Internet信息检索

各个阶段，每个阶段、每种检索方式都有它的特点与局限性。

Internet信息检索所具有的多样性、灵活性远远超出了传统的信息检索，我们需要继承与沿用在传统信息检索中业已形成的某些检索思维模式及一些已成定势的检索方法，更需要掌握Internet信息检索所具有的特点、了解影响信息检索的因素，通过实践提高获取信息的能力。

一、 Internet信息检索方法要想在Internet上获得自己所需要的信息，就必须知道这些信息存储在那里，也就是说要知道提供这些信息的服务器在Internet上的地址，然后通过该地址去访问服务器提供的信息。

在Internet上，www信息资源的一般查询方法有：基于超文本的信息查询、基于目录的信息查询和基于搜索引擎的信息查询。

1．基于超文本的信息查询通过超文本链接逐步遍历庞大的Internet，，从一个www服务器到另一个WWW服务器，从一个目录到另一个目录，从一篇文章到另一篇文章，浏览查找所需信息的方法称为浏览，也称基于超文本的信息查询方法。

基于超文本的浏览模式是一种有别于传统信息检索技术的新型检索方式，它已成为Internet上最基本的查询模式。

利用浏览模式进行检索时，用户只需以一个节点作为入口，根据节点中文本的内容了解嵌入其中的热链指向的主题，然后选择自己感兴趣的节点进一步搜索。

在搜索过程中，用户会发现许多相关的节点内容根本没被自己所预想到，而是在浏览过程中不断蹦出来，提醒用户注意它。

随着www服务器的急剧增加，通过一步步浏览来查找所需信息己非常困难,为帮助用户快速方便地搜寻所需信息，各种www信息查询工具便应运而生，其中最有代表性的是基于目录和基于搜索引擎的信息查询工具，而利用这些工具来查找信息的方法就被称为基于目录和基于搜索引擎的信息查询方法。

2．基于目录的信息查询为了帮助Internet上用户方便地查询到所需要的信息，人们按照图书馆管理书目的方法设置了目录。

网上目录一般以主题方式来组织，大主题下又包括若干小主题，这样一层一层地查下去，直到比较具体的信息标题。

目录存放在www服务器里，各个主题通过超文本的方式组织在一起，用户通过目录最终可得到所需信息的网址，即可到相应的地方查找信息，这种通过目录帮助的方法获得所需信息的网址继而查找信息的方法称为基于目录的信息查询方法。

有许多机构专门收集Internet上的信息地址，并编制成目录提供给网上用户。

如Yahoo 就是一个非常著名的基于目录帮助的网址，其目录按照一般主题组织，顶层按经济、计算机、教育、政治、新闻、科学等分成14大类目录，每一大类又分成若干子类，层层递进。

3．基于搜索引擎的信息查询基于搜索工具的检索方法接近于我们通常所熟悉的检索方式，即输入检索词以及各检索词之问的逻辑关系，然后检索软件根据输入信息在索引库中搜索，获得检索结果(在Internet上是一系列节点地址)并输出给用户。

搜索引擎实际上是Internet的服务站点，有免费为公众提供服务的，也有进行收费服务的。

不同的检索服务可能会有不同界面，不同的侧重内容，但有一点是共同的，就是都有一个庞大的索引数据库。

这个索引库是向用户提供检索结果的依据，其中收集了Internet 上数百万甚至数千万主页信息，包括该主页的主题、地址，包含于其中的被链接文档主题，以及每个文档中出现的单词的频率、位置等。

二、影响Internet信息检索的因素影响Internet，信息检索的因素很多，如信息资源质量、检索软件、用户水平等。

1．信息资源质量对信息检索的影响丰富的信息资源为Internet信息检索系统提供了庞大的信息源，但由于其收集、加工、存储的非标准化，给信息检索带来难题。

(1) 信息资源收集不完整、不系统、不科学，导致信息检索必须多次进行，造成人力、物力和时间上的浪费。

(2) 信息资源加工处理不规范、不标准、使信息检索的查全率、查准率下降。

(3) 信息资源分散、无序、更换、消亡无法预测，因此用户无法判断网上有多少信息同自己需求有关，检索评价标准无法确定。

(4) 信息资源由于版权和知识产权问题，也给信息检索带来麻烦。

由于Internet，是一个非控制网络，所有网上公用信息均可以自由使用、共同分享，网上电子形式的文件极易被复制使用，这样就容易引起知识产权、版权及信息真伪等问题。

(5) 信息的语言障碍问题。

目前Internet上800亿以上的信息是以英语形式发布，英语水平低和不懂英语的人很难利用Intemet上庞大的信息资源。

对中国用户来说，虽然网上中文信息剧增，但还是需要查询西方国家先进科技信息，由于缺乏汉化软件、自动翻译系统尚未成熟，因此，语言障碍也影响了广大用户对网上信息资源的开发与应用。

2．检索软件对信息检索的影响Internet将世界上大大小小、成千上万的计算机网络连在一起，成为一个没有统一管理的、分散的，但可以相互交流的巨大信息库，这意味着人们必须掌握各种网络信息检索工具，才能检索到自己所需要的网络信息资源。

但是由于Internet信息组织的特殊性和目前检索工具自身存在的一些问题，给信息检索带来一些问题。

(1) Internet上的信息存放地址会频繁转换和更名，根据检索工具检索的结果并不一定就能获得相应的内容。

(3) 每种检索工具虽然仅收集各自范围内的信息资源，但也难免使各种检索工具的信息资源出现交叉重复现象。

3．用户水平对信息检索的影响在Internet这个开放式的信息检索系统中，用户不仅要自己检索信息资源，同时还进行信息资源的收集、整理、存储工作。

因此，Intemet用户的信息获取与检索能力对信息检索有着直接的影响。

(1) 用户对信息检索需求的理解和检索策略的制定关系到信息检索的质量。

(2) 用户的计算机操作能力及网络相关知识的掌握程度影响着信息检索的效率。

(3) 用户对网络信息检索工具的应用熟练程度影响着信息检索的效果。

(4) 用户的外语水平影响着信息检索的广度与深度。

Chapter 2 搜索引擎的使用一、关键词选择合适的关键词是最基本、最有效的搜索技巧。

选择查询词是一种经验积累，在一定程度上也有章可循，表述准确搜索引擎会严格按照您提交的查询词去搜索，因此，关键词表述准确是获得良好搜索结果的必要前提。

1、一类常见的表述不准确情况是，脑袋里想着一回事，搜索框里输入的是另一回事。

例如：要查找2008年国内十大新闻，查询词可以是“2008年国内十大新闻”；但如果把查询词换成“2008年国内十大事件”，搜索结果就没有能满足需求的了。

2、另一类典型的表述不准确，是查询词中包含错别字。

例如：要查找林心如的写真图片，用“林心如写真”，当然是没什么问题；但如果写错了字，变成“林心茹写真”，搜索结果质量就差得远了。

主流搜索引擎对于用户常见的错别字输入，有纠错提示，比如：在Google中若输入“林心茹写真”，在搜索结果上方，会提示“您要找的是不是: 林心如写真”。

3、查询词的主题关联与简练目前的搜索引擎并不能很好的处理自然语言。

因此，在提交搜索请求时，最好把自己的想法，提炼成简单的，而且与希望找到的信息内容主题关联的查询词。

例如，某家长想给三年级小孩，想查一些关于时间的名人名言，他的查询词是“小学三年级关于时间的名人名言”。

这个查询词很完整的体现了搜索者的搜索意图，但效果并不好。

原因：绝大多数名人名言，并不规定是针对几年级的，因此，“小学三年级”事实上和主题无关，会使得搜索引擎丢掉大量不含“小学三年级”但非常有价值的信息；“关于”也是一个与名人名言本身没有关系的词，多一个这样的词，又会减少很多有价值信息；“时间的名人名言”，其中的“的”也不是一个必要的词，会对搜索结果产生干扰；“名人名言”，4、根据网页特征选择查询词很多类型的网页都有某种相似的特征。

例如，小说网页，通常都有一个目录页，小说名称一般出现在网页标题中，而页面上通常有“目录”两个字，点击页面上的链接，就进入具体的章节页，章节页的标题是小说章节名称；软件下载页，通常软件名称在网页标题中，网页正文有下载链接，并且会出现“下载”这个词等等。

经常的搜索，并且总结各类网页的特征现象，并应用查询词的选择中，就会使得搜索变得准确而高效。

如找明星的个人资料页，一般来说，明星资料页的标题，通常是明星的名字，而在页面上，会有“姓名”、“身高”等词语出现。

例如：找林青霞的个人资料，就可以用“林青霞姓名身高”来查询。

而由于明星的名字一般在网页标题中出现，因此，更精确的查询方式，可以是“姓名身高 intitle:林青霞”。

Intitle，表示后接的词限制在网页标题范围内。

二、主题词加上特征词的查询构造方法主题词加上特征词的查询构造方法，适用于搜索具有某种共性的网页1、使用布尔运算符——and/or许多搜索引擎都允许在搜索中使用两个不同的布尔运算符：AND和OR。

例如：如果你想搜索所有同时包含“干洗”和“连锁”的Web站点，输入如下关键字：干洗 AND 连锁（and可以用空格代替）搜索将返回以干洗连锁为主题的Web站点。

例如：如果想要搜索所有包含“干洗”或“连锁”的Web站点，输入下面的关键字：干洗 OR 连锁（or可以用"|"代替，据笔者观察，百度中使用"|"比较准）搜索会返回与干洗有关或者与连锁有关的Web站点。

2、把搜索范围限定在网页标题中——intitle网页标题通常是对网页内容提纲挈领式的归纳。

把查询内容范围限定在网页标题中，有时能获得良好的效果。

使用的方式，是把查询内容中，特别关键的部分，用“intitle:”领起来。

例如：找有关mba的留学信息，就可以这样查询：mba intitle:留学注意：intitle:和后面的关键词之间，不要有空格。

3、把搜索范围限定在特定站点中——site有时候，你如果知道某个站点中有自己需要找的东西，就可以把搜索范围限定在这个站点中，提高查询效率。

使用的方式，是在查询内容的后面，加上“site:站点域名”。

例如：在"生活常识网"中搜索有关"美容"的文章，就可以这样查询：4、把搜索范围限定在url链接中——inurl网页url中的某些信息，常常有某种有价值的含义。

如果对搜索结果的url做某种限定，就可以获得良好的效果。

实现的方式，是用“inurl:”，后跟需要在url中出现的关键词。

例如：找关于photoshop的使用技巧，可以这样查询：P hotoshop inurl:jiqiao上面这个查询串中的“photoshop”，是可以出现在网页的任何位置，而“jiqiao”则必须出现在网页url中。

注意：inurl:语法和后面所跟的关键词，不要有空格。

5、精确匹配——""如果输入的查询词很长，搜索引擎在经过分析后，给出的搜索结果中的查询词，可能是拆分的。