查询十分有效。Yahoo把网上的各种资料归类整理，分得很细，有休闲与运动、娱乐、健康与医药、艺术与人文等很多类别，而且有每一大类的链接进入后分成很多小类，一层一层地进入链接，分类也就越来越细，离你的目标也就越来越近。由于都是链接形式，所以使用起来又方便又简单，不用我多说了吧。 6.根据要求选择查询方法 如果需要快速找到一些相关性比较大的信息，可以使用目录式搜索引擎的查找功能，如使用Yahoo(https://www.wendangku.net/doc/a56321702.html,)。如果想得到某一方面比较系统的资源信息，可以使用目录一级一级地进行查找。如果要找的信息比较冷门，应该用比较大的全文搜索引擎查找，如Altavista(https://www.wendangku.net/doc/a56321702.html,/)或Hotbot(https://www.wendangku.net/doc/a56321702.html,/)。 7.注意细节 在Internet上进行查询时如果能注意一些细节问题，常常能增加搜索结果的准确性，如许多搜索引擎都区分字母的大小写，因此，如果您正在搜索人名或地名等关键词，应该正确使用它们的大小写字母形式。 8.利用搜索引擎的特性进行查找 不同的搜索引擎有一些专用的特性，应用它们可以使查询事半功倍，比如:若想知道某个新闻组上最近一段时间发表的文章，可以在Dejanews的查找框中输入"～g 组名"，例如"～g https://www.wendangku.net/doc/a56321702.html,ng.java.programmer"。 9.使用多元搜索引擎 多元搜索引擎是一种只需输入一次关键词就可以对多个搜索引擎进行查询的搜索代理网站，如Searchspaniel(https://www.wendangku.net/doc/a56321702.html,/)就可以同时对200多个搜索引擎进行查询。 10.利用选项界定查询 目前越来越多的搜索引擎开始提供更多的查询选项，利用这些选项人们可以轻松地构造比较复杂的搜索模式，进行更为精确的查询，并且能更好地控制查询结果的显示。
全文搜索引擎的设计与实现(文献综述)
全文搜索引擎的设计与实现 前言 面对海量的数字化信息，搜索引擎技术帮助我们在其中发现有价值的信息与资源。我们可以通过google、百度这样的搜索引擎服务提供商帮助我们在Internet上搜索我们需要的信息。但是在一些没有或不便于连入Internet的内部网络或者是拥有海量数据存储的主机，想要通过搜索来发现有价值的信息和资源却不太容易。所以开发一个小型全文搜索引擎，实现以上两种情况下的信息高效检索是十分有必要的。本设计着眼于全文搜索引擎的设计与实现，利用Java ee结合Struts,Spring,Hibernates以及Ajax等框架技术，实现基于apache软件基金会开源搜索引擎框架Lucene下的一个全文搜索引擎。 正文 搜索引擎技术起源1990年，蒙特利尔大学学生Alan Emtage、Peter Deutsch和Bill Wheelan出于个人兴趣，发明了用于检索、查询分布在各个FTP主机中的文件Archie，当时他们的目的仅仅是为了在查询文件时的方便，他们未曾预料到他们的这一创造会成就日后互联网最的广阔市场，他们发明的小程序将进化成网络时代不可或缺的工具——搜索引擎。1991年，在美国CERFnet、PSInet及Alternet网络组成了CIEA （商用Internet 协会）宣布用户可以把它们的Internet子网用于商业用途，开始了Internet商业化的序幕。商业化意味着互联网技术不再为科研和军事领域独享，商业化意味着有更多人可以接触互联网，商业化更意味着潜在的市场和巨大的商机。1994年，Michael Mauldin推出了最早的现代意义上的搜索引擎Lycos，互联网进入了搜索技术的应用和搜索引擎快速发展时期。以上是国际互联网和搜索引擎发展历史上的几个重要日子。互联网从出现至今不过15年左右时间，搜索引擎商业化运作也就10年左右。就在这短短的10年时间里，互联网发生了翻天覆地的变化，呈爆炸性增长。于此同时也成就了google、百度这样的互联网巨头。今天，当我们想要在这片广阔的信息海洋中及时获得想要查找的信息时，已经离不开搜索引擎了。 相关技术
SEO搜索引擎优化常用方法
SEO搜索引擎优化常用方法 作者：葬爱来源：https://www.wendangku.net/doc/a56321702.html, 时间：2012-8-12 最近听很多人说，seo也就是那么一会儿事，每天发发外链，写写文章也就够了。但是今天我想说的是，seo技术并不是简单。大局观的优化方略才是最重要的。 网站结构、关键词布局、代码精简、日志分析等等，当然外链和原创内容页绝对必不可少的。 下面具体分享一下一些做优化的一些常见的二部曲。 一、分析竞争对手 1.分析你的竞争对手为什么排在你前面或者后面。如果在你前面，分析他比你多做了哪些东西，如果你没有就赶紧补上。同时分析竞争对手网站的缺憾，你同时进行弥补。这是常见的做法。 2.采用有特色的推广方法。比如适当的做一做jingjia也是有利于优化的。同时一些心思维，如利用起网站用户对网站的推广。这样才是最有效的。用户上去了，优化液自然会上去。 二、弥补自身的优化不足 自己的网站必须要最好，才是根本，如果竞争对手的网站排在你后面，那更要注意了。一旦放松，就是别人的机会。下面笔者分享一下自身优化的一些东西。 1.分析关键词。我相信，很多人都是先选关键词，再做站。整个站都围绕这个关键词，那么排名自然会好一点。同时关键词
应该与网站的内容相关，不要选择不相关的。关键词使用的时候也要注意英文逗号或者下划线的隔开。 2.生成静态。学了一段四件后，看到很多人说生成静态和动态都差不多。理由是搜索引擎不断进步，已经可以抓取动态内容。同时不论是对于百度还是对于google来说，我相信不会弱智到是动态的就不收录。很多厉害的网站都是动态的，但也很不错。但是百度给出的优化指南明确说明了最好网站静态化，可见百度其实也希望站长们将自己的网站静态化。或许百度这个问题没有彻底解决。同时，一个纯HTML页面绝对比动态页面打开速度快。用户体验上来说，也是好的。 3.div+css。同样，table书写的网站百度收录照样也快。但我个人趋向于div，为什么?因为这样更快，理由就同二了。但是div不要太多层的嵌套，目前百度的技术还不足以抓取嵌套次数太多的内容。 4.注意Meat标签。这个几乎是我现在看一个网站优化最先看的东西，虽说搜索引擎已经开始降低meta标签的影响，但是我觉得还是很重要。 5.打造好你的友链。这个主要就靠一些站长群了。你如果没有这些群，最起码要有一群拥有比较高权重的站长朋友。老站带新站，新站成长速度会快很多。建议大家要建立一些网站群，利用互相带动的方法，去推动你的网站发展。友链的重要性，不言而喻。同时友链也要注意甑别对自己网站的好坏。
中文搜索引擎与国外搜索引擎的区别
来源Windows8论坛：https://www.wendangku.net/doc/a56321702.html, 中文搜索引擎与国外搜索引擎的区别 因特网上的科学信息和电子杂志的总量在持续增长，整个网络可看作是一个可以检索的150亿单词的大电子百科全书。但是这些信息是极其无序的，如何获取和利用因特网上的信息已经成了一个大问题。目前解决这一问题的最佳途径是利用搜索引擎。 因特网上的信息呈几何级数增长，快速有效地查询一项艰巨的任务，这个需求直接导致了广域网信息检索技术的快速发展，各类搜索引擎层出不穷。 所谓搜索引擎，是指因特网上的在万维网（WWW）中主动搜索信息并能起自动索引、提供查询服务的一类网站，这些网站通过网络搜索软件（又称为网络搜索机器人）或网站登录等方式，将因特网上大量网站的页面收集到本地，经过加工处理而建成数据库，从而能够对用户提出的各种查询作出响应，提供用户所需的信息。科学家很早就梦想能够快速检索所有的科技文献，现在，搜索引擎使得在数秒钟内取得大量的文献成为可能。 中文搜索引擎概述 中文搜索引擎的出现是最近几年的事情，但发展很快。它的性能究竟如何，能检索到的信息有多少，因特网上的中文信息或网页知多少，这些都是值得关心的问题。 目前中文引擎共有约80多个，可以分为两类，一类是自由词或关键词检索搜索引擎，另一类是分类搜索引擎。由于语言、文化上的差异，中文搜索引擎必然与国外的搜索引擎有所不同。中文搜索引擎有两个特点。1．内码：由于历史原因，目前世界上使用中文的国家与地区在中文语言的使用上有较大差别，体现在计算机处理上也有很大不同，其中最重要的区别是采用不同的字符集及内码体系，例如祖国大陆用的是GB码，而中国台湾地区则用BIG5码，字符集的大小也不尽相同。
研究生常用的搜索引擎
研究生常用的十八大学术搜索引擎来源：袁江山的日志 1、https://www.wendangku.net/doc/a56321702.html,/ 这个不多讲了. 2、https://www.wendangku.net/doc/a56321702.html,/ 后起之秀，科研人员的良好助手，上此网站的90%是从事科研的学生与老师。其词典搜索集成了目前市面上最好的在线英汉写作及科研词典，用此搜索引擎写作英文论文相当方便；其文献搜索集成了目前最优秀的数据库。 3、https://www.wendangku.net/doc/a56321702.html, Scirus是目前互联网上最全面、综合性最强的科技文献搜索引擎之一，由Elsev ier科学出 版社开发，用于搜索期刊和专利，效果很不错！Scirus覆盖的学科范围包括：农业与生物学，天文学，生物科学，化学与化工，计算机科学，地球与行星科学，经济、金融与管理科学，工程、能源与技术，环境科学，语言学，法学，生命科学，材料科学，数学，医学，神经系统科学，药理学，物理学，心理学，社会与行为科学，社会学等。 4、https://www.wendangku.net/doc/a56321702.html,/ BASE是德国比勒费尔德(Bielefeld)大学图书馆开发的一个多学科的学术搜索引擎，提供对 全球异构学术资源的集成检索服务。它整合了德国比勒费尔德大学图书馆的图书馆目录和大约160 个开放资源（超过200 万个文档）的数据。 5、http://www.vascoda.de/ Vascoda是一个交叉学科门户网站的原型，它注重特定主题的聚合，集成了图书馆的收藏、文献数据库和附加的学术内容。 6、https://www.wendangku.net/doc/a56321702.html,/ 与google比较了一下发现，能搜索到一些google搜索不到的好东东。它界面简洁，功能强
搜索引擎对比
百度、谷歌、搜狗、有道四大搜索引擎的比较分析学校：中南财经政法大学学号：2009357770832 姓名：李心彤 随着经济与科技的发展，信息对于人们来说越来越重要，而随着计算机的普及，人们利用搜索引擎来获取信息也是越来越频繁。因此，国内外的几家搜索引擎展开了角逐，在各自领域努力发挥着自己的优势。本文通过对百度、谷歌、搜狗、有道四大搜索引擎的个人化体验，对其作出比较与分析。体验主要从以下几个方面进行： 一、政治敏感度
搜索引擎百度搜狗有道谷歌 词条数量323 1433 43 69100 可以看出，在搜索较为敏感的政治事件时，各大搜索引擎表现出极大的不同。作为国内最大用户最多的百度搜索引擎，是唯一一个表现出明确屏蔽态度的搜索引擎，会在搜索框下方显示“根据相关法律法规和政策，部分搜索结果未予显示”，且其搜索数量也是几个搜索引擎中较少的。同时，在搜索出来的词条中，再未显示关键词中的任何一个字，仅在具体内容中偶有一两个相同字眼。可见百度对政治敏感内容十分顾忌。 而搜狗则在搜索页的最末用灰色字体显示“根据相关法律法规和政策，部分搜索结果未予显示”，不太能够引起人的注意。其搜索结果虽然在四个引擎中排名第二，但仍然并不算多。且其跟百度一样，搜索出来的结果中并未出现过多的关键词。 有道虽然是所有引擎中结果数量最少的，但出人意料的是，有道所搜索出来的前几个词条，是完全符合搜索词的。虽然其具体内容皆无法打开，但不得不说有道是国内引擎中最大胆的。 而谷歌作为国外开发的搜索引擎，一向对政治事件十分随意，因此，我们不难从图片中看出搜索政治敏感事件时，谷歌就像搜索随意的生活内容一样将各项结果显示，且有些资源是来自于国外的网站。但是具体点击时，视频、图片以及部分文字类内容明显在检测和过滤后是打不开的，且检测与过滤速度十分缓慢。但是，部分论坛里的讨论、对事件阐述并不太多也不太高调的文字类内容还是能够得以显现。 笔者随后更换搜索的关键词，使其更多与国家政治领导人相关，其搜索结果为： 搜索引擎百度搜狗有道谷歌 词条数量80200 3986 99 117000
搜索引擎优化的概念和方式
搜索引擎优化的概念和方式 说到搜索引擎优化(Search Engine Optimization，简称SEO)，就不得不提到搜索引擎营销(SEM)，SEM是一种通过搜索引擎来对网站进行推广的营销方式，而搜索引擎优化（SEO）就是其中的一种，其他方式还包括搜索引擎的竞价排名广告等。由于SEO是通过技术方式来实现，无须付费进行推广，所以对于个人站长来说更实用。本文的重点，就是讲解SEO 的实现方式。 1．搜索引擎优化是什么 对网站进行搜索引擎优化，就是针对各种搜家引擎的检索方式和特点，通过修改网站的代码或者增加链接等方式，让网站符合搜索引擎的喜好，从而提升网站在搜索引擎中的排名，或者提高网页在搜索引擎中的收录数量。而SEO的最终目的，就是为网站带来用户。 搜索引擎优化是目前网站推广最为快捷，也是最有效的方式。因为用户是通过搜索关键词到达你的网站，所以往往网站会很符合浏览者的需求。这类用户在网站策划中被称作目标群体。 正因为如此，SEO才受到了广大站长的欢迎。因为它不仅带来了浏览者，而且还是价值很高的日标访客。而且由十搜索引擎已然成为目前互联网的入口，大多数网站、甚至包括各类门户网站的绝大部分流量，都是通过搜索引擎得末的。 对于个人站长来说，SEO已经成为不可或缺的一项技能。因为它的实现成本很低：只需要学习相关的技术，而不需要投入大量的资金来推广网站。所以目前每个与站长有关的论坛社区，几乎都充斥着有关SEO的内容。 但是，SEO并不能仅仅考虑网站的排名，目前很多站长建站之后往往只向SEO“看齐”。在网站的建设过程中，更重要的应该是要为用户着想，SEO更多的是要让网站以用户体验为根本，目的是给用户提供更好的服务，而不仅仅是为了排名而优化网站。 2．什么是“黑帽SEO” 黑帽和白帽是两种SEO的称谓，由于SEO能带来巨大的流量，就有很大一部分从业者采用“黑帽”的优化方式来提高网站的排名，即用作弊等不光彩的手段进行网站的优化，包括大量的垃圾链接、桥页、关键词堆砌等方式，都可以称做黑帽SEO。诸如用软件程序从其他搜索引擎抓取大量搜索结果，将其制作成网页发布，然后在网页上放置广告获得收入，就是黑帽SEO，这种方式在很多年前很有“效果”，但是目前搜索引擎早己改变了算法，类似的方式效果也变得微乎其微。而且搜索引擎一直在改进算法，与黑幅SEO做“斗争”。 白帽SEO则与之相反，使用正确的方式针对网站进行SEO，按照用户体验来优化网站，就可以称作是白帽SEO。而这两种方式都可以带来网站排名提升的效果，往往黑帽SEO的效果更为快捷，危害性也更大。甚至会造成被搜索引擎“K掉”的后果。 3．“黑帽SEO”常用的作弊方式 网站的排名很大程度上由连接到网站的数量和质量决定，通常的连接方式是与同类型的网站交换友情链接。不过很多SEO不会使用这种效率低、见效慢的方法，而是在浏览其他网站的时候，留言的同时留下网址；论坛灌水回帖的时候，在自己的签名位置加上网站的连接…… 这些方法虽然也不错，不过很多黑帽SEO会采用软件群发的方式来获取连接。例如使用群发软件对成千上万的博客、留言本进行评论，同时留下自己要优化的网站地址。这种方式不仅造成很多垃圾信息，而且让被留言的博主不堪其扰。 还有一种通过博客作弊的方式，是使用博客群建软件，在各类BSP网站建立大量的博客，然后发表连接有自己网站地址的文章，通过这类连接来提高网站排名。 另外，黑帽SEO常用的另一种方法，是通过“链接工厂”获取大量的网站连接，链接
SEO秘籍之搜索引擎优化基本术语
四、搜索引擎优化基本术语 搜索引擎优化（SEO） 关键词（Keyword） 排名（Ranking） 竞价排名（Paid Listing ） 自然排名（Organic Listing ） PR值（PageRank） 相似网页（Similar Pages） 补充材料（Supplemental Result ）外部链接（External Linking） 内部链接（Internal Linking ） 外部优化（Offpage Optimization）内页优化（Onpage Optimization）收录（Embody） 信任级（Trust Rank） 沙盒效应（Sandbox） 搜索引擎营销（SEM） 权重（Weightiness） 垃圾技术（Spamming） 反作弊（Anti-Spam ） 桥页（Cloaking）
黑帽SEO（Black hat SEO） 白帽SEO（White hat SEO） 搜索蜘蛛（Spider） 网站地图（Sitemaps） 链接工厂（Link farm ） MFA （Made for Adsense ） 目录（Directory） ROI （Return On Investment ） 搜索引擎结果页面（Search Engine Results Page） W3C（The World Wide Web Consortium ） 搜索引擎优化（search engine optimization,简称seo）：指遵循搜索引擎的搜索原理，对网站结构、网页文字语言和站点间互动外交略等进行合理规划部署，以改善网站在搜索引擎的搜索表现，进而增加客户发现并访问网站的可能性的这样一个过程. 搜索引擎优化也是一种科学的发展观和方法论，它随着搜索引擎的发展而发展, 同时也促进了搜索引擎的发展。
中文智能搜索引擎
中文智能搜索引擎 龙其 072349
摘要 飞速发展的Internet给用户提供了海量的信息资源，导致用户从爆炸性增长的信息中迅速获得需要的信息变得越来越困难。为了帮助用户快速准确地检索到所需的网络信息，网络搜索引擎的研究与开发已经成为当今网络信息检索的热点。本文通过搜索引擎概述及原理介绍中文智能搜索引擎，从中文分词技术；词性标注及词义分析；分类器设计检索模型；PageRank排序技术；研究现状和发展趋势等内容对中文智能搜索引擎进行介绍。 搜索引擎概述及原理 搜索引擎是以Web页面为检索文档的信息检索系统，它的核心就是信息检索技术。广义地说，搜索引擎就是指在指互联网上能够响应用户提交的搜索请求，返回相应的查询结果信息的技术和系统。 搜索引擎以一定的策略在互联网中搜集、发现信息，对信息进行理解、提取、组织和处理，并为用户提供检索服务，从而起到信息导航的目的。 搜索引擎并不是真正地搜索互联网，它搜索的是预先整理好的网页索引数据库。一般来说，搜索引擎得原理可以看做三步：从互联网中抓取网页；建立索引数据库；在索引数据库中进行搜索排序。 （1）互联网中抓取网页：通过网页搜索工具Spider(蜘蛛)或Robot(机器人)等自动访问互联网，沿着URL搜索，并把搜索到的信息带回搜索引擎。 （2）建立索引数据库：通过对收集的网页信息进行分析，把这些相关信息进行分类索引建立索引数据库。 （3）在索引数据库中进行搜索排序：通过Web服务端软件，获得用户输入关键词后，有搜索程序从网页数据库中找到符合该关键词的相关网页。为用户提供浏览界 面下的查询信息。 搜索引擎结构图
中文智能搜索引擎 1.中文搜索引擎 中文搜索引擎是指以Interent网络上的中文信息为主要对象，提供信息的自动收集、自动过滤、自动索引中和检索导航等服务的搜索引擎。中文Internet搜索引擎的最关键组件是能够在海量中英文数据上进行高效全文检索的信息管理系统。中文搜索引擎的机制同英文搜索引擎大致相同，不同的是多了中文语言的处理技术，这主要是中文分词技术和汉化技术。 逻辑上，中文信息搜索引擎与与一般搜索引擎一样分为三个部分：网页搜索引擎，索引引擎和查询引擎。 2.智能搜索引擎 传统搜索引擎局限：传统搜索引擎主要采用网站分类技术和全文检索技术来实现信息查询，前者成本高，对网站描述也比较简单，不能升入网站内部细节。而后者效率比较低且返回信息过多。 传统搜索引擎所使用的技术都难以解决用户“找信息难”的问题，造成这种困难的实质在于搜索引擎缺乏知识处理能力和理解能力。因此要把信息检索从基于关键词层面提高到基于知识层面。 智能搜索引擎,它突破传统搜索引擎基于要求较精确的关键词层面信息检索的局限，发展到基于以不规范、不精确的自然形式出现的知识(或概念)层面来分析和处理用户的查询提问，具有良好的自然语言理解、知识处理能力，在信息检索过程中体现出很强的智能化与人性化优势。 3.中文智能搜索引擎 采用智能搜索引擎得方法实现对中文信息的检索。中文智能搜索引擎可以自动分析中文网页，进行自动分词处理，并自动提取关键词，建立一关键词为基础的查询数据库，降低了系统开销，大大提高了查询效率。它通过充分考虑中文语句的表达结构以及“口语化的提问，智能化的结果”来满足用户的各种查询需求。 中文智能搜索引擎功能结构图大致如下：
几个搜索引擎特点比较
几个搜索引擎特点比较 By 不走的时钟发表于 2006-5-1 14:10:23 搜索引擎特点比较 在互联网不断走向成熟的今天，新的利润增长点在哪里？Google，百度在纳斯达克的神话，使得越来越多的人将目光投向了搜索引擎行业。同时在信息大爆炸的时代里，人们对网络信息的处理也越来越借重于许许多多的各种各样的搜索引擎。在这里，我仅仅是将几个我们较为常用的搜索引擎加以粗略的比较，希望对大家的选择和使用有所帮助。 一、Google 首先要讲述的就是世界搜索引擎的老大google了。Google 依据网络自身结构，清理混沌信息，缜密组织资源。Google 的搜索服务绝不仅仅是简单的信息目录。而且Google 目录中收录了 10 亿多个网址，这在同类搜索引擎中是首屈一指的。这些网站的内容是相当涉猎广泛的。 与大多数其它搜索引擎的区别在于：Google 只显示相关的网页，其正文或指向它的链接包含您所输入的所有关键词，而无须再受其它无关结果的烦扰。Google 不仅能搜索出包含所有关键词的结果，并且还对网页关键词的接近度进行分析。与大多数其它搜索引擎的又一区别是：Google 按照关键词的接近度确定搜索结果的先后次序，优先考虑关键词较为接近的结果，这样可以为您节省时间，而无须在无关的结果中徘徊。Google 最擅长于为常见查询找出最准确的搜索结果。其中“手气不错(tm)”按钮是最有特色的，它会直接带您进入最符合搜索条件的网站，相对省时又方便。Google 储存网页的快照，当存有网页的服务器暂时出现故障时您仍可浏览该网页的内容。如果找不到服务器，Google 储存的网页快照也可救急。虽然网页快照中的信息可能不是最新的，但在网页快照中查找资料要比在实际网页中快得多。 二、百度 作为中文搜索引擎的老大，百度也有其及为独到的一面。其基于字词结合的信息处理方式，就相当巧妙解决了中文信息的理解问题，极大地提高了搜索的准确性和查全率。百度还支持主流的中文编码标准。包括GBK(汉字内码扩展规范)、GB2312(简体)、BIG5(繁体)，并且能够在不同的编码之间转换。 百度的智能相关度算法。采用了基于内容和基于超链分析相结合的方法进行相关度评价，能够客观分析网页所包含的信息，从而最大限度保证了检索结果相关性。百度搜索支持二次检索（又称渐进检索或逼进检索）也是其相当重要的特点。可在上次检索结果中继续检索，逐步缩小查找范围，直至达到最小、最准确的结果集。利于用户更加方便地在海量信息中找到自己真正感兴趣的内容。还有就是百度智能性、可扩展的搜索技术保证最快最多的收集互联网信息。拥有目前世界上最大的中文信息库，为用户提供最准确、最广泛、最具时效性的信息提供了坚实基础。 三、网易 在中国的搜索引擎市场当中，网易也是不可忽视的一股巨大的力量。对于己于人他搜索引擎而言，网易搜索也有其相当独特的特点。 首先是网易搜索引擎提供多语言检索，英语，日语，俄语等几十种语言关键词都可以直接输入搜索框检索网页资料。而不仅仅是单语种的搜索。其次，网易
搜索引擎介绍
搜索引擎原理 搜索引擎，通常指的是收集了因特网上几千万到几十亿个网页并对网页中的每一个词（即关键词）进行索引，建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候，所有在页面内容中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后，这些结果将按照与搜索关键词的相关度高低，依次排列。根据自己的优化程度，获得相应的名次。 1.原理概述 在搜索引擎的后台，有一些用于搜集网页信息的程序。所收集的信息一般是能表明网站内容（包括网页本身、网页的URL地址、构成网页的代码以及进出网页的连接）的关键词或者短语。接着将这些信息的索引存放到数据库中。 搜索引擎的系统架构和运行方式吸收了信息检索系统设计中许多有价值的经验，也针对万维网数据和用户的特点进行了许多修改，如
右图所示的搜索引擎系统架构。其核心的文档处理和查询处理过程与传统信息检索系统的运行原理基本类似，但其所处理的数据对象即万维网数据的繁杂特性决定了搜索引擎系统必须进行系统结构的调整，以适应处理数据和用户查询的需要。[1-2] 2.工作原理 爬行和抓取 搜索引擎派出一个能够在网上发现新网页并抓文件的程序，这个程序通常称之为蜘蛛（Spider）。搜索引擎从已知的数据库出发，就像正常用户的浏览器一样访问这些网页并抓取文件。搜索引擎通过这些爬虫去爬互联网上的外链，从这个网站爬到另一个网站，去跟踪网页中的链接，访问更多的网页，这个过程就叫爬行。这些新的网址会被存入数据库等待搜索。所以跟踪网页链接是搜索引擎蜘蛛（Spider）发现新网址的最基本的方法，所以反向链接成为搜索引擎优化的最基本因素之一。搜索引擎抓取的页面文件与用户浏览器得到的完全一样，抓取的文件存入数据库。 建立索引 蜘蛛抓取的页面文件分解、分析，并以巨大表格的形式存入数据库，这个过程即是索引（index).在索引数据库中，网页文字内容，关
当今搜索引擎技术及发展趋势
当今搜索引擎技术及发展趋势 随着互联网的迅猛发展、WEB信息的增加，用户要在信息海洋里查找信息，就象大海捞针一样，搜索引擎技术恰好解决了这一难题（它可以为用户提供信息检索服务）。目前，搜索引擎技术正成为计算机工业界和学术界争相研究、开发的对象。搜索引擎（Search Engine）是随着WEB信息的迅速增加，从1995年开始逐渐发展起来的技术。据发表在《科学》杂志1999年7月的文章《WEB信息的可访问性》估计，全球目前的网页超过8亿，有效数据超过9T，并且仍以每4个月翻一番的速度增长。用户要在如此浩瀚的信息海洋里寻找信息，必然会“大海捞针”无功而返。搜索引擎正是为了解决这个“迷航”问题而出现的技术。搜索引擎以一定的策略在互联网中搜集、发现信息，对信息进行理解、提取、组织和处理，并为用户提供检索服务，从而起到信息导航的目的。搜索引擎提供的导航服务已经成为互联网上非常重要的网络服务，搜索引擎站点也被美誉为“网络门户”。搜索引擎技术因而成为计算机工业界和学术界争相研究、开发的对象。一、分类按照信息搜集方法和服务提供方式的不同，搜索引擎系统可以分为三大类：1．目录式搜索引擎：以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。这类搜索引擎的代表是：、LookSmart、Open Directory、Go Guide等。2．机器人搜索引擎：由一个称为蜘蛛（Spider）的机器人程序以某种策略自动地在互联网中搜集和发现信息，由索引器为搜集到的信息建立索引，由检索器根据用户的查询输入检索索引库，并将查询结果返回给用户。服务方式是面向网页的全文检索服务。该类搜索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。这类搜索引擎的代表是：AltaVista、Northern Light、Excite、Infoseek、Inktomi、FAST、Lycos、Google；国内代表为：“天网”、悠游、OpenFind等。3．元搜索引擎：这类搜索引擎没有自己的数据，而是将用户的查询请求同时向多个搜索引擎递交，将返回的结果进行重复排除、重新排序等处理后，作为自己的结果返回给用户。服务方式为面向网页的全文检索。这类搜索引擎的优点是返回结果的信息量更大、更全，缺点是不能够充分使用所使用搜索引擎的功能，用户需要做更多的筛选。二、性能指标我们可以将WEB信息的搜索看作一个信息检索问题，即在由WEB 网页组成的文档库中检索出与用户查询相关的文档。所以我们可以用衡量传统信息检索系统的性能参数-召回率（Recall）和精度（Pricision）衡量一个搜索引擎的性能。召回率是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统（搜索引擎）的查全率；精度是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统（搜索引擎）的查准率。对于一个检索系统来讲，召回率和精度不可能两全其美：召回率高时，精度低，精度高时，召回率低。所以常常用11种召回率下11种精度的平均值（即11点平均精度）来衡量一个检索系统的精度。对于搜索引擎系统来讲，因为没有一个搜索引擎系统能够搜集到所有的WEB网页，所以召回率很难计算。目前的搜索引擎系统都非常关心精度。影响一个搜索引擎系统的性能有很多因素，最主要的是信息检索模型，包括文档和查询的表示方法、评价文档和用户查询相关性的匹配策略、查询结果的排序方法和用户进行相关度反馈的机制三、主要技术一个搜索引擎由搜索器、索引器、检索器和用户接口等四个部分组成。 1.搜索器搜索器的功能是在互联网中漫游，发现和搜集信息。它常常是一个计算机程序，日夜不停地运行。它要尽可能多、尽可能快地搜集各种类型的新信息，同时因为互联网上的信息更新很快，所以还要定期更新已经搜集过的旧信息，以避免死连接和无效连接。目前有两种搜集信息的策略：从一个起始URL集合开始，顺着这些URL 中的超链（Hyperlink），以宽度优先、深度优先或启发式方式循环地在互联网中发现信息。这些起始URL 可以是任意的URL，但常常是一些非常流行、包含很多的站点（如！）。将Web空间按照域名、IP地址或国家域名划分，每个搜索器负责一个子空间的穷尽搜索。搜索器搜集的信息类型多种多样，包括HTML、XML、Newsgroup文章、FTP文件、字处理文档、多媒体信息。搜索器的实现常常用分布式、并行计算技术，以提高信息发现和更新的速度。商业搜索引擎的信息发现可以达到每天几百万网页。2.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。