搜索引擎

析基 础 。
ｋ ｄ和 ｄ ｄ ｍ。
２ 网上信息资源开发利用 的新技 术一
的信息检索模型有集合理论模型 、 代数模型 、 概 搜 率模型和混合模 型四种 。
１ ． ２联机分析处理（ｌｐ 技术 ｏａ ） 随着 数据仓库 的发展 ，ｌ ｏ ｐ也 得到迅 速发 ａ 展 。 ｌｐ是在联机事务处￣（ｌ ） ｏａ ｏｐ 基础上发展起 ｔ 来 的一种共享多维信息的快速分析技术 ，这与 数据 库中多维数据 组织正好形成 相互 结合 、 相 互补充 的关 系。其典型的应用有对银行信用卡 风险 的分析与预测 、公司市场营销策略的制定 等。 ｏ ｐ 术 中 比较 典型 的应用是 对 多维 数 ｌ 技 ａ 据进行交互式查询和数据分析 ， 交互式操 作有 多种 ，主要 包括对 多维数据的切 片和切块 、 钻 取、 旋转等 ， 它便于使用者从不同角度提取有关 数据 。ｏ ｐ ｌ 技术还能够利用分析过程对数据 进 ａ 行深入分析和加工 。 １ ． ３数据挖掘（ ｍ） ｄ 和知识发现（ｄ ） ｋ ｄ ｄ ｍ和 ｋ ｄ也是为解决数 据库 数据量 的爆 ｄ 炸性增长与开发利用困难的矛盾应运而生 的信 息技术 。ｋ ｄ ｄ 是从数 据库大 量的数 据 中通过分 析提取出隐含的、 新颖的、 有效 的并能被人理解 的规则或模式的高级处理过程 。这 里的规则或 模式即是我们平常所说的知识 。它给 出数据 的 某些特性或数据之间的关 系 ，是对数据处理后 获取的更深层 次的可供决策支持 的信息 。实 际 上从逻辑关 系上讲 ，ｍ和 ｋｄ是包含关 系 ， ｄ ｄ ｄ ｍ 是 ｋｄ ｄ 中的一个 步骤 ， 它主要是利用某些特定 的知识发现算 法 ， 在一定 的运算效率的限制 内， 从数据 中发现 出有关 的知识 ，但 ｄ ｍ是 ｋ ｄ中 ｄ 最重要的一步。 因此 ， 往往可 以不加 区别地使用
信Ｊ 『 ｌ 息 产 业
科
搜 索 引 擎
张剑 瑛
（ 南京航 空航 天大学信息科 学与技 术学院， 江苏 南京 ２ ０ １） １０ ６
摘 要： 阐述了深入开发 大规模数据库资源所采用的几项新技术及如何采用搜索引擎查找 ｉｔ ｔ ｎ ｍｅ 网上丰富的信 息资源及搜索 引擎发展 动向。 ｅ 关键词： 息资源； 信 数据仓库； 联机分析处理； 数据挖掘； ｔ ｎｔ搜 索引擎 ｉｅ ｅ ｎｒ 随着 各类信息系统 与数据库 的建立 ， 如何 开发信 息资源使之 有效地在管理 和决策 中发挥 作用 ， 急需解决的问题 。利用数据仓库技术 、 是 联机分析处 理 （ｌ ） ｏ ｐ 技术 、 ａ 数据挖 掘（ ｍ） ｄ 和知 识发现（ｄ） ｋ ｄ这些工具从大规模数据集合 中挖掘 深 层信息 。因特 网的迅 猛发展 ，ｅ 信息 的增 ｗｂ 加， 快速有效地查询信息亦是信息资源开发利 用 的一个重要部分 。搜索引擎技术解决了用户 查找 ｉ ｅ ｅ 信息 的困难 ， ｎｍｔ ｔ 目前搜 索引擎技术正 成为 计算机科学 界和信息产业界 争相研究 、 开 发 的对象 。本文 旨在对 以上的几项新技 术进行 简单 的介绍 ， 以起到抛砖引玉的作用。 １大规模数据库资源深入 开发的新技术 １ ， １数据仓库技术 数据 仓库是 支持 管理决 策过程 、面 向主 题、 集成 的 、 稳定 的数据集合 ， 它将 大量用 于事 务处理的传统数据库进行 清理 、 抽取和转换 ， 并 按决策主题的需要进行重新 组织 。数据仓库 的 逻辑结构可分为近期基本 数据层 、历史数据层 和综合 数据 层 （ 中综 合数 据是为 决策 服务 其 的） 数据仓库 中数据 的物理存储形式有多维数 。 据库组 织形 式和 基于关 系数 据库组 织形 式两 种。 前者的数据组织以空间超立方体形式存在 ， 后者 由关 系型事实表 和维表组成 。这种高度集 中的数 据为各 种不 同决策需求提供 了有用 的分
一Leabharlann 一９ ３—索引擎的使用及技术动向 ２２４用户接 口： ．． 用户接 口的作 用是输入用 搜索引擎是指因特网上专 门提供查 询服 务 户查询 、 显示查询结果 、 提供用户相关性反馈机 的一类网站 ， 网站通过 网络搜索软件 （ 这些 又称 制。用户输入接 口可 以分为简单接 口和复杂接 为网络搜 索机器人 ） 或网站登 录等方式 ， 收集 因 口两种。简单接 口只提供用户输入查询串的文 特网上大量网站的页面 ， 经过加工处理后建库 ， 本框 ， 复杂接 口 以让用户对查询进行限制。 可 从而能够对用 户提出的各种查 询作 出响应 ， 提 ２３未来发展趋势 － 供用 户所需 的信息 。 ｅｎ 于 ２ ０ 年 ７ ２ 据 ｎｉ ｅ ００ 月 ７ 随着 ｗ ｗ信息 的指数增加 ， ｗ 目前 的搜 索引 Ｅ发布的统 计资料 ，搜索引擎的使用 已经 占到 擎存在搜 索速度慢 、 １ 死链接太多、 重复信息或不 网络应用的 ５ ． ％， 为中国当前第 二大互联 相关信息较多 ，越来越难以满足人们 各种信 息 ５１ 成 ９ 网应用 ， 仅次 于收发 ｅ ｍ ｉ 搜 索引擎的重要性 需求 ， — ａ， ｌ 搜索 引擎将 向智 能化、 精确化 、 交叉语 言 已成为 网站建设的重要功能。 检 索、 多媒体检索 、 化等适应不 同用户需求 专业 ２１搜索 引擎 的使用 ． 的方向发展 。 目前几个 比较 大的中文搜索引擎是 ： 雅虎 ２ ． 智能化 的搜索引擎 ： ．１ ３ 智能检索系统是 中国 （ 网址 ：ｔ ： ｎ ａｏ ． ｍ 简体 ） 搜 狐（ ｈ ｐ ／ ． ｈｏ ｏ （ ｔ／ ｙ ｃ ｅ ） ； 网 搜 索引擎 的发展方向。它利用智能代理技术对 址 ：ｕ ：ｗ ｗ．ｈ ． ｍ）新 浪 （ ｈ ｐ／ ｗ ｓ ｕｃ ： ／ ｏ ｏ 网址 ：ｔ ：ｗ ｗ 用 户的查询计划 、 图、 ｈｔ ／ ｗ ． ｐ／ 意 兴趣方 向进行推 理 ， 用 ｓ ａｃｍ． ） ｉ ． ｅ ；网易 （ ｎ ｏ ｎ 网址 ：ｔ ／ ｗ １３ｃｒ） 自动获得 的知识进行信 息搜集过滤 ， 自 ｈｔ ／ ｗ． ． ｎ ｐ：ｗ ６ ｏ 动地将 等， 这些网站一般都提供“ 分类检索 ” 关键 词 用户感兴趣的 、 和“ 对用户有用 的信息提交给用户 。 查询” 的普通搜索功能 ， “ 分类检索 ” 是从搜索 首 智能代理具有 不断学 习、适应信息和用户兴趣 页按照树型 的主题 分类逐 层点击来查找所需 信 动态变化的能力 ， 从而提供个性化 的服务 。 息的方法 ；关键词查询 ”是用所需信息 的主题 “ ２３２实现交叉语 言的检索 ： 索引擎对多 ．． 搜 （ 关键词 ） 行查询 的方法 。 进 种语言的数据库进行交叉语言信息检索 ，返 回 在 ｉ ｅ ｅ 如此浩 瀚的信息 海洋里 寻找信 能够回答 用户 问题 的所有语言的文档。若配上 ｎｒ ｔ ｔｎ 息， 首先 ， 该使用 一个 以上搜索引擎 。除非你 机器翻译 ，就可使返 回结果 以用户熟悉的语言 应 第 一次就 发现完美 的搜索结果 ，否则就应该搜 显示。 虽然该技术 目 前还处 于初步研究 阶段 ， 其 索第 二次 和第三次 。如果你不搜索一个 以上搜 难点在于语言之 间在表达方式和语义对应上的 索 引擎 ， 你将错过很多 网络资源 。其二 ， 平时通 不确定性 ， 但其确是发展方 向。 过大 量实践 ， 仔细体会每个搜索引擎的特色 和 ２３ 多媒体搜索 引擎 ： ＿３ ＿ 随着宽带技术 的发 功能 。其三 ， 统计表 明， 很多用户只输入一个词 展 ， 的互联 网是多媒体数据的时代。 未来 开发出 进行查询 ， 查询结果往往有很多不需要的匹配 。 可查询 图象 、 声音 、 图片和电影的搜索引擎是 一 建议 同时使用多个词 以缩小搜索范围。 四， 其 如 个 新 的方 向 。 果你最初 的查找并不成功 ，可以用同义词进行 ２ ．专业化搜索 引擎 ： ．４ ３ 综合性 的搜索 引擎 查找 。 收录各 方面 、 各学科 、 各行业 的信息 ， 而专题性 ２２搜索引擎的主要技术 ． 的搜索引擎则是为了专门收录某一行业 、某一 个搜索引擎 由搜索器、 索引器、 检索器和 主题和某一地 区的信息而建立 ， 保证 了对该领 用户接 口四个部分组成。 域信息 的收录齐全与更新 及时 ， 常实用 ， 非 如商 ２２１ ．． 搜索器 ： 搜索器 的功能是在互联 网中 务查询 、 企业查询 、 人名 查询 、 电子 邮件地址查 漫游 ， 发现和搜集信息。 它常常是一个计算机程 询和专业信息查询等。 序 日夜不停地运行 。 它要尽可能多 、 尽可能快地 参 考 文 献 搜集各种类型的新信息和定期更新 已经搜 集过 ［】 １李建 中． 据库技 术向何 处去 ． ｔ：ｗ ｗｃｉ 数 ｈ ｐ ／ｗ ． — ｔ／ ｃ ｅ ｔｅ ｍ， ９ ９ １ ． 的旧信息 ， 以避免死连接 和无效连接 。 索器的 ｄ ｎ ．ｏ １ ９ ／ ２ 搜 ２张 康 数 ｈ ｐ ／ｗ ． － ｔ／ ｃ 实现常常采用分布式、 并行计算技术 ， 以提高信 【］ 澜 ， 增 培 ． 据 仓 库 白皮 书 ． ｔ：ｗ ｗｃｉ ｄ ｎ ．ｏ ， ０ ／ ． ｅ ｔｃ ｒ ２ ０１３ ｎ 息发现和更新的速度。 ２２２索引器 ： ．． 索引器 的功 能是 理解搜 索器 【］ ３赛迪 网咨询部 ． 内搜 索引擎市场调 查报告． 国 ｔ ／ ｐ：ｗｗｗ．ｅｄ ｎ．ｏ ｍａｋ ｔ ｅ ｏｔ２ ０ １ ／５ ｃ ｉｅ ｔ ｍ／ ｒ ｅ／ ｐ ｒ ０ ０／０２ ／ ｃ ｒ ／ 所搜索的信 息 ， 从中抽取 出索 引项 ， 用于表 示文 ｈｔ ／ 档以及生成文档库的索引表。索 引器可 以使用 【 晓 明， ４ 降 刘建 国． 索 引擎技 术及趋 势．ｔ／ 搜 ｈ ｐ／ ｔ： ｃｉｅｔ ｒ ２０ ／． ｓｅ 集中式索引算法或分布式索 引算法 。索 引算法 ｗｗｗ．ｅ ｄ ｎ ．ｏ ． ０ ０ ３ 对索引器的性能 （ 如大规模峰值查询时 的响应 ［ 刘晓华． 索相擎挑 战智能化 ． 电脑世界， ５ ］ 搜 微 速度 ） 很大的影 响。 有 ２ｏ（ ｏｏｕ． ２ ＿ 检索器 ： ．３ ２ 检索器的功能是 根据用户 的 ［ 范新 宇． 索相 擎渐入 佳境 微 电脑世界 ， ６ 】 搜 查询 在索引库中快速检 出文档 ，进行文档 与查 ２ ０ （） ００１． 询的相关度 评价， 对将要输 出的结果进行排序 ， 并实现某种用户相关性反馈机制 。检索器 常用