6第六章 网络信息资源检索

现在的搜索引擎——第四代搜索引擎
以Google、Inktomi和百度为代表
Google其数据库中存放的网页已达30亿
搜索引擎的搜索引擎
搜索引擎之间出现了分工协作，并有了专业的搜索引擎 技术和搜索数据库服务提供商。
国外的Inktomi本身并不是直接面向用户的搜索引擎， 但向包括Overture（原GoTo）、LookSmart、MSN、HotBot 等在内的其他搜索引擎提供全文网页搜索服务。


检索结果修正——在上一次检索结果的范围
内调整检索方案，以期达到更精确的相关信
息。

检索结果排序——自动分析查询到的页面，
根据相关性算法将相关性最大的网页排在前
面。

提供最新收录的新站——向用户公布搜索引 擎新收集了哪些网站。
4
搜索引擎的利用

搜Байду номын сангаас引擎的使用
常用搜索引擎的使用
搜索引擎的使用
（1）确定你要采用的查询方式
所需要的信息类型选定查询方式、查询范
围、查询时间等，采用什么样的限制方法。
（2）选定一个合适的搜索引擎
这也是最关键的一步，如果要想查中文信息最好
选用中文站点，查英文信息最好选用英文站点；另外
还要根据所需信息内容选定站点，如需查询网址要选
网址索引做得好的站点，例如Yahoo!或Sohu等站点， 如需查询网页信息或一些学术信息，最好去查一些大 学站点开发的搜索引擎，如北京大学的“天网搜索引 擎”等。
最早现代意义上的搜索引擎
1994年7月，Michael Mauldin将John Leavitt的蜘蛛 程序接入到其索引程序中，创建了Lycos。
1995年4月，斯坦福（Stanford）大学的两名博士生， David Filo和美籍华人杨致远（Gerry Yang）共同创办 了超级目录索引Yahoo。
(精确)
被引用次数：推荐使用！
相关文章：查找同属这组学术研究成果的其他文 章，可能是初始版本，其中有预印本、摘要、会 议论文或其他改写本 。
网页搜索：Google 搜索中关于该研究成果的信 息。
图书馆搜索：找到藏有这项学术成果的图书馆。
Google的产品——Google Books
http://books.google.com/ http://books.google.cn/
MP3音乐搜索引擎——专门收集关于音乐 Flash搜索引擎——专门收集Flash 在线免费电影搜索引擎 新闻搜索引擎
3 搜索引擎提供的服务

目录检索—— 指通过分类的方式进行检索 全文检索—— 对于网页进行基于全文的关键词检 索


精确检索：受控词表和XML（逻辑组配）
自然语言检索：Ask Jeeves、GoTo、 InQuizit和LexiQuest等。 如：“What is Jamestown?”、“When did Web searching start?”
网络信息检索一般要通过信息的收集、整理、 分类、索引从而产生数据库以供检索。
网络信息检索困难原因分析
• 信息资源分散 • 信息数量庞大 • 检索软件智能低
1 搜索引擎的发展与含义
Data
迅速、准确获取自已 最需要的信息 网络信息资源每4个月 翻一番 信息内容涉及广泛
？为什么要出现
搜索引擎
信息类型众多

多语种检索—— 限制检索结果的语言，
Infoseek/Go（还提供检索结果的自动翻译服
务）、Google

过滤检索——在检索中自动将一些网站信息过
滤掉，或者是将一些重复的网页去除掉。

智能检索：能够自动地分析检索结果，为用户 提供最满意的信息。

多媒体检索
基于描述：用一个关键词来描述所要查找的图片或 是音乐，如用“rocket ”来查找火箭的图片。 基于内容：用一些视觉特征（颜色、形状、纹理） 来查找多媒体信息，如用户首先点选画面中随机产 生的图片中比较符合需求的图片，找到较为相似的 图片，再从中点选更为接近要求的图片，经过数次 互动后，用户可以愈来愈接近想查找的图片。
推出新的搜索服务Google Scholar。 • http://scholar.google.com • 这是Google和许多科学和研究机构合作的结果，也是 其计划的第一步，最终公司将为研究人员提供学术性论
文、书籍、摘要及技术报告等在内的搜索服务。
• 新的搜索服务提供大量的科学文献引用资料，同时也 为用户提供在线无法找到的图书馆资料.
–―J Clin Immunol ‖ 检索结果314,000
–―J Clin Immunol‖ ISSN, 检索结果256,000 3、不区分英文字符大小写，如：GOD=God=god
Google 高级检索
过滤与选择
限定文献语种、 文件类型
指定网域搜索:
有一些词后面加上冒号对Google 有特殊的含义。

综合型搜索引擎
按搜索的内 容划分

专业型搜索引擎

特殊型搜索引擎
专业型搜索引擎
只搜集某一行业或专业范围内的信息资 源，只能检索到某一专题的网址或网页。
例如：美国化学工业专业搜索引擎、化
工Yahoo、中国电力搜索引擎等。
特殊型搜索引擎
名录搜索引擎——专门搜集有关电话、人名、地址
图片搜索引擎——专门收集有关图像信息的
注册可以实现更多的个性化定制服务！
高级搜索
熟悉经常使用的查询工具及其特性是搜索成功的基础
确定使用哪一类搜索引擎，这是信息检索关键的一步
关键词的选择是运用搜索引擎成功的重要因素 仔细研究该搜索引擎使用说明 使用操作符改善检索过程 要经常监控WWW站点上各个主要搜索引擎的排名情况
（如：http://www.seo.org.cn）
一种是拥有自己的检索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。 一种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、sohu、sina等。
目录索引式搜索引擎
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，并将信息按照一 定的主题进行分类，建立层次目录。大目录下面包含 子目录，子目录下面又包含子目录，如此下去，建立 具有包含关系的层次目录。 收集的信息大多面向网站，提供目录浏览服务。
对信息进行提取和组织建立索引库
根据用户输入的查询条件，在索 引库中快速检出文档，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，并将查询结 果返回给用户。
查询接口
涉 及 的 相 关 技 术
网络技术 数据库技术 自动标引技术 检索技术 自动分类技术
机器学习等人工智能技术
搜索引擎的类型
按搜索机制划分
从而对用户提出的各种检索作出响应，提供用户所需
的信息或相关指针。
工作原理
搜索引擎
Web服务器 Web站点
Web站点 客 户 浏 览 器 信 息 检 索 信 息 组 织 机 制 信 息 采 集 机 制
网 络
FTP站点 新闻组 Web站点
数据库
2 搜索引擎工作流程与类型
在互联网中发现、搜集网页信息
信息搜集 系统 索引数据 库
搜索引擎的使用
1、从头开始——分析你想要的信息的类型，选
择一个合适的搜索引擎去找到你需要的信息。
2、选定信息搜索方法
选定信息搜索方法
要想有一个满意的搜索结果，您必须制定一个很好 的查询策略，选定—个适合自己的信息搜索方法是检索 信息的关键，为此， 需要做好以下工作： （1）确定你要采用的查询方式 （2）选定一个合适的搜索引擎 （3）要及时修改查询策略
“site:‖——在某个特定的域或站点中进行搜索， 可以在Google 搜索框中输入“site:xxxxx.com‖。 例如，要在Google 站点上查找新闻，可以输入： 新闻 site：www.google.com
面向科学家和研究人员的Google新产品
——Google Scholar!
• 2004年11月18日，Google公司针对科学家和研究人员
（3）要及时修改查询策略
•调整你的查询策略，改换搜索引擎。
•通过搜索引擎查找自己想要的网址或信息是最快捷的
方法，也是最佳途径。
•如果要检索一个一般性（或综合性）的题目，不妨试
一下像Yahoo这一类的目录式分类搜索引擎，准会意
外地发现许多相关的网站；而要检索一个有关某个特
定的（或不太清楚的）人或事物的信息，最好使用像 InfoSeek或AltaVista这一类的全文搜索引擎。
按包含的搜索工具的数量划分
单独型搜索引擎 ——主要是指搜索引擎之间没有嵌套，是独立的单一 性搜索引擎。

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

结果进行重复排除、重新排序等处理后，作为结 果返回给用户。服务方式为面向网页的全文检索。 如：HOTBOT、搜星、WebCrawler、InfoMarket
搜索引擎的发展：
现代意义上的搜索引擎的祖先
1990年由蒙特利尔大学学生 Alan Emtage发明的Archie
1993年Matthew Gray开发 的World wide Web Wanderer ————被称为“蜘蛛” 程序
第一个用于监测互联网发展 规模的“机器人”程序
—以文件名查找文件的系统
国内的百度向搜狐和新浪提供全文网页搜索服务技术。
搜索引擎广义的含义：
搜索引擎是因特网上专门提供检索服务的一类网 站，是在网络信息资源中主动搜索信息（搜索网页上 的有意义的单词和简短的对特定内容的描述的词）并 将其自动标引的Web网站，其标引的内容储存在可供
检索的大型数据库中，并建立相应的索引和目录服务，

全文搜索引擎

目录索引
全文搜索引擎
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，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，再根据用户的查询检索与用户查询条 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。
从搜索结果来源的角度再分：
Google搜索引擎语法规则：
1、逻辑关系语法是and、or、not。
1)空格默认为and,即：苹果 电脑=苹果and电脑.
2)但OR、NOT必须大写，小写会被忽略。 如：(苹果OR 联想NOT 方正) 电脑 2、词组或短语检索用“”可以精确匹配。 –J Clin Immunol, 检索结果30,800,000
第六章 网络信息资源检索
网络能带给我们什么？
学习、生活中所需的资料 １、考研、考博信息 ２、出国留学的所有信息 ３、火车时刻表、航班、万年历等 ４、旅游信息等 …… 科研工作中所需的资料 １、查找相关领域的最新研究进展 ２、查找科研成果的转化对象 ３、查找原始文献的出处
网络信息资源检索
概述：
Google scholar初级检索界面
搜索结果
检索语法规则和表达式:
与Google基本相同,OR要大写.
• 1、主题词:
支持精确检索“”
• 2、著者:
author: NANPING XU • 3 、著者+主题词: • author: Nanping Xu membrane • author: Nanping Xu "microfiltration membranes " author:徐南平
常见的搜索引擎
1. Google （http://www.google.com）
Google是美国斯坦福大学27岁博士生佩基和26岁布林在1998 年创立，短短两年间，便赢得搜索速度最快和搜索结果最精确 的美誉，该网站每天的浏览人数高达4000万人次。 Google.com可检索的网页高达30亿多。
每个月Google属下的一万台计算机都要大海捞针似地对互联
网进行搜索，每秒钟搜索的网页数量高达1000页，然后再把它 们编成索引。
索引自1998年前开始积累，现在的条目数量已达到13亿多。
Google中文主页
特点：
–1）傻瓜式的。 –2）无所不能。 –3）全世界任何角落里的资料均能搜索到。 • 例子：学习、生活中所需资料 1、国民生产总值 2006 2、How to give the presentation in Conference? 3、上海浦东机场班车 4、关于轮椅上的博士生侯晶晶的资料 5、南京治疗肠癌的专家是谁？ • 科研工作中所需资料 1、寻找科研成果的转化对象 2、实验所需仪器设备和原料的生产厂家 ——万分之一电子天平，高速搅拌机、碳纤维