因特網(wǎng)信息檢索與應(yīng)用.ppt

1、Web信息檢索,搜索引擎的應(yīng)用現(xiàn)狀,從用戶使用的角度，國外的調(diào)查發(fā)現(xiàn)： 網(wǎng)上搜索信息的人很少考慮如何找到他們所需要的信息，因此搜索信息時象動物獵食般盲目； 只有18%的用戶表示總能在網(wǎng)上搜索到需要的信息。68%的用戶說他們對搜索引擎很失望； 平均每個搜搜者在12分鐘的徒勞搜索后就感到惱火和受挫。 46%的人只會用同一個關(guān)鍵詞搜啊搜啊，而且是在同一個搜索引擎。,國外的應(yīng)用狀況,那些每周平均花5個小時以上時間上網(wǎng)的人，將其上網(wǎng)時間的71%都花在了搜索引擎上； 人機(jī)界面高手nielsen（google的設(shè)計者）研究表明： 略超過1/2的互聯(lián)網(wǎng)用戶屬于search-dominant, 約1/5用戶屬于

2、 link-dominant, 其它用戶的搜索傾向?qū)儆诨旌闲袨樾汀?search- dominant在到達(dá)一個網(wǎng)站后直接就奔向搜索按鈕，他們對瀏覽網(wǎng)站不感興趣，他們有明確的目的，傾向于以最快速度找到信息。 相反，link-dominant喜歡點(diǎn)擊瀏覽一個網(wǎng)站，即使他們想找特殊信息時也是這樣，只有在他們用點(diǎn)擊超鏈的方法已經(jīng)實(shí)在找不到了，才會想起搜索按鈕。,國內(nèi)的應(yīng)用狀況,國內(nèi)的調(diào)查發(fā)現(xiàn)： cnnic2004年1月的調(diào)查： 61.6%的中國互聯(lián)網(wǎng)用戶經(jīng)常使用搜索引擎（僅次于E-mail）。 83.4%的中國互聯(lián)網(wǎng)用戶得知新網(wǎng)站的主要途徑是搜索引擎。 賽迪咨詢的搜索引擎調(diào)查：截止2000年8月，92

3、.9%的網(wǎng)民使用過搜索引擎，同時有六成左右的網(wǎng)民將搜索引擎列為經(jīng)常使用的網(wǎng)絡(luò)服務(wù)。 新浪搜索的統(tǒng)計表明：第1條搜索結(jié)果獲得的點(diǎn)擊量，是第2頁第1條的150倍。,信息檢索工具及其分類,1.目錄型檢索工具 由信息管理專業(yè)人員廣泛搜集網(wǎng)絡(luò)資源，并進(jìn)行加工整理的基礎(chǔ)上，按照某種主題分類體系編制的一種可供檢索的等級結(jié)構(gòu)式目錄。典型：yahoo！搜狐 2.搜索引擎 使用自動檢索軟件來發(fā)現(xiàn)、收集并標(biāo)引網(wǎng)頁，建立數(shù)據(jù)庫，以web頁形式提供給用戶一個檢索界面，供用戶輸入關(guān)鍵詞、詞組或短語等檢索項(xiàng)，代替用戶在數(shù)據(jù)庫中查找出與其提問匹配的記錄并返回結(jié)果，且按其相關(guān)度順訊輸出。典型：Google，Baidu,搜索引擎

4、的基本功能,1.一般檢索功能 Boolean（布爾邏輯檢索）+、- Phrase（詞組檢索）“” Truncation（截詞檢索）* ？ Fields（字段檢索） 2.特殊檢索功能 自然語言檢索 多語種檢索 區(qū)分大小寫的檢索,值得推薦的幾個中文搜索引擎,全文搜索 衡量搜索引擎的指標(biāo)： 查全率 查準(zhǔn)率 速度 Google: 新浪使用了它的全文搜索引擎服務(wù) 百度： 21CN使用了它的全文搜索引擎服務(wù) 中國搜索（原來的慧聰搜索） 網(wǎng)易、搜狐、263使用了它的搜索引擎。 北大天網(wǎng)： 大量教育網(wǎng)內(nèi)的資源，提供FTP搜索 幾大門戶網(wǎng)站也有自己的搜索引擎，有時也能發(fā)揮作用。,推薦的搜索引擎,網(wǎng)站分類目錄搜索

5、 新浪：其網(wǎng)站搜索最好 搜狐：網(wǎng)站的分類目錄整理最好，最適合于瀏覽 網(wǎng)易：開放式目錄，有許多網(wǎng)上高手加盟 中文Yahoo 另類：網(wǎng)絡(luò)實(shí)名 新浪圖片搜索: 新視科技：www.VisionN，提供多媒體搜索 找地圖 城市通： 圖行天下： ,使用Google進(jìn)行搜索,Google簡介 Google是一個搜索引擎，由兩個斯坦福大學(xué)博士生Larry Page與Sergey Brin于1998年9月發(fā)明，Google Inc. 于1999年創(chuàng)立。2000年7月份，Google替代Inktomi成為Yahoo公司的搜索引擎，同年9月份，Google成為中國網(wǎng)易公司的搜索引擎。1998年至今，Google已經(jīng)

6、獲得30多項(xiàng)業(yè)界大獎。 Google支持多達(dá)132種語言，包括簡體中文和繁體中文； Google網(wǎng)站只提供搜索引擎功能，沒有花里胡哨的累贅； Google速度極快，據(jù)說有15000多臺服務(wù)器，200多條T3級寬帶； Google的專利網(wǎng)頁級別技術(shù)PageRank能夠提供高命中率的搜索結(jié)果； Google智能化的“手氣不錯”功能，提供可能最符合要求的網(wǎng)站； Google的“網(wǎng)頁快照”功能，能從GOOGLE服務(wù)器里直接取出緩存的網(wǎng)頁。,福布斯富豪榜所有排名 1 William Gates (比爾-蓋茨） 2 Warren Buffett（沃倫-巴菲特） 3 Sheldon Adelson（謝爾登-

7、阿德爾森） 4 Lawrence Ellison（勞倫斯-埃里森） 5 Sergey Brin（謝爾蓋-布林） 6 Larry Page（拉里-佩奇） 7 Kirk Kerkorian（柯克-科克萊恩) 8 Michael Dell（邁克爾-戴爾） 9 Charles Koch（查爾斯-科赫） 10 David Koch（戴維-科赫）,文本搜索,文本搜索 目前Google已經(jīng)收集索引了40多億張網(wǎng)頁 使用單個關(guān)鍵詞進(jìn)行搜索 理解什么是“關(guān)鍵詞”，跟普通意義上的關(guān)鍵詞不同。 想象目標(biāo)網(wǎng)頁上應(yīng)該有的若干個詞。 網(wǎng)頁的排名問題 使用兩個及兩個以上關(guān)鍵詞進(jìn)行搜索 直接輸入多個關(guān)鍵詞，關(guān)鍵詞之間用空格，

8、這樣就表示“AND”關(guān)系； 用減號“-”表示“非”，用于表示要求搜索結(jié)果不包含某些特定信息； Google的幫助網(wǎng)頁上說，不支持OR關(guān)系，實(shí)際上是支持得不好； 使用一句話進(jìn)行搜索 加上雙引號。這在查找名言警句或?qū)Ｓ忻~時顯得格外有用。 Google對網(wǎng)絡(luò)上常見得英文單詞及一些標(biāo)點(diǎn)符號作忽略處理,圖象搜索,目前Google可搜索8.8億張圖片,自稱為“因特網(wǎng)上最好用的圖像搜索工具” I或點(diǎn)擊Google主頁上的“圖象搜索”鏈接。 目前的圖象搜索主要是基于文件名的搜索，不是基于圖象內(nèi)容的。 用法： 關(guān)鍵詞的輸入方法同文字搜索，不過搜索圖象一般不會用太長、太復(fù)雜的關(guān)鍵詞。 圖象搜索中，使用英文作關(guān)鍵

9、詞可以搜到許多準(zhǔn)確的結(jié)果，使用中文，效果較差，但有時Google會自動轉(zhuǎn)換為英文或中文的拼音去搜索（有時欠穩(wěn)定，其他內(nèi)容的搜索也有此現(xiàn)象）。 可以指定圖片文件的類型：JPG或GIF 如 panda filetype:jpg,搜索特殊格式的文件,目前可搜索的文件格式： DOC、PPT、XLS、RTF、PS、TXT、Lotus文件； PDF格式 最精彩的，可搜索Flash文件： SWF文件 方法： 關(guān)鍵詞 filetype:* 搜索包含關(guān)鍵詞的文檔（但又不盡然）。搜索到后，可點(diǎn)擊打開，也可右鍵快捷菜單用“另存為”。對于Office文檔，還可以用HTML方式打開，以避免病毒的襲擊。,其他特殊的搜索,

10、搜索的關(guān)鍵詞包含在URL鏈接中 Inurl:mp3 yesterday once more 可用于搜索MIDI、MP3等文件 搜索的關(guān)鍵詞包含在網(wǎng)頁標(biāo)題中 Intitle:Foshan University 搜索指定的網(wǎng)站范圍 在圖象搜索中，用：Panda site: 搜索有多少鏈接到某個地址的網(wǎng)頁 Link:,Google的高級搜索,Google的高級搜索可實(shí)現(xiàn)前面所說的各種特殊的搜索，免除用戶記憶語法結(jié)構(gòu)。 在Google的網(wǎng)頁上，點(diǎn)擊“高級搜索”即可。 推薦大家使用英文版的Google,以及英文版的幫助文檔。,天網(wǎng)的FTP搜索,地址： 缺點(diǎn)：死鏈接太多，許多是學(xué)生的服務(wù)器，運(yùn)行不穩(wěn)定 簡

11、單搜索 輸入要查詢的文件名， 可以包含“*”號(通配所有字符)、“?”號(通配一個字符)、空格(表示幾個查詢的并)。 按類別搜索文件 點(diǎn)擊“分類搜索”下的各種類型，如“圖像”、“聲音”、“視頻”、“壓縮”、“文檔”、“程序”、“目錄”、“源代碼”，則搜索引擎在指定的類型里搜索文件。比如點(diǎn)擊“圖象”，則在所有的圖象文件里查找與匹配串相符的文件。 使用快捷方式(已經(jīng)做好的分類） 天網(wǎng)搜索引擎為用戶常用的搜索提供了快捷方式，使用起來極為簡單，直接點(diǎn)擊快捷方式下所要的內(nèi)容即可。,天網(wǎng)FTP,FTP復(fù)雜搜索： 從FTP檢索頁面里點(diǎn)擊“FTP復(fù)雜選項(xiàng)”進(jìn)入“FTP復(fù)雜搜索”頁面。在復(fù)雜搜索頁面里，如果沒有

12、填寫或者沒有選擇，表示使用缺省值。 文件大小過濾： 文件日期過濾： 頁面顯示個數(shù)： 文件類型： 限定搜索的站點(diǎn)范圍 結(jié)果顯示： 每個結(jié)果前的圖標(biāo)是該文件的文件類型圖片， 表示“圖像”、“聲音”、“視頻”、“壓縮”、“文檔”、“程序”、“目錄”、“源代碼”或者 表示搜索引擎系統(tǒng)未定義的文件類型； 圖標(biāo)后是文件名，點(diǎn)擊可以打開文件；文件名后是文件的創(chuàng)建時間和文件的大??； 文件名下方是該文件所在的目錄，點(diǎn)擊可以在新的窗口里打開該目錄。,關(guān)于軟件的搜索,軟件下載網(wǎng)站主要有三類： 大型軟件下載網(wǎng)站 主要提供普通的免費(fèi)和共享軟件。如： 軟件主頁 一些最新版本的共享軟件以及軟件的補(bǔ)丁，或者軟件公司推出的免費(fèi)

13、軟件。如：Microsfot、Adobe、Lotus等公司的站點(diǎn) 個人主頁下載 可以找到正式網(wǎng)站找不到的內(nèi)容。 在教育網(wǎng)內(nèi)，許多情況下可以用天網(wǎng)的FTP搜索。 如果用搜索引擎，則選擇關(guān)鍵詞很重要。通?？捎靡韵玛P(guān)鍵詞：軟件名 下載 版本 cdkey 軟件大小,使用網(wǎng)絡(luò)實(shí)名,登陸, 為自己的電腦開啟網(wǎng)絡(luò)實(shí)名功能。 “3721網(wǎng)絡(luò)實(shí)名”是新一代的網(wǎng)絡(luò)訪問技術(shù)，它具有十大功能，其中智能推測、拼音使用等功能可以幫助我們搜索那些名稱不確切的網(wǎng)址。 訪問新浪，只要在地址欄打入“新浪”或“xinlang”即可 例如：在瀏覽器地址欄中輸入上市公司股票代碼，就可以獲取實(shí)時行情,為什么搜索引擎搜不到？,有些內(nèi)容，網(wǎng)

14、上明明存在，但是用搜索引擎搜不到。如果事先理解搜索引擎能做的和不能做的，就可以設(shè)計更佳的搜索策略。而搜索之前思考一下搜索策略，是搜索成功最關(guān)鍵的一步。 這樣的內(nèi)容，主要有3類： 1、網(wǎng)上有，但是搜索引擎庫里沒有 spider未能正確處理的網(wǎng)頁性質(zhì)及文件類型 （如某些動態(tài)網(wǎng)頁及frame、數(shù)據(jù)庫） 沒有指向鏈接的孤島網(wǎng)頁 spider訪問時因?yàn)槟承┰蛘檬撬梨溄?被認(rèn)為是劣質(zhì)網(wǎng)頁而不抓 因?yàn)?色情/反動/spam/等問題而不抓的非法網(wǎng)頁 需要輸入用戶名、密碼方可打開的網(wǎng)頁 網(wǎng)站用robots協(xié)議拒絕搜索引擎抓取的網(wǎng)頁 搜索引擎還未來得及抓取的新網(wǎng)頁,為什么搜不到？-之二,2、搜索引擎庫里有，但

15、是未能正確索引網(wǎng)頁中信息 分詞引起誤差 圖型中的文字信息你看得懂但搜索引擎看不懂 停用詞等搜索引擎故意不索引的信息 搜索引擎對某些網(wǎng)頁有選擇的索引，未索引全部網(wǎng)頁信息 3、搜索引擎正確索引了網(wǎng)頁中信息，但和你用的關(guān)鍵詞不同 你用的搜索關(guān)鍵詞中含有錯別字 網(wǎng)頁作者用了錯別字 沒有錯別字，但網(wǎng)頁作者用的詞匯和你的關(guān)鍵詞不同，畢竟，文字的特性，允許有n種方式表達(dá)同一種信息 簡體繁體不同編碼,用戶自己的錯誤,初學(xué)者搜索時容易犯的6個低級錯誤和解決方法 常見錯誤1：錯別字 經(jīng)常發(fā)生的一種錯誤是，你輸入的關(guān)鍵詞含有錯別字，改正了就好。 常見錯誤2：關(guān)健詞太常見 搜索引擎對常見詞的搜索存在缺陷，因?yàn)檫@些詞曝

16、光率太高了，以至于出現(xiàn)在成百萬網(wǎng)頁中，使得它們事實(shí)上不能被用來幫你找到什么有用的內(nèi)容。比如說搜索“電話”。 常見錯誤3：多義詞 要小心使用多義詞，比如搜索“java”，你要找的信息究竟是太平洋上的一個島、一種著名的咖啡、還是一種計算機(jī)語言。,用戶自己的錯誤,常見錯誤4：不會輸關(guān)鍵詞，想要什么輸什么 搜索失敗的另一個常見原因是類似這樣的搜索：“現(xiàn)代愛情故事歌詞” 常見錯誤5：在錯誤的地方搜索 有些信息不適合搜索，應(yīng)該直接到網(wǎng)站瀏覽，如論壇的內(nèi)容。 常見錯誤6：停用詞 停用詞主要見于英文搜索引擎中，指的是使用過于頻繁的單詞，如“is”、“i”、“what”、“it”等。一些搜索引擎在它的網(wǎng)頁庫里碰

17、到這些詞時不會搜,優(yōu)秀的電子信息資源,查找論文等，就不需要使用普通的搜索引擎了。 中國期刊網(wǎng)(CNKI)： 萬方數(shù)據(jù)： 各個專業(yè)都有自己的專業(yè)信息資源 如中文的新聞類： 中新社 新華社 外交部各國資料：,如何才能有效地搜索？,理解搜索引擎的原理和基本的使用技術(shù) 對于中文，要理解“分詞”。 勤奮：大量實(shí)踐，仔細(xì)體會每個搜索引擎的特色和功能。搜索時的堅持不懈。 積累：平時多注意積累優(yōu)秀的專業(yè)網(wǎng)站和數(shù)據(jù)庫 學(xué)問：要博學(xué)多聞 天資：主要是想象力、判斷力,搜索引擎的分類及原理,按照信息搜集方法和服務(wù)提供方式的不同，搜索引擎系統(tǒng)可以分為三大類： 1目錄式搜索引擎：以人工方式或半自動方式搜集信息，由編輯員查

18、看信息之后，人工形成信息摘要，并將信息置于事先確定的分類框架中。信息大多面向網(wǎng)站，提供目錄瀏覽服務(wù)和直接檢索服務(wù)。該類搜索引擎因?yàn)榧尤肓巳说闹悄?，所以信息?zhǔn)確、導(dǎo)航質(zhì)量高，缺點(diǎn)是需要人工介入、維護(hù)量大、信息量少、信息更新不及時。這類搜索引擎的代表是：Yahoo、LookSmart、Open Directory、Go Guide等。,搜索引擎分類,2機(jī)器人搜索引擎：由一個稱為蜘蛛（Spider）的機(jī)器人程序以某種策略自動地在互聯(lián)網(wǎng)中搜集和發(fā)現(xiàn)信息，由索引器為搜集到的信息建立索引，由檢索器根據(jù)用戶的查詢輸入檢索索引庫，并將查詢結(jié)果返回給用戶。服務(wù)方式是面向網(wǎng)頁的全文檢索服務(wù)。該類搜索引擎的優(yōu)點(diǎn)是信息量大、更新及時、毋需人工干預(yù)，缺點(diǎn)是返回信息過多，有很多無關(guān)信息，用戶必須從結(jié)果中進(jìn)行篩選。這類搜索引擎的代表是：AltaVista、Northern Li