第四章 网络搜索引擎

目录
4.1 网络信息资源概况 4.2 网络信息检索工具-搜索引擎 4.3 网络信息检索工具-网络资源目录、信息门户 4.4 谷歌/百度搜索语法实例
4.1 网络信息资源
4.1.1 概念
网络信息资源是指信息资源以电子数据的形式存放在 非印刷型的介质中，并通过网络通信手段，在计算机等终 端上再现的信息的总和。
形式因素。形式指标反映了外部特征以及操作使用等方面， 是为提示内容服务的，主要包括：美观性、条理性、查检 性、帮助性、快捷性、低耗性等。 定量的评价：Google的pagerank；星数评价等级。
权威性
在本学科领域具有一定的影响、具有较高的学术水平、 具有较高的知名度；Google网页级别评价作为重要的指 标，非独特性资源网页级别需3/10以上。 主要关注如下问题：所采集的网站（页）的主办者是否 为有声誉的大学、学会/协会、实验室？网站是否通过权 威评价机构评价过？所选的站点是否被多个internet站 点链接？网站是由某公司、机构还是某领域的著名的权 威或专家赞助？信息提供者的教育背景和职业背景及其 研究方向？责任者有知名的出版物吗？信息是否经过过 滤？信息是否经同行评议过？资源是否由相关的权威推 荐？是否有与权威机构的页面的共同链接？出版社是否 知名和有声望？出版社是否是公认的出版界的权威？出 版社是否是大学的出版社？是否有任何原创作品？选择 的资源与其它作品有相关性吗？
大量搜索引擎请参见这里：
中文搜索引擎指南网[搜网]： http://www.sowang.com/ 搜索引擎观察[专业、元、多媒体、购物] http://searchenginewatch.com/links/ 著名搜索引擎简介： http://www.se-express.com/about-se.htm http://www.sdau.edu.cn/support/search/
4.2.4 专业搜索引擎
专业搜索引擎也称为垂直搜索引擎，主要用于从因特网上 搜索和查询某一专门领域和特定主题的信息和知识。 国内：考研搜索（http://so.syzhi.com）：专注于考研信息的搜 索引擎。 留学搜索（ www. zhuansoo.com）：为留学人员提供出 国咨询等专业解答。 中国教育搜索（www. edusoso.com）：提供丰富的教育 考试资源网址导航。 健康网搜索（ http://search.39.net）：是面向广大网友的 建刚咨询检索系统。 国外：WallStreet Research Network（www. wallstreetresearch.org）：专业检索经济研究，工商企业等。 Mathsearch （www.maths.usyd.edu.au/MathSearch.html）：针对数学和 统计学的专业搜索。
4.1.2 网络信息资源的类型
按信息内容的表现形式和内容划分可分为 全文型信息：它指直接在网上发行的电子期刊，网上报纸， 印刷型期刊的电子版，网络学院的各类教材，政府出版物， 标准全文等； 事实型信息：天气预报，节目预告，火车车次，飞机航班， 城市或景点介绍，工程实况、IP地址等； 数值型信息：主要是指各种统计数据、实验数据； 数据库类信息：如DIALOG，万方等，是传统数据库的网 络化； 微内容（web2.0特征）：如博客、播客，BBS，聊天，邮 件讨论组，网络新闻组等。 其它类型：投资行情和分析，图形图象，影视广告等。
续
正式出版物和非正式信息交流交织在一起，使传统的人类 信息交流链的格局被打破，各方在网络上既可以是信息的 生产者、发布者，也可以是传播者和使用者，对学术交流 环境和信息利用产生了深刻的影响。 网络营造了“地球村”，既极大地促进了人类信息资源的 共享，又带来了一些意想不到的问题，如文化冲突、信息 侵略、信息威慑等。 使用成本低 共享程度高 是信息资源的宝库……
准确性
信息资源需严肃正规、准确无误、完整规范。一方面是内 容的准确性，另一方面是格式和链接的准确性。对资源的 导航需能正常访问。 主要考虑所选网站（页）提供的信息是否准确？是否提供 了信息的来源和出处以备用户进一步核查；网页引证的书 目或提供的参考能否证实信息的准确性？页面的句法和拼 写是否准确？有否排印错误？提供的信息是否完整规范？
Βιβλιοθήκη Baidu
附：人肉搜索
基于大信息环境观念的信息搜索、挖掘、选择、评价、分 析、综合 请通过百度百科中的“人肉搜索引擎”词条了解人肉 搜索http://baike.baidu.com/view/860941.htm人肉搜索， 其实是情报学中的信息分析和情报调研过程，是信息 检索技能、信息分析方法和情报调研过程的集中应用。 其最大的特点是应用web2.0的思路，网聚人力，虚拟 与现实结合。
4.1.3 网络信息资源的特点
复杂性：网络信息资源具有大数量、多类型、多媒体、非 规范、跨时间、跨地域、跨行业、多语种等特点。
在很大程度上网络的增长和信息资源的动态快速增加是由 用户驱动的，但缺乏有效的统一管理机制，信息安全和信 息质量的不均衡性。 信息分布和构成缺乏结构和组织，信息源不仅分散无序， 而且其更跌和消亡也往往无法预测，因此增大了信息资源 管理和利用的难度。 信息发布具有很大的自由性和任意性，隐私型信息进入了 公共信息传播渠道；由于缺乏必要的过滤、质量控制和管 理机制，不仅学术信息、商业信息，政府信息、个人信息、 不合适（反动、黄色）的信息混为一体，质量良莠不齐。 增加了信息识别和利用的难度。
搜索引擎具有以下几个方面的特点： 1.搜索引擎其实也就是一个数据库，内容以网页信息资源为主， 也包括文档、图片和多媒体。 2.搜索引擎与文献数据库相比，其中一个重要的不同是通过计 算机自动完成信息资源的发现、标引和入库。 3.搜索引擎的搜索技术继承了传统文献信息检索技术的精髓， 在搜索引擎中很多检索技术依然适用。 4.搜索引擎的好坏评判除了索引的网页数量外，其中重要的一 个方面是搜索结果的输出（结果的相关性）。
按所采用的网络传输协议可分为:
WWW网络资源：因特网信息资源的主流，它使用http协 议，使用简单，功能强大，能方便迅速的浏览和传递分布 于网络各处的文字、图象、声音和多媒体超文本信息。 FTP信息资源：它使用ftp协议，该协议主要用语连网计算 机之间传输文件。FTP相当于在网络上两个主机之间复制 文件。目前仍是发布、传递软件和长文件的主要方法。 TELNET信息资源：telnet是远程登陆协议。telnet信息资 源包括硬件资源和软件资源。许多机构都提供远程登陆的 信息系统，如图书馆的公共目录系统，信息服务机构的综 合信息系统等。 用户服务组资源：包括新闻组，电子邮件组等。这些电子 通信组形式所传递和交流的信息资源是网络上最自由、最 具有开放性的资源。news
4.1.4 网络信息资源的评价与选择
相同内容的信息资源的载体形态或利用、获取的方式不同， 可以根据需要选择。 网络信息资源的评价与选择主要是针对信息源。
内容因素。内容是评价与选择的核心和重点，从中可以反 映网络信息资源的本质。评价网络信息资源的内容因素主 要有：权威性、完备性、可靠性、原创性、新颖性、稳定 性等。
垂直搜索引擎举例：1
找工作的搜索引擎：http://www.deepdo.com/ http://www.totojob.com/ google学术搜索：http://scholar.google.com/ google图书搜索：http://book.google.com/ Patent Search 比价购物搜索引擎：http://go.8848.com/ http://www.askyaya.com/ 博客与RSS搜索引擎：http://www.oao.cn/ [中客] http://so.blogchinese.com/ [博客中国人] http://www.feedsearch.net/ http://www.8fang.net/ [八方 ] 人脉搜索引擎： http://www.linkist.com/ [交友,找工作, 商机] https://www.linkedin.com/ http://www.digdig.com.cn/ [人物、软件] 论坛搜索引擎：http://www.teein.com/
5. 搜索引擎只是一个索引数据库，一般没有自己的信息资源， 信息的可获得性与搜索引擎无关。不过搜索引擎有时也会在 数据库中存储某些信息的内容。
4.2.2 搜索引擎的类型及工作原理
全文搜索引擎 搜索引擎的类型 目录搜索引擎 元搜索引擎
搜 索 引 擎
搜索引擎工作原理
抓取网页 处理网页 提供检索服务
4.2.3 常用搜索引擎的特色服务 1) 百度
2） 垂直搜索引擎
垂直搜索引擎：即专业或专用搜索引擎，它专门用来检索 某一主题范围或某一类型信息,追求专业性与服务深度是 它的特点。 垂直搜索引擎不但可保证此领域信息的收录齐全与更新 及时,而且检索深度和分类细化远远优于综合搜索引擎。 垂直搜索引擎的检出结果虽可能较综合搜索引擎少,但 检 出结果重复率低、相关性强 、查准率高，适合于满足较 具体的 、针对性强的检索要求 。目前已经涉及到购物， 旅游，汽车，工作，房产，交友等行业。
4.2.5 其他搜索引擎 1）水平搜索引擎（综合搜索引擎）
水平搜索引擎索引几乎所有可能内容， 包括多种类型、 大量领域，在内容类型和领域方面表现出综合性。 水平搜索引擎强调信息的宽广、面对的是广泛用户的信 息需求。 典型的水平搜索引擎有： 百度中文搜索引擎：http://www.baidu.com/ Google中文搜索引擎：http://www.google.com.hk/
稳定性
信息资源需有较长的稳定期或有稳定运行的保障机制。 主要看所选网站（页）提供信息的时间、更新频率、最近 的修改日期，链接速度，断线率等。是否能持续提供给用 户使用？
可获得性
信息资源揭示信息的层次中，至少一个能无障碍地获得。 主要要考虑的是题名信息还是文摘信息或全文信息? 是 否有对信息结论的阐述标准？是否给出了表明信息内容的 关键词或主题词？希望在该网页上找到何种信息？主题的 涵盖面是否全？索引或目次页是否隐含了综合性的内容？ 是否免费？是否注册？是否国际流量？是否符合标准？是 否有其它格式或镜像? 某种类型的信息有使用期限制吗？ 访问资源的方式是否依赖用户使用的设备？是否需要专门 软件（如浏览器）？是否有方便的导航？是否容易链接所 需的信息？是否有清晰的链接标签？是否能分别打印页面 和文献的某一部分？是否能发送到电子邮箱？是否提供多 种检索方式？检索信息的效率如何？
第四章：网络搜索引擎
网络信息检索
Lly_world@163.com
导言：网络社会 在前面的课程中，我们从教育的未来视频中所了解到信 息技术和网络迅猛发展。在现在的网络信息环境下，网络信 息资源是我们学习、工作、生活中利用率最高的信息资源之 一。对网络信息资源和网络的利用是终身学习的需要，也是 个人信息素质中的重要内容。相对于图书馆纸本文献信息资 源和数字资源的检索利用，其对人的影响更为深远。 今后的社会，网络是一个基本要素，它将对社会经济、 科技教育、国防乃至政治产生决定性的影响。
目录
4.1 网络信息资源概况 4.2 网络信息检索工具-搜索引擎 4.3 网络信息检索工具-网络资源目录、信息门户 4.4 谷歌/百度搜索语法实例
4.2 网络信息检索工具-搜索引擎
4.2.1 搜索引擎的定义及特点
定义：搜索引擎（search engine）是指根据一定的策略、运用 特定的计算机程序搜集互联网上的信息，并将组织和处理后 的结果信息显示给用户，为用户提供检索服务的系统。
http://www.cuil.com/ （索引量1000多亿网页）
Google杀手：Cuil
Google杀手？ WolframAlpha
http://www.wolframalpha.com/ ,将知识转化为可计算
26
Google新的竞争者：必应
http://cn.bing.com/
百度是目前世界上规模最大的中文信息库之一，总量已达到 20亿页以上，这些网页的数量每天正以千万级的速度在增长。
2) Google
全球驰名的Google是基于连接评价的搜索引擎的优秀代表， 它独创的一套“连接评价”是基于这样一种认识，一个网页的重 要性取决于它被其他网页连接的数量，以此来统计确定有关网站 的重要性排名。Google的一些独具特色的检索功能，为我们的日 常工作学习提供了很多的方便之处。