搜索引擎的特點(diǎn)與評(píng)價(jià)標(biāo)準(zhǔn)

1、搜索引擎的特點(diǎn)與評(píng)價(jià)標(biāo)準(zhǔn)一、搜索引擎的分類搜索引擎按其工作方式主要分為三種，分別是全文搜索引擎、目錄索引類搜索引擎和元搜索引擎。全文搜索引擎是名副其實(shí)的搜索引擎，國(guó)外具有代表性的有Google、Fast/AllTheWeb、AltaVistaInktomi、TeomaWiseNut等，百度（Baidu）目前所做的應(yīng)該屬于全文搜索引擎。由于它們都是通過(guò)從互聯(lián)網(wǎng)上提取的各個(gè)網(wǎng)站的信息（以網(wǎng)頁(yè)文字為主）而建立的數(shù)據(jù)庫(kù)中，檢索與用戶查詢條件匹配的相關(guān)記錄，然后按一定的排列順序?qū)⒔Y(jié)果返回給用戶。雖然百度擁有自己的檢索程序，并自建網(wǎng)頁(yè)數(shù)據(jù)庫(kù)，搜索結(jié)果直接從自身的數(shù)據(jù)庫(kù)中調(diào)用，但它們所能提供的信息絕大程度上

2、由它所搜索的網(wǎng)站決定的。評(píng)價(jià)標(biāo)準(zhǔn)及其局限性在搜索引擎的發(fā)展初期，人們對(duì)它的要求較低，只要它能把互連網(wǎng)上相關(guān)的網(wǎng)站搜出來(lái)，搜到的網(wǎng)站盡量多一點(diǎn)，無(wú)關(guān)的網(wǎng)站能少一點(diǎn)就能滿足。所以那時(shí)候，人們?cè)u(píng)測(cè)搜索引擎的方法是用幾個(gè)關(guān)鍵詞，測(cè)試對(duì)比它們的搜索速度、搜索數(shù)量和無(wú)關(guān)網(wǎng)站的多少。簡(jiǎn)單說(shuō)就是全、快、準(zhǔn)。而那時(shí)的搜索引擎技術(shù)大家差別不大，所以這樣的評(píng)測(cè)方法是可行的。此后，獨(dú)特的搜索引擎技術(shù)此起彼伏，層出不窮，到現(xiàn)在明顯處于戰(zhàn)國(guó)時(shí)代。但是，人們的評(píng)測(cè)方法卻沒(méi)多大變化，現(xiàn)在常見(jiàn)的評(píng)測(cè)還是簡(jiǎn)單的用幾個(gè)關(guān)鍵詞比較搜索速度、搜索結(jié)果數(shù)量和各自介紹的搜索準(zhǔn)確性。搜索引擎的評(píng)價(jià)標(biāo)準(zhǔn)與目前搜索引擎的發(fā)展?fàn)顩r并非完全吻合。下

3、面，我們就目前常用的評(píng)價(jià)指標(biāo)進(jìn)行分別介紹。第一，搜索引擎的查全率。既然是搜索引擎，當(dāng)然比較搜索的范圍就應(yīng)該首當(dāng)其沖。但是，由于收錄網(wǎng)頁(yè)的數(shù)量都是各搜索引擎自己宣布的，未可全信，而同一個(gè)關(guān)鍵詞的搜索結(jié)果卻是顯而易見(jiàn)的，所以一般的評(píng)測(cè)都以這個(gè)為準(zhǔn)。但以這個(gè)為準(zhǔn)仍有很多不足之處，因?yàn)槎鄶?shù)象樣一點(diǎn)的搜索引擎都可以找出一批關(guān)鍵詞來(lái)證明它的搜索結(jié)果是最全的。因?yàn)榫W(wǎng)頁(yè)索引數(shù)量雖然有大小，但robot和spider程序不同，索引范圍和索引標(biāo)準(zhǔn)也不盡相同，在最大的搜索引擎上搜不到的有可能在小得多的搜索引擎上搜到。還有一點(diǎn)，搜索引擎是可以針對(duì)特定的關(guān)鍵詞進(jìn)行結(jié)果優(yōu)化的，評(píng)測(cè)的公正性誰(shuí)來(lái)保證？如果其中某個(gè)被評(píng)測(cè)搜索

4、引擎事先知道所用的關(guān)鍵詞，那么只要輕松優(yōu)化一下，冠軍就非它莫屬了。第二，搜索的速度。如果搜索引擎索引的網(wǎng)頁(yè)雖多，但是搜索一次要五、六秒或更長(zhǎng)，那么仍然沒(méi)有優(yōu)勢(shì)可言。當(dāng)然了速度的問(wèn)題首先還是在關(guān)鍵詞，單關(guān)鍵詞搜索快的不一定多關(guān)鍵詞搜索快。然后是訪問(wèn)量的問(wèn)題，對(duì)一個(gè)日訪問(wèn)量一億以上的搜索引擎和一個(gè)日訪問(wèn)量幾萬(wàn)的搜索引擎做同樣的測(cè)試本身已是不公平。還有網(wǎng)頁(yè)索引數(shù)量的問(wèn)題，一個(gè)搜索引擎索引了10億的網(wǎng)頁(yè)，另一個(gè)搜索引擎索引了一千萬(wàn)的網(wǎng)頁(yè)，讓它們對(duì)同一個(gè)關(guān)鍵詞在各自的數(shù)據(jù)庫(kù)里搜索比搜索速度，這樣的結(jié)果如何讓人信服？而且，除了事先優(yōu)化的問(wèn)題外，有的搜索引擎本就具有記憶搜索結(jié)果加速調(diào)用的能力，一個(gè)關(guān)鍵詞哪怕

5、第一詞搜索花了10秒，第二次搜索也許就2秒了，第三次，第四次，到你去測(cè)試的時(shí)候已經(jīng)永遠(yuǎn)是0.0001秒了。這樣，如果你選常見(jiàn)詞測(cè)試，它快得驚人，如果來(lái)個(gè)偏僻詞，也許老半天出不來(lái)，到底該選什么關(guān)鍵詞？常用和偏僻各占多少？實(shí)難度量。第三，查準(zhǔn)率。這個(gè)相當(dāng)重要，搜到的東西即使又多又快，但你想要的那條結(jié)果不知道要翻多少頁(yè)才能找到，那這搜索結(jié)果幾乎沒(méi)有意義？因?yàn)椋?000條后的記錄幾乎沒(méi)人看，當(dāng)然了查準(zhǔn)率的關(guān)鍵還是在于要搜什么和選擇什么關(guān)鍵詞，評(píng)測(cè)人可以隨意定奪的，然后影響到評(píng)測(cè)結(jié)果的可靠性。第四，死鏈接和網(wǎng)頁(yè)的更新速度。普通搜索引擎總有些搜索結(jié)果是點(diǎn)不進(jìn)去的，少到百分之一二，多到百分之八九，這個(gè)也常被

6、用作評(píng)測(cè)條件之一。但是象Google使用了網(wǎng)頁(yè)快照功能，幾乎不存在死鏈接問(wèn)題，就算搜索結(jié)果中的那個(gè)網(wǎng)站已關(guān)閉，你還是可以看到Google自己儲(chǔ)存的網(wǎng)頁(yè)。這種死鏈接無(wú)法計(jì)算？第五，用戶負(fù)擔(dān)。首先是搜索界面，一個(gè)只有搜索框的純粹搜索引擎界面跟一個(gè)帶有廣告和大量網(wǎng)頁(yè)內(nèi)容的門(mén)戶相比，它們帶給用戶的搜索負(fù)擔(dān)是高下立判的。其次是搜索結(jié)果描述，搜索結(jié)果網(wǎng)頁(yè)的文字描述是長(zhǎng)還是短，網(wǎng)頁(yè)文字描述采用索引帶關(guān)鍵詞的部分還是索引網(wǎng)頁(yè)的開(kāi)始幾行還是索引網(wǎng)頁(yè)的主要內(nèi)容，關(guān)鍵詞是否高亮顯示又采用什么顏色，是否顯示網(wǎng)頁(yè)地址，還有搜索結(jié)果頁(yè)面的布局，這些對(duì)于用戶的搜索負(fù)擔(dān)區(qū)別大大的有。再者就是對(duì)用戶操作步驟的影響，是否可以用鼠

7、標(biāo)啟動(dòng)搜索，搜索結(jié)果每頁(yè)顯示數(shù)量是否只有10條，翻頁(yè)的便捷與否，搜索框是兩個(gè)還是一個(gè)，放在上邊還是下邊，一次搜索后關(guān)鍵詞是否還在搜索框中顯示，這些每一條都會(huì)影響搜索效率。第六，重復(fù)信息返回的過(guò)濾。返回結(jié)果應(yīng)該盡可能不出現(xiàn)重復(fù)、類似的結(jié)果。第七，搜索服務(wù)的系統(tǒng)穩(wěn)定性。綜上所述，如何評(píng)價(jià)一個(gè)搜索引擎的優(yōu)劣目前仍然沒(méi)有發(fā)現(xiàn)客觀、準(zhǔn)確地方法。未來(lái)的發(fā)展趨勢(shì)毋庸置疑，搜索引擎已成為一個(gè)新的研究、開(kāi)發(fā)領(lǐng)域。因?yàn)樗玫叫畔z索、人工智能、計(jì)算機(jī)網(wǎng)絡(luò)、分布式處理、數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、數(shù)字圖書(shū)館、自然語(yǔ)言處理等多領(lǐng)域的理論和技術(shù)，所以具有綜合性和挑戰(zhàn)性。又由于搜索引擎有大量的用戶，有很好的經(jīng)濟(jì)價(jià)值，所以引起了世

8、界各國(guó)計(jì)算機(jī)科學(xué)界和信息產(chǎn)業(yè)界的高度關(guān)注，目前的研究、開(kāi)發(fā)十分活躍，并出現(xiàn)了很多值得注意的動(dòng)向。首先，十分注意提高信息查詢結(jié)果的精度，提高檢索的有效性。用戶在搜索引擎上進(jìn)行信息查詢時(shí)，并不十分關(guān)注返回結(jié)果的多少，而是看結(jié)果是否和自己的需求吻合。對(duì)于一個(gè)查詢，傳統(tǒng)的搜索引擎動(dòng)輒返回幾十萬(wàn)、幾百萬(wàn)篇文檔，用戶不得不在結(jié)果中篩選。解決查詢結(jié)果過(guò)多的現(xiàn)象目前出現(xiàn)了幾種方法：一是通過(guò)各種方法獲得用戶沒(méi)有在查詢語(yǔ)句中表達(dá)出來(lái)的真正用途，包括使用智能代理跟蹤用戶檢索行為，分析用戶模型；使用相關(guān)度反饋機(jī)制，使用戶告訴搜索引擎哪些文檔和自己的需求相關(guān)（及其相關(guān)的程度），哪些不相關(guān)，通過(guò)多次交互逐步求精。二是用正

9、文分類（TextCategorization）技術(shù)將結(jié)果分類，使用可視化技術(shù)顯示分類結(jié)構(gòu)，用戶可以只瀏覽自己感興趣的類別。三是進(jìn)行站點(diǎn)類聚或內(nèi)容類聚，減少信息的總量。其次，基于智能代理的信息過(guò)濾和個(gè)性化服務(wù)。信息智能代理是另外一種利用互聯(lián)網(wǎng)信息的機(jī)制。它使用自動(dòng)獲得的領(lǐng)域模型（如Web知識(shí)、信息處理、與用戶興趣相關(guān)的信息資源、領(lǐng)域組織結(jié)構(gòu)）、用戶模型（如用戶背景、興趣、行為、風(fēng)格）知識(shí)進(jìn)行信息搜集、索引、過(guò)濾（包括興趣過(guò)濾和不良信息過(guò)濾），并自動(dòng)地將用戶感興趣的、對(duì)用戶有用的信息提交給用戶。智能代理具有不斷學(xué)習(xí)、適應(yīng)信息和用戶興趣動(dòng)態(tài)變化的能力，從而提供個(gè)性化的服務(wù)。智能代理可以在用戶端進(jìn)行，

10、也可以在服務(wù)器端運(yùn)行。第三，采用分布式體系結(jié)構(gòu)提高系統(tǒng)規(guī)模和性能。搜索引擎的實(shí)現(xiàn)可以采用集中式體系結(jié)構(gòu)和分布式體系結(jié)構(gòu)，兩種方法各有千秋。但當(dāng)系統(tǒng)規(guī)模到達(dá)一定程度（如網(wǎng)頁(yè)數(shù)達(dá)到億級(jí)）時(shí)，必然要采用某種分布式方法，以提高系統(tǒng)性能。搜索引擎的各個(gè)組成部分，除了用戶接口之外，都可以進(jìn)行分布：搜索器可以在多臺(tái)機(jī)器上相互合作、相互分工進(jìn)行信息發(fā)現(xiàn)，以提高信息發(fā)現(xiàn)和更新速度；索引器可以將索引分布在不同的機(jī)器上，以減小索引對(duì)機(jī)器的要求；檢索器可以在不同的機(jī)器上進(jìn)行文檔的并行檢索，以提高檢索的速度和性能。第四，重視交叉語(yǔ)言檢索的研究和開(kāi)發(fā)。交叉語(yǔ)言信息檢索是指用戶用母語(yǔ)提交查詢，搜索引擎在多種語(yǔ)言的數(shù)據(jù)庫(kù)中進(jìn)行信息檢