- 相关推荐
浅析搜索引擎的原理及发展前景
[摘 要]文章简述搜索引擎定义和服务方式，及搜索引擎的发展、工作原理和性能指标，分析了搜索引擎面临的挑战，并对特色搜索引擎进行了简要的阐述。
【论文关键词】搜索引擎;信息检索
信息技术的不断发展，特别是互联网应用的迅速普及，深入到了人们生活的各个方面，改变了人们生活方式和思维方式，方便了全球信息资源共享。全球目前的网页超过100亿，每天新增加数百万网页，电子信息爆炸似的丰富起来。要在如此浩瀚的海洋里寻找信息，就像“大海捞针”一样。能有一种工具使我们可以在不到1秒钟的时间就迅速找到我们想要的内容吗?答案是“有”，这就是搜索引擎。今天，搜索引擎已成为人们在网络信息海洋中自如冲浪必不可少的利器。
1 搜索引擎的概念
搜索引擎(Search Engines)就是指在上向广大Internet用户提供Web信息导航服务，它是由北大计算机系网络与分布式系统研究室开发的国家“九五”重点科技攻关项目“中文编码和分布式中英文信息发现”的研究成果，受到学术界广泛好评。
2000年1月，两位北大校友，前Infoseek资深工程师李彦宏与加州大学伯克利分校博士后徐勇在北京中关村创立了百度(Baidu)公司。历经5年的高速发展后，在近两年时间里，百度高居全球网站流量前八名的位置，已经成为全球十大网站之一。百度每天接受着超过一亿人次来自各个方面的内容检索请求，中国9400万网民几乎每天使用1次百度。“有问题百度一下”已经成为中国网络流行语之一。
2009年，中国搜索(原慧聪搜索)正式进入中文搜索引擎市场。在一年多的时间里，就发展为全球著名的中文搜索引擎服务商，为新浪、搜狐、网易、TOM等知名门户网站提供搜索引擎技术。慧聪搜索引擎的优势是从人工审核网站信息源和设置禁查词两个方面入手，有效地过滤了不良信息，降低了垃圾信息的含量。在互联网实时新闻搜索方面，慧聪也实现了网络新闻的实时检索。
2 搜索引擎的工作原理
简单的说，搜索引擎是通过从互联网上提取的各个网站的信息来建立数据库，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户。
根据搜索引擎提取数据的方法，可将搜索引擎系统可以分为三大类：
2.1目录式搜索引擎：是一种网站级搜索引擎。目录式搜索引擎由分类专家将网络信息按照主题分成若干个大类，每个大类再分为若干个小类，依次细分，一般的搜索引擎分类体系有五六层，有的甚至十几层。先由程序自动搜集信息，然后由编辑员查看信息，人工形成信息摘要，提供目录浏览服务和直接检索服务。由于目录式搜索引擎的信息分类和信息搜集有人的参与，因此其搜索的准确度是相当高的，缺点是需要人工介入、维护量大、信息量少、信息更新不够及时。Yahoo就是这类搜索引擎的代表。
2.2机器人搜索引擎：Robot(机器人)一词大家并不陌生，Computer Robot是指某个能以人类无法达到的速度不断重复执行某项任务的自动程序。由于专门用于检索信息的Robot程序象蜘蛛(spider)一样在网络间爬来爬去，因此，搜索引擎的Robot程序被称为spider程序。搜索引擎主动派出称为蜘蛛(Spider)的机器人程序定期搜索(比如Google一般是28天)，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库。该类搜索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。Google、北大天网、百度(Baidu)就是这类搜索引擎的代表。