因特网信息检索与应用4

信息检索工具及其分类
• 1.目录型检索工具 • 由信息管理专业人员广泛搜集网络资源，并进行 加工整理的基础上，按照某种主题分类体系编制 的一种可供检索的等级结构式目录。典型： yahoo yahoo！搜狐 • 2.搜索引擎 • 使用自动检索软件来发现、收集并标引网页，建 立数据库，以web页形式提供给用户一个检索界 面，供用户输入关键词、词组或短语等检索项， 代替用户在数据库中查找出与其提问匹配的记录 并返回结果，且按入方法同文字搜索，不过搜索图象一般不会用 太长、太复杂的关键词。 使用英文作关键词可以搜到许多准确的结果， – 图象搜索中，使用英文作关键词 使用英文作关键词 使用中文，效果较差，但有时Google会自动转换为英文 或中文的拼音去搜索（有时欠稳定，其他内容的搜索也有 此现象）。 – 可以指定图片文件的类型：JPG或GIF
Web信息检索
搜索引擎的应用现状
• 从用户使用的角度，国外的调查发现：
– 网上搜索信息的人很少考虑如何找到他们所需要 的信息，因此搜索信息时象动物猎食般盲目； – 只有18%的用户表示总能在网上搜索到需要的信 息。68%的用户说他们对搜索引擎很失望； – 平均每个搜搜者在12分钟的徒劳搜索后就感到恼 火和受挫。 – 46%的人只会用同一个关键词搜啊搜啊，而且是 在同一个搜索引擎。
搜索引擎的基本功能
• • • • • • • • • 1.一般检索功能 Boolean（布尔逻辑检索）+、Phrase（词组检索）“” – Truncation（截词检索）* ？ Fields（字段检索） 2.特殊检索功能 自然语言检索 多语种检索 区分大小写的检索
值得推荐的几个中文搜索引擎
• 全文搜索
• 新浪图片搜索:
– 新视科技：，提供多媒体搜 索
• 找地图
– 城市通： – 图行天下：
使用Google进行搜索
• Google简介
– 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。1998年至今，Google 已经获得30多项业界大奖。 – Google支持多达132种语言，包括简体中文和繁体中文； – Google网站只提供搜索引擎功能，没有花里胡哨的累赘； – Google速度极快，据说有15000多台服务器，200多条T3级宽带； – Google的专利网页级别技术PageRank能够提供高命中率的搜索结 果； – Google智能化的“手气不错”功能，提供可能最符合要求的网站； – Google的“网页快照”功能，能从GOOGLE服务器里直接取出缓存 的网页。
• FTP复杂搜索：
–
– – – – – 从FTP检索页面里点击“FTP复杂选项”进入“FTP复杂搜索”页面。在复 杂搜索页面里，如果没有填写或者没有选择，表示使用缺省值。 文件大小过滤： 文件日期过滤： 页面显示个数： 文件类型： 限定搜索的站点范围
• 结果显示：
– 每个结果前的图标是该文件的文件类型图片， 表示“图像”、“声音”、 “视频”、“压缩”、“文档”、“程序”、“目录”、“源代码”或者 表 示搜索引擎系统未定义的文件类型； – 图标后是文件名，点击可以打开文件；文件名后是文件的创建时间和文件的 大小； – 文件名下方是该文件所在的目录，点击可以在新的窗口里打开该目录。
为什么搜不到？---之二
• 2、搜索引擎库里有，但是未能正确索引网页中信息
– – – – 分词引起误差 图型中的文字信息你看得懂但搜索引擎看不懂 停用词等搜索引擎故意不索引的信息 搜索引擎对某些网页有选择的索引，未索引全部网页信息
• 3、搜索引擎正确索引了网页中信息，但和你用的关键词 不同
– 你用的搜索关键词中含有错别字 – 网页作者用了错别字 – 没有错别字，但网页作者用的词汇和你的关键词不同，毕竟，文 字的特性，允许有n种方式表达同一种信息 – 简体繁体不同编码
• 搜索有多少链接到某个地址的网页
– Link:
Google的高级搜索
• Google的高级搜索可实现前面所说的各种 特殊的搜索，免除用户记忆语法结构。
– 在Google的网页上，点击“高级搜索”即可。 – 推荐大家使用英文版的Google,以及英文版的帮 助文档。/about.html
• 如果用搜索引擎，则选择关键词很重要。通常可用 以下关键词：
软件名 下载 版本 cdkey 软件大小
使用网络实名
• 登陆, 为自己的电脑开启网络 实名功能。
– “3721网络实名”是新一代的网络访问技术，它 具有十大功能，其中智能推测、拼音使用等功能 可以帮助我们搜索那些名称不确切的网址。 – 访问新浪，只要在地址栏打入“新浪”或 “xinlang”即可 – 例如：在浏览器地址栏中输入上市公司股票代码， 就可以获取实时行情
• 如 panda filetype:jpg
搜索特殊格式的文件
• 目前可搜索的文件格式：
– DOC、PPT、XLS、RTF、PS、TXT、Lotus文件； – PDF格式 – 最精彩的，可搜索Flash文件： SWF文件
• 方法：
– 关键词 filetype:*** – 搜索包含关键词的文档（但又不尽然）。搜索到后， 可点击打开，也可右键快捷菜单用“另存为”。对于 Office文档，还可以用HTML方式打开，以避免病毒的 袭击。
– 使用一句话进行搜索 – 加上双引号。这在查找名言警句或专有名词时显得格外有用。
• Google对网络上常见得英文单词及一些标点符号作忽略处理
图象搜索
• 目前Google可搜索8.8亿张图片,自称为“因特网上 最好用的图像搜索工具”
– 或点击Google主页上的“图象搜索” 链接。 – 目前的图象搜索主要是基于文件名的搜索，不是基于图象 内容的。
关于软件的搜索
• 软件下载网站主要有三类： • 大型软件下载网站
– 主要提供普通的免费和共享软件。如：
• 软件主页
– 一些最新版本的共享软件以及软件的补丁，或者软件公司 推出的免费软件。如：Microsfot、Adobe、Lotus等公司的 站点
• 个人主页下载
– 可以找到正式网站找不到的内容。 • 在教育网内，许多情况下可以用天网的FTP搜索。
• 网易、搜狐、263使用了它的搜索引擎。
– 北大天网：
• 大量教育网内的资源，提供FTP搜索
– 几大门户网站也有自己的搜索引擎，有时也能发挥作用。
推荐的搜索引擎
• 网站分类目录搜索
– – – – – 新浪：其网站搜索最好 搜狐：网站的分类目录整理最好，最适合于浏览 网易：开放式目录，有许多网上高手加盟 中文Yahoo 另类：网络实名
天网的FTP搜索
• 地址：
– 缺点：死链接太多，许多是学生的服务器，运行不稳定
• 简单搜索
– 输入要查询的文件名字符)、空格(表示几个查询的并)。
• 按类别搜索文件
– 点击“分类搜索”下的各种类型，如“图像”、“声音”、
其他特殊的搜索
• 搜索的关键词包含在URL链接中
– Inurl:mp3 yesterday once more – 可用于搜索MIDI、MP3等文件
• 搜索的关键词包含在网页标题中
– Intitle:Foshan University
• 搜索指定的网站范围
– 在图象搜索中，用：Panda site:
“视频”、“压缩”、“文档”、“程序”、“目录”、“源 代码”，则搜索引擎在指定的类型里搜索文件。比如点击“图 象”，则在所有的图象文件里查找与匹配串相符的文件。
• 使用快捷方式(已经做好的分类）
– 天网搜索引擎为用户常用的搜索提供了快捷方式，使用起来
极为简单，直接点击快捷方式下所要的内容即可。
天网FTP
文本搜索
• 文本搜索
– 目前Google已经收集索引了40多亿张网页 – 使用单个关键词进行搜索
• 理解什么是“关键词”，跟普通意义上的关键词不同。 • 想象目标网页上应该有的若干个词。 • 网页的排名问题
– 使用两个及两个以上关键词进行搜索
• 直接输入多个关键词，关键词之间用空格，这样就表示“AND”关系； • 用减号“-”表示“非”，用于表示要求搜索结果不包含某些特定信息； • Google的帮助网页上说，不支持OR关系，实际上是支持得不好；
国外的应用状况
– 那些每周平均花5个小时以上时间上网的人，将其 上网时间的71%都花在了搜索引擎上； – 人机界面高手nielsen（google的设计者）研究表 明：
略超过1/2的互联网用户属于search-dominant, 1/2 search-dominant, 约1/5用户属于 link-dominant, 其它用户的搜索倾向属于混合行为型。 search- dominant在到达一个网站后直接就奔向搜索按 钮，他们对浏览网站不感兴趣，他们有明确的目的， 倾向于以最快速度找到信息。 • 相反，link-dominant喜欢点击浏览一个网站，即使他 们想找特殊信息时也是这样，只有在他们用点击超链 的方法已经实在找不到了，才会想起搜索按钮。 • • • •
国内的应用状况
• 国内的调查发现：
– cnnic2004年1月的调查：
• 61.6%的中国互联网用户经常使用搜索引擎（仅次于 E-mail）。 • 83.4%的中国互联网用户得知新网站的主要途径是搜 索引擎。
– 赛迪咨询的搜索引擎调查：截止2000年8月， 92.9%的网民使用过搜索引擎，同时有六成左右 的网民将搜索引擎列为经常使用的网络服务。 – 新浪搜索的统计表明：第1条搜索结果获得的点 击量，是第2页第1条的150倍。