網絡信息檢索的工具.

1、網絡信息檢索的工具摘要搜索引擎是人們使用In ternet信息資源的重要工 具。本文對目前的中文搜索引擎進行了簡要的分析，指出了其存在的缺陷和發(fā)展的 方向。關鍵詞信息檢索中文搜索引擎 存在的問題 發(fā)展方向隨著In ternet信息資源的迅速增長，如何在浩瀚的信息海洋中準確、方便、快速地找到 自己所需的信息，成了迫切需要解決的問題，從1995年開始出現的信息檢索工具搜索引擎很好地解決了這一問題。然而各種搜索引擎，特別是尚處于發(fā)展初期 的中文搜索引擎還存在著很多的缺陷有待改進，本文旨在分析目前中文搜索引擎存 在的主要問題，并為解決此類問題提出一些建議和方法。一、搜索引擎的概念和及類型搜索引擎又稱檢

2、索引擎，是指運行在In ternet上，以信息資源為對象，以信息檢索的方式為用戶提供所需數據的服務系統(tǒng)，主要包括信息存取、信息 管理和信息檢索三大部分。目前，中文搜索引擎主要有三種類型：分類目錄式搜索引擎、全文搜索引擎和元搜索引擎。1分類目錄式搜索引擎。分類目錄式搜索引擎是以人工或半人工方式收集信息，建立數據庫，由編輯人員在訪問了某 個web站點后，對該站點進行描述，并根據站點的內容和性質將其歸為一個預先 分好的類別。由于目錄式搜索引擎的信息分類和信息搜集有人的參與，其搜索的準 確度較高，導航質量也不錯。但因其人工的介入，維護量大，信息量少，信息更新 不及時都使得人們利用它的程度有限。國內著名

3、的新浪、搜狐、中文雅虎都屬于這 種類型。2.全文搜索引擎。這是一種目前運用較廣泛的搜索引擎。國內以百度，google天網為代表。它是使用自動采集軟件 Robot，搜集和發(fā)現信息，并下 載到本地文檔庫，再對文檔內容進行自動分析并建立索引。對于用戶提出的檢索要 求，通過檢索模塊檢索索引，找出匹配文檔返回給用戶。全文搜索引擎具有龐大的全文索引數據庫。其優(yōu)點是信息量大，范圍廣，較適用于檢索難以查找的信 息或一些較模糊的主題。缺點是缺乏清晰的層次結構，檢索結果重復較多，需要用 戶自己進行篩選。3元搜索引擎。元搜索引擎是一種調用其他搜索引擎的引擎。它是通過一個統(tǒng)一的用戶界面，幫助用戶在多個搜索引擎中選擇和

4、利用合適的 搜索引擎來實現檢索。中文元搜索引擎開發(fā)較少，較成熟的則更少，萬緯搜索是目 前有一定影響的中文元搜索引擎。其他的典型代表有infospace, dogpile，vivisimo等。二、現階段中文搜索引擎存在的主要問題2查全率不高。查全率是指檢索出的相關信息量與存儲在檢索系統(tǒng)中的全部相關信息量的百分比， 是判斷檢索系統(tǒng)質量的度量之一。國內絕大多數的網站組織的信息大多都是通過瀏覽方式獲得內容。即使是經過精心組織、編排非常合理的網站，也會有 70%80%的網頁不能被搜索引擎檢索到。中文目錄式搜索引擎因需人工介入、維 護量大，在這方面表現較明顯。3查準率較低。查準率更是判斷檢索系統(tǒng)質量的重要

5、尺度。是指系統(tǒng)所檢索到的真正與查詢內容相關的文檔占檢索出的所有文檔 數的百分比。造成查準率低的原因是，部分搜索引擎的分類體系與科學知識體系之間缺乏內在聯系；類目之間邏輯關系模糊，導致檢索路徑與搜索引擎類目錯 位；信息加工深度不夠；檢索功能單一；檢索詞的專指性較差；大部分的檢索結果 是題錄式而非全文式，其內容簡單等等。機器人搜索引擎的分類和索引缺乏人工的 參與，其查準率不如目錄式搜索引擎，且檢索結果中還含有大量的重復、虛假的信 息。4專業(yè)性的搜索引擎發(fā)展遲緩。專業(yè)性的搜索引擎是為專門收錄某一行業(yè)，某一主題的信息而建立，能夠提供專題信息查詢服務的搜索引擎。目前中文搜 索引擎大多是綜合性的，能同時收

6、錄各行業(yè)、各學科的多種信息，但在反映某一行 業(yè)或某一專題的信息方面很難做到全面、精確，不能給用戶提供特定的信息服務。 這就使得專業(yè)人員，特別是某一領域的學者、專家不愿意利用中文搜索引擎去查詢 資料。5檢索功能方面存在缺陷。一是檢索中符合布爾邏輯運算符的搜索引擎極為有限；二是關鍵詞檢索輸出的結果相關度排序方式雜亂，不能根據用戶需要來 選擇信息輸出的方式；三是多數的搜索引擎是面向主題搜索不是面向用戶搜索，不 能重復利用用戶檢索過的成果，更不能對特定的用戶進行定題跟蹤服務；四是檢索 網站的主頁不規(guī)范，有些太簡，有些又太繁，而且廣告內容太多，無法進行有效檢 索。三、中文搜索引擎的發(fā)展方向1提高查全率。

7、首先是需要開發(fā)分布式的系統(tǒng)。這種系統(tǒng)可以把各個接點當作是新的信息資源，擴大數據庫的規(guī)模，正 在興起的元搜索引擎屬于這種系統(tǒng)，它在接受了用戶的查詢命令后，可同時用多個 搜索引擎進行查詢；二是把專業(yè)數據庫資源納入自己的檢索范圍。除了Web信息資源外，網上還有大量的非 Web信息資源，如聯機檢索系統(tǒng)、光盤檢索系統(tǒng)、專 業(yè)數據庫系統(tǒng)。如中文搜索引擎能把這些 Web和非Web資源結合起來使用，即使有的只能查到題錄、文摘等內容，也大大擴展了檢索范圍，能為用戶提供較全面的 檢索需求02提高查準率。需解決以下幾個難關：首先需提高搜索引擎的信息過濾功能。在對網絡信息進行集中的搜集之后，搜索引擎還需對這些信息進行

8、鑒別和過 濾，即剔除大量的無用信息，而把有效的信息提煉出來并加以聚集；第二則是需對 專家過濾后的信息進行一定的檢索標引，并給予相關的標識符號，如關鍵詞、分類 號、主題詞等各種標識，其關鍵是利用智能檢索技術，提高準確性；把檢索的結果 存儲在相應的數據庫中，并由 URL與In ternet建立鏈接供用戶使用；還需注意信 息定期更新，以保證信息的新穎性和鏈接的可靠性。3.建立垂直化專業(yè)領域的搜索引擎。網絡用戶所從事的職業(yè)千差萬別，不同的用戶對信息搜索往往有不同的 要求。綜合性的搜索引擎收錄的范圍太廣、太大無法滿足某一特定的需求。垂直化 專業(yè)搜索引擎則可解決這一難題。它只面向某一特定的領域，專注于自己

9、的特長和 核心技術，能保證對該領域的信息的收錄齊全與更新迅速。在提供專業(yè)信息方面有 著大型綜合搜索引擎無法比擬的優(yōu)勢，所采用的技術都是些較成熟的技術。 中文垂直化專業(yè)搜索引擎的發(fā)展已取得了一定的成功，如新浪的新聞搜索，博客搜 索、雅虎的個性化旅行路線搜索、百度的 MP3搜索、Google的學術搜索，航班搜 索等都為用戶提供了較好的搜索功能，為今后的繼續(xù)發(fā)展奠定了基礎。4.搜索引擎的智能化發(fā)展。智能搜索引擎是未來搜索引擎的發(fā)展趨勢?？梢酝ㄟ^自然語言 與用戶交互，最大限度地了解用戶的需求。智能檢索一是表現在搜索引擎技術的智 能化，研究重點放在自然語言處理技術和人工智能技術的研究上；另一表現是體現

10、在搜索引擎面向檢索者的智能化，它致力于通過分析檢索者的檢索和瀏覽行為來學 習檢索者的需求，禾U用搜索引擎現有的服務有選擇地為檢索者提供個性化的服務。 5.加強搜索引擎的檢索功能。強化全文檢索功能。利用Robot實現對站點頁面文字內容的全面檢索技術。比起目錄檢索，全文檢索提供了全新的檢索功能，可以直接 根據文獻資料的內容進行檢索，支持多角度、多側面地綜合利用信息資源，全面、 準確、快速是衡量全文檢索系統(tǒng)的關鍵指標；同時改善用戶檢索界面，設計簡潔、 明白的界面引導用戶進入檢索狀態(tài)6.完善元搜索引擎。元搜索引擎彌補了獨立 搜索引擎不全的特點，提高了檢索的全面性?，F開發(fā)出的中文元搜索引擎的數目很少，還有諸多缺陷，需在各方面進一步改進。元搜索引擎要對各獨立的信息特色進行較細致的調查，以確定自己要收錄的范圍；在對目標搜索引擎的組織中突出獨立搜索引擎的檢索特色，并設計各搜索