信息检索发展

网络信息检索的现状与发展

1990年以前，网络信息检索的现状与发展没有任何人能够检索互联网上的信息。应该说，所有的网络信息检索工具都是从1990年的Alan Emtage等人发明的Archie开始的，虽然它当时只可以实现简单意义上的FTP文件检索。随着World Wide Web的出现和发展，基于网页的信息检索工具出现并迅速发展起来。1995年基于网络信息检索工具本身的检索工具元搜索引擎由美国华盛顿大学的Eric Selberg 等发明。伴随着网络技术的发展，网络信息检索工具也取得了十足的发展，那么这些检索工具的现状和发展趋势如何呢？本文将试作以探讨。

1.基于网页的网络信息检索工具的现状和发展趋势

1.1现状。网页是因特网的最主要的组成部份，也是人们获取网络信息的最主要的来源，为了方便人们在大量繁杂的网页中找寻自己需要的信息，这类检索工具发展的最快。一般认为，基于网页的信息检索工具主要有网页搜索引擎和网络分类目录两种。网页搜索引擎是通过“网络蜘蛛”等网页自动搜寻软件搜索到网页，然后自动给网页上的某些或全部字符做上索引，形成目标摘要格式文件以及网络可访问的数据库，供人们检索网络信息的检索工具。网络目录则是和搜索引擎完全不同，它不会将整个网络中每个网站的所有页面都放进去，而是由专业人员谨慎地选择网站的首页，将其放入相应的类目中。网络目录的信息量要比搜索引擎少得多，再加上不同的网络目录分类标准有些混乱，不便人们使用，因此虽然它标引质量比较高，利用它的人还是要比利用搜索引擎的人少的多。

但是由于网络信息的复杂性和网络检索技术的限制，这类检索工具也有着明显的不足。（1）随着网页数量的迅猛增加,人工无法对其进行有效的分类、索引和利用。网络用户面对的是数量巨大的未组织信息，简单的关键词搜索,返回的信息数量之大,让用户无法承受。（2）信息有用性评价困难。一些站点在网页中大量重复某些关键字,使得容易被某些著名的搜索引擎选中，以期借此提高站点的地位,但事实上却可能没有提供任何对用户有价值的信息。（3）网络信息日新月异的变更,人们总是期望挑出最新的信息。然而网络信息时刻变动,实时搜索几乎不可能，就是刚刚浏览过的网页,也随时都有更新、过期、删除的可能。

1.2发展趋势。网络信息检索工具的发展主要体现在进一步改进、完善检索工具和检索技术，以提高检索服务质量，改变网络信息检索不尽如意的地方。主要体现在以下几个方面：

1.21网络检索工具开发提供商之间合作越来越紧密。过去一般网络检索工具提供商只依靠自己建立的数据库来提供检索服务，检索范围有限，而现在某些著名的搜索引擎在购买其他公司的数据库或者技术内核，有的与其他搜索引擎建立伙

伴关系，以便用户使用。比如著名雅虎现在采用的是Google的搜索内核，网易也曾经使用Google的搜索内核技术来丰富自己的搜索引擎数据库，硅谷动力、广州视窗、新浪、搜狐、Chinaren、21cn、263、Tom等搜索引擎使用融合了百度的搜索内核技术等等。

1.22信息检索工具专业化及服务内容深化。一些检索工具已经不再盲目追求加大收录和标引量，而更加注重突出专业特色。在lycos搜索引擎目录中，我们可以看到商业搜索引擎、IT搜索引擎、人才搜索引擎、金融搜索引擎、医学搜索引擎等专业化的网络信息检索纷纷出现，信息检索工具的专业化已经成为一种不可逆转的趋势。信息检索服务商将服务更加深化：Google推出了网页引文查询服务，通过它可以查看自己所要查询的资料被其他网站引用的情况，从而使用户更好的把握网页信息的质量；2003年8月，第三代中文搜索引擎慧聪问世，它则集“广泛的地域搜索”、“强大的行业搜索”、“完美的MP3、Flash搜索”众多搜索功能为一体，还开发了“针对内容的相关性查询”和“符合汉语特性的模糊查询”，可以实现汉语拼音查询和同音词纠错。

1.23网络信息工具智能化的发展趋势：（1）信息检索工具的智能化首先是网络蜘蛛的智能化。针对网络信息的动态更替性，网络蜘蛛通过启发式学习采取最有效的搜索策略,选择最佳时机获取从Internet上自动收集、整理的信息。网络蜘蛛能在网络的任何地方工作,能尽可能地挖掘和获得信息。网络蜘蛛还要有网页跟踪监测功能，如果网页出现更新、删除等情况要及时在数据库中更新。网络蜘蛛具有跨平台工作和处理多种混合文档结构的能力。（2）其次是检索软件的智能化。现在主要有智能搜索引擎、智能浏览器、智能代理。这些网络检索工具都非常重视开发实现基于自然语言形式的输入，检索者可以将自己的检索提问以及所习惯的短语、词组甚至句子等自然语言的形式输入，智能化的检索软件将能够自动分析，而后形成检索策略进行检索。比如现在的百度搜索可以在你输入关键词以后，不断提供一些相近的关键词供你选择，直至找到你所需要的结果。Google则借助于机器翻译技术，将一种自然语言转变成另外一种自然语言，使用户能够使用母语搜索非母语的网页，并以母语浏览搜索结果。尤里卡、问一问、和国外的ASK Jeeves则通过语义技术和检索技术的结合，可是实现检索工具对搜索词在语义层次上的理解，为用户提供最准确地检索服务。

2.基于FTP文件的搜索工具。

2.1现状。如前所述，搜索引擎的雏形以及最早的搜索引擎都是基于FTP文件搜索的。最早的FTP搜索引擎是基于文本显示的Archie。后来由于WEB的出现，FTP搜索引擎发展受到了一定的影响。直到基于WEB的FTP搜索引擎出现，它才越来越多受到人们的欢迎，用户量也在迅速上升，重要性也日渐显现出来。FTP搜索引擎的功能是搜集匿名FTP服务器提供的目录列表并向用户提供文件信息的查询服务。目前，国内做的最好的、规模最大的当属天网FTP文件搜索引擎，现在可以搜索2400万个文件（数据来源于天网主页），2002年时的统计日访问量是40万次，这在世界FTP搜索引擎界也算是一个佼佼者。另外国内

还有清华9#搜索引擎、西安交大思源搜索、华南木棉搜索引擎、网络指南针、中科大天狼搜索引擎以及南京理工的“一网打尽”搜索引擎等等，国外的有、、、和 等，其中是目前国外最先进的，支持包括站点快照和文件分类等新兴功能，而且文件数据量非常大。

近几年来，虽然FTP搜索引擎技术发展的很快，但相对WWW搜索引擎而言，FTP搜索引擎为数不多，技术上也还不十分成熟，还有很多需要改进的地方：（1）FTP搜索引擎的收录数量还比较少，搜索引擎的规模和质量还是要取决于其维护的信息量。据统计，全球匿名FTP服务提供的文件条目已经有数亿条，即便是目前规模最大的，据陈华、李晓明2002年7月份统计也只有209，698，206 个文件。（2）检索功能还不完善。检索功能是一个搜索引擎最重要的部分，有很多搜索引擎还不能支持“and”和“or”等简单的布尔检索，使得数据库中的文件不能被检索到。（3）FTP服务器本身特点决定了FTP搜索引擎弱点，即由于FTP服务器有开放时间、有的还限制IP地址、有的限制登陆的用户量、不同的服务器设立的联接端口号并不相同等决定了其搜索到的结果有一部分是不能访问的，大大降低了用户的满意度。

2.2发展趋势。正如前文所述，FTP文件搜索引擎技术还不是很成熟，但其发展非常迅速，其发展趋势主要表现在以下几个方面：（1）检索功能日益丰富。天网FTP文件搜索引擎现在可以实现以文件大小、文件的上传日期、以及网段（比如说是华北网、华东网等）等多个条件的高级检索来限制检索结果；增加了检索方式（规则表达检索、准确检索、浏览、对大小写敏感与否等等），限制主机（是edu还是gov或者com等），文件类型以及文件大小、日期等功能。（2）检索服务的个性化。现在FTP搜索引擎研究者已经开始注意这一方面，天网ftp搜索引擎已经有了很多可以个性化的选项：可以设置用户不同偏好的排序方式，可以设定国外文件优先还是本国文件优先，对于国外用户是不是应该国外文件优先，是FTP上文件优先还是WWW上的文件优先，是选择中文的还是英文的等等。则是可以完成更丰富的个性化设置，比如说可以选择一个主机提供一个结果、设置语言、搜索的文件大小设置、是否亮度显示搜索关键词、设置使用者语言、以及键盘快捷键等等。

3.基于网络检索工具的检索技术的现状和发展趋势。

3.1随着网上信息资源的膨胀发展，一种搜索引擎，无论它多么完善都不可能满足一个人所有的检索需求。如果遇到文献普查、专题查询、新闻调查与溯源、软件及MP3下载地址搜索等情况，人们就更需要使用多种搜索引擎来比较、筛选和相互印证。为解决逐一登陆各搜索引擎，在各搜索引擎中分别多次输入同一检索请求（检索字串）等烦琐操作，基于网络检索工具的检索工具产生了。

目前这列检索工具只要有两种：集成搜索引擎和元搜索引擎。所谓集成搜索引擎是在一个检索界面上链接若干种独立的搜索引擎，检索时，一次检索输入，可以