WEB信息检索综述

Ｂ信 息检索综述
张 培 宾
（ 州航 空 工业 管理 学院 图书馆 ， 南 郑 州 ４ ０ １ ） 郑 河 ５ ０５ 摘 要： 本文对 目前 比较 常用的几种 Ｗｅ 信 息检 索工具及 其功能进行 了 绍 ， ｂ 从检 索工具 、 索技 巧和发晨， 检 劳荨兄个另回进行 了 分 析 ， 对 Ｗｅ 息 检 索 的发 展 趋 势 进 行 了分析 和 预 测 。 并 ｂ信 关键 词 ： ｝信 息检 索 ； 索 工具 ； 索技 巧 ｗｅ 】 检 检 ２ ｂ信息 检 索 的一 些 关键 技 术 。２ ．基 于 内容 的 检索 技 术 。 ． Ｗｅ ２ ．１ ２ １概述 因特网上丰富多彩的 Ｗｅ ｂ信息资源给人们带来 ＿巨大的便利， ｒ 每 Ｗｅ ｂ是一个分布式的、 全球性 的数字图书馆模型 ， 它的 Ｕ Ｌ相当于地 Ｒ 常因 Ｕ Ｌ会变动而导致搜索的返 回结果 Ｒ 天上网浏览新闻， 收发邮件 ， 检索相关资料等几乎成 了人们每 日必需的 址的文件标识器。而现实中 ， 道：作餐 。不论是哪种类型的网络信息， Ｉ ： 一般 情况下 ， 我们不知道其 变得无用。另一种代替 Ｕ Ｌ来定位搜索 目标 的方法是基于内容的方 Ｒ 它是一个包含关键词的表， 可作为检索 目标 网页的查询条件。这种 在网上存储的地址， 也尢法记住那么多内容的地址 。另外 ， 其他一些媒 法 ， 体如图像 、 音频和视频也大量存在。Ｗｅ ｂ是一个非常大的 、 非结构化且 查询 称 为基 于 内容 的 寻址 ， 要查 询 。它 的优点 是 ， 或概 当一个 目标 网页 基于内容的寻址定位也不会改变 ， 从而仍然可以得出正确的检 无处不在的数据库， 这就需要有效的Ｔ具来管理 、 检索和从数据库 中筛 移动时 ， 互联网上存在着多种格式的文档 ， 除了文本之外还 选信息。为了有效地查询和利用网上信息 ， 人们开发 了各种 Ｗｅ ｂ信息 索结果。另～方面， 音频、 视频。 『 人ｆ使用搜索引擎式基本上都是进行文本搜索， １ 对 检 索 系统 ， 索 引擎 （ｅｒｈＥ ｇ ｅ ） 是 一类 能 自动 搜索 ， 织 有图像 、 即搜 Ｓａｃ ｎ ｉ ｓ。它 ｎ 组 Ｗｅ 信息 资源 ， 供检 索服 务的信 息服 务系统 。 ｂ 并提 多媒体内容 的检索技术 尚不成熟 。就此问题 目前提 出了基于内容的图 Ｗｅ ｂ信息检索的基本形式有三种。 第一种搜索引擎 ， 它标引一部分 像检索技术 ，其１ 作原理是 ，由机器 自动提取包含图像 内容的可视特 二 网络 文献作 为 一个 全 文数 据库 ； 二 种 是 Ｗｅ 第 ｂ目录 ， 按 主题 来 对所 征 ： 它 颜色 、 纹理 、 形状 、 对象的位置和相互关系等。对数据库中的对象和 检索与样本相似的图像。２ ． ．２ ２ 选的 Ｗｅ， ｔ文献进行分类 ； 三种还没有完全成熟 ， 第 却利用超链接结构 查询样本图像在特征空间进行相似匹配 ， 自 然语言处理技术。 自然语言处理长期以来一直是人工智能的一个核 来检 索 网络 。 人 １ 实现 Ｗｅ ． １ ｂ信息检索的条件 。实现 Ｗｅ 信息检索必须具备 包 心研 究 领域 。比较 基础 的技 术有 自动分 词 、 名和机 构名 的 自动 识别技 ｂ 资源， 信息处理干信息传输这ｊ大条件。 ｕ 其中， 信息资源指对各种信息进 术 、 自动标引技术等， 其它像信息抽取 、 自动文摘 、 文档 自动分类 、 中文 行分类 ， ，ｌ ， ， 汇总 力１ 组织 按照客观事物的相互关联建立起来 的有序结 概念词的 自动发现以及概念词之间的语义关系的确定等复杂技术也都 工 构 ； 处理 指利 用计算 机信 息 进行 的～ 系列筛 选 ， 信息 反馈 ， 匹配 ， 算 等 必不可少。 计 应用了这些技术的搜索引擎我们称之为智能搜索引擎。 实现 语义理解 、 知识管理和知识检索 。 其中， 加］操作 ； 息传输指人和计算机借助通信 网络进行的信息传递和交 智能搜索的过程主要分三部分 ： ： 瞧 流。 因此， 信息经济学专家提出： “ 信息网络是现代通信 网， 算 机网和信 知识库是实现智能搜索的基础和核心。．３ ｌ ｝ １ ２ ．集成搜索引擎技术。 ２ 这种技 息资源网的综合 ， 现代通信 ， 电子计算机 ， 信息资源（ 息内容 ） 信 三者互相 术是将搜索引擎系统建立在多个现有的搜索引擎之上，提供对这些引 渗透 ， 连接 ， 合而形 成的全方 位的服 务网络 。 联 这 种网络按 不 同途 径发 擎进行统一访 问的服务 。 集成搜索引擎 自己并不维护所有文件的索引。 但是 ， 了提供 更好 的服 务 ， 个 复杂 的集成 搜索 引 擎通 常会维 护一 些 为 一 展， 往信息资源开发 ， 利用和共享这个方向下趋向三网合一” 。 １ 面 临的主要 难题 。主要 有两类 ： 本 身 的问题 和用 户及其 检 关于底层搜索引擎内容 的信息。当向集成搜索引擎提 【查询以后 ， ． ２ 数据 叶 Ｉ 它能 索系统交互的问题。 数据的分布． 数据分布在许多计算机和平台上。 将该 查询分 送 到适 当 的底层 搜索 引擎 ，再搜 集 和整 理底 层引擎 返 回的 ａ Ｉ 生： 网络 互联 的有 效带 宽及其 可靠 Ｉ经 常发生变 化 。． 定数据 的大 量存 结果 。 多个 搜索 引擎组 合在 一起 ， 查询 的 网络 覆盖 面将 比任何单 个 生 ｂ 不稳 将 可 在 ： Ｂ资源经 常更 新 ， 致要 处理 大量 空链接 和重 新 定位 的 问题 。Ｃ 搜索引擎都要大很多。由一个建立在多个专题搜索引擎基础之上的集 ＷＥ 导 ． 非结构和冗余数据： 由于网络的共享性， 许多网络资非常相似或有大量 成搜索引擎代替综合引擎 ，可以解决存 Ｗｅ 上搜索的可扩展性 问题。 ｂ 的镜像存存。不同的资源有着不同的概念模型 ， 缺乏一致 ｝ ． 生。ｄ 异构数 此外 ，集成搜索引擎还可以方便对多个引擎的查询 ，提高检索的有效 据： 全球文献 巾有各种语种 ， 如扣丁语系和汉语等 ， 而且不能简单地通 性。 ．４ ２ ．数据挖掘技术与检索技术的结合 。 ２ 数据挖掘技术也称数据库知 识发现技术， 被广泛 的应用于数据仓库 、 并行分布式数据库 中， 以发现 过 软件来解 决 。 ２Ｗｅ 信 息资 源检 索方法 与搜 索技术 ｂ 数据 中隐含的规律和趋势 ， 用来分析经验 、 解释原因、 制定决策 、 指导改 使数据库具有知Ｓ， Ｙｇ的詹陛。 Ｉ 数据挖掘技术涉及许多学 ２ Ｗｅ 信息资源检索方法 。 ．１ ． ｝ Ｉ ， ２ ．直接访问信息源搜索的途径。通 进和预测趋势 ， １ 常 的做法 足通 过 Ｉ Ｐ地址 直接 打 开 网站或 网页 ， 般 是在 已知 所查 询 的 科的技术 ， 一 包括数据库技术 、 统计学 、 机器学习 、 模式识别技术以及信息 ｂ挖掘技 术 ， 实现对 Ｗｅ 它 ｂ存取 信 息在某 一具体 的网站或 网 页时使 用 ，不过 这种 方法需 要 记忆 大量 的 检 索技术 。现在有 一种 新技术 称为 Ｗｅ 域名， 网址。一种更简便的方法是安装网络实名插件 ， 可在浏览器的地 模 式 、 ｂ Ｗｅ 结构 和规 则 ， 动态 的 Ｗｅ 以及 ｂ内容的查 找 。 ｂ Ｗｅ 挖掘技 术最 址 栏或搜 索引擎 网站 中 ， 输入 中英文 网站名 称 ， ，７ １ 直接 如 ３２ 网络实 名 ， 大的特 ｜ 是从 大量 数据 巾发 现有 用 的知识 ，因此发 展面 向互联 网的 就 州 入网站 ， 输 企事业 单位 ， 商标， 产品等炎键词的中英文名称 ， 就能直达 知识挖掘技术 ， 并将其与灵活使Ｈ 的信息检索技术无缝的结合起来 ， ｊ 将 方便的、 内容空前丰富的学）知识和问题的 Ｊ 对应的网站或网页。 ．２ ２１ 利用网络检索 具。 ． 可使刚综合 眭搜索引擎 ， 会向人们提供一户 网站 ， 查 询过 程 一 求 解途 径 。 Ｇ ｏｌ ｅ 在 般提供分类查询和关键词查询。 有些网站还提供 很多网址的链接， 根 ３搜索引擎及其技术 据 需要 点击 ， 可直接 进 入 网站 当需 要检 索某 些专 业性 或特 定信 息 时 ， 可 ３１ ．搜索引擎构成。搜索引擎是一种最为常见的 Ｗｅ ｈ信息检索系 使 Ｊ 々题搜 索 引擎 ．例如 专业 地 图搜 索 的Ｔ具 有 图吧 （ｔ： ｗ ｐ 统 ， ｌ Ｉ ｊ ． ｈｐ ／ ｗｍａ— ｔ， ｗ 主要 由 四部分 组成 ：网络 机器 人 ： 个 功能 很强 的程 序 ， 会 定 ａ 是一 它 ｈｌＯｌ， ａＣｌ）矧行天下ｍ ｐ ｗ ， ｐ ｏ ） ．３ －ｌ ｛ ／ ， ¨ ２ ． ｉ。２１ 构造检索提问式的要 期 根据 预先 设定 的地 址去查 看 对应 的 网页 ，如 网页发 生变 化就重 新 获 Ⅲ ｃｎ ． 点。 存检 索 中 ， 两个最 为关键 的步 骤 ， 是慨括 检索 提问 ， 择精确 的 取该 网页 ， 则根据 该 网页 中的链接 继续 去访 问 。 有 一 选 否 网络机 器人访 问贞 面 检 索词 ； 二是正�