2.2.1搜索引擎 (2).ppt

搜索引擎教学
王晓云
(2) (2)
The web creates new challenges for information retrieval. Sergey Brin and Lawrence Page 《The Anatomy of a Large-Scale Hypertextual Web Search Engine》1998年4月在WWW年度大会上发表，引起全球学术界广泛关注。目前该文被引用309次。
(2) (2)
内容： 网络资源的特点 搜索引擎 医学搜索引擎 实例
(2) (2)
网络资源的特点（与传统数据库相比）
内容丰富，应有尽有。
更新变化太快，不确定性高。
有待于规范化、标准化。(能规范化吗？)
检索没有定式，没有标准答案。
(2) (2)
搜索引擎介绍
(2) (2)
起 源：
所有搜索引擎的祖先，是1990年由Montreal的McGill University三名学生（Alan Emtage、Peter Deutsch、Bill Wheelan）发明的Archie(Archie FAQ)。Alan Emtage等想到了开发一个可以用文件名查找文件的系统，于是便有了Archie。Archie是第一个自动索引互联网上匿名FTP网站文件的程序，但它还不是真正的搜索引擎。Archie是一个可搜索的FTP文件名列表，用户必须输入精确的文件名搜索，然后Archie会告诉用户哪一个FTP地址可以下载该文件。
(2) (2)
起 源：
由于Archie深受欢迎，受其启发，Nevada System Computing Services大学于1993年开发了一个Gopher（Gopher FAQ）搜索工具Veronica（Veronica FAQ）。Jughead是后来另一个Gopher搜索工具。
(2) (2)
发 展：
世界上第一个Spider程序，是MIT Matthew Gray的World wide Web Wanderer，用于追踪互联网发展规模。刚开始它只用来统计互联网上的服务器数量，后来则发展为也能够捕获网址（URL） 。
搜索引擎一般由以下三部分组成：
爬行器（机器人、蜘蛛）
索引生成器
查询检索器
(2) (2)
发 展：
改进：假设所有网页都可能有连向其他网站的链接，那么从一个网站开始，跟踪所有网页上的所有链接，就有可能检索整个互联网。
1993年底，一些基于此原理的搜索引擎开始纷纷涌现，其中最负盛名的三个是：The World Wide Web Worm、NASA的Repository-Based Software Engineering (RBSE) spider。
RBSE是第一个索引Html文件正文的搜索引擎，也是第一个在搜索结果排列中引入关键字串匹配程度概念的引擎。
杉逾滤钝宰义旬赎狡哥*** (2) (2)
发 展：
Excite 的历史可以上溯到1993年2月，6个Stanford University（斯坦福大学）大学生的想法是分析字词关系，以对互联网上的大量信息作更有效的检索。到1993年中，这已是一个完全投资项目Architext，他们还发布了一个供webmasters在自己网站上使用的搜索软件版本，后来被叫做Excite for Web Servers。（注：Excite后来曾以概念搜索闻名，2002年5月，被Infospace收购的Excite停止自己的搜索引擎，改用元搜索引擎Dogpi