網(wǎng)絡(luò)信息檢索的工具

《網(wǎng)絡(luò)信息檢索的工具 》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、網(wǎng)絡(luò)信息檢索的工具[摘要]搜索引擎是人們使用Inter信息資源的重要工具。本文對(duì)目前的中文搜索引擎進(jìn)行了簡(jiǎn)要的分析，指出了其存在的缺陷和發(fā)展的方向。　　[關(guān)鍵詞]信息檢索中文搜索引擎存在的問(wèn)題發(fā)展方向　　　　隨著Inter信息資源的迅速增長(zhǎng)，如何在浩瀚的信息海洋中準(zhǔn)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(wèn)題，從1995年開(kāi)始出現(xiàn)的信息檢索工具——搜索引擎很好地解決了這一問(wèn)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(jìn)，本文旨在分析目前中文搜索引擎存

2、在的主要問(wèn)題，并為解決此類問(wèn)題提出一些建議和方法。　　一、搜索引擎的概念和及類型　　搜索引擎又稱檢索引擎，是指運(yùn)行在Inter上，以信息資源為對(duì)象，以信息檢索的方式為用戶提供所需數(shù)據(jù)的服務(wù)系統(tǒng)，主要包括信息存取、信息管理和信息檢索三大部分?！　∧壳埃形乃阉饕嬷饕腥N類型：目錄式搜索引擎、機(jī)器人搜索引擎（又稱全文搜索引擎）和元搜索引擎?！　?.目錄式搜索引擎。目錄式搜索引擎是以人工或半人工方式收集信息，建立數(shù)據(jù)庫(kù)，由編輯人員在訪問(wèn)了某個(gè)web站點(diǎn)后，對(duì)該站點(diǎn)進(jìn)行描述，并根據(jù)站點(diǎn)的內(nèi)容和性質(zhì)將其歸

3、為一個(gè)預(yù)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(zhǔn)確度較高，導(dǎo)航質(zhì)量也不錯(cuò)。但因其人工的介入，維護(hù)量大，信息量少，信息更新不及時(shí)都使得人們利用它的程度有限。國(guó)內(nèi)著名的新浪、搜狐、中文雅虎都屬于這種類型?！　?.機(jī)器人搜索引擎。這是一種目前運(yùn)用較廣泛的搜索引擎。國(guó)內(nèi)以百度，google、天網(wǎng)為代表。它是使用自動(dòng)采集軟件Robot，搜集和發(fā)現(xiàn)信息，并下載到本地文檔庫(kù)，再對(duì)文檔內(nèi)容進(jìn)行自動(dòng)分析并建立索引。對(duì)于用戶提出的檢索要求，通過(guò)檢索模塊檢索索引，找出匹配文檔返回給用戶。

4、　　機(jī)器人搜索引擎具有龐大的全文索引數(shù)據(jù)庫(kù)。其優(yōu)點(diǎn)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(diǎn)是缺乏清晰的層次結(jié)構(gòu)，檢索結(jié)果重復(fù)較多，需要用戶自己進(jìn)行篩選?！　?.元搜索引擎。元搜索引擎是一種調(diào)用其他搜索引擎的引擎。它是通過(guò)一個(gè)統(tǒng)一的用戶界面，幫助用戶在多個(gè)搜索引擎中選擇和利用合適的搜索引擎來(lái)實(shí)現(xiàn)檢索。中文元搜索引擎開(kāi)發(fā)較少，較成熟的則更少，萬(wàn)緯搜索是目前有一定影響的中文元搜索引擎?！　《?、現(xiàn)階段中文搜索引擎存在的主要問(wèn)題　　1.信息覆蓋面有限?，F(xiàn)階段搜索引擎所覆蓋的數(shù)據(jù)庫(kù)

5、的規(guī)模是非常有限的，據(jù)美國(guó)科學(xué)期刊Natures一篇報(bào)告中稱，全球最大的搜索引擎也只能覆蓋現(xiàn)有網(wǎng)頁(yè)的16%。中文搜索引擎因起步慢、中文信息所占互聯(lián)網(wǎng)全部信息的比例?。ㄖ徽既烤W(wǎng)絡(luò)信息的5%）等原因在這方面尤為突出?！　?.查全率不高。查全率是指檢索出的相關(guān)信息量與存儲(chǔ)在檢索系統(tǒng)中的全部相關(guān)信息量的百分比，是判斷檢索系統(tǒng)質(zhì)量的度量之一。　　國(guó)內(nèi)絕大多數(shù)的網(wǎng)站組織的信息大多都是通過(guò)瀏覽方式獲得內(nèi)容。即使是經(jīng)過(guò)精心組織、編排非常合理的網(wǎng)站，也會(huì)有70%～80%的網(wǎng)頁(yè)不能被搜索引擎檢索到。中文目錄式搜索引擎

6、因需人工介入、維護(hù)量大，在這方面表現(xiàn)較明顯。　　3.查準(zhǔn)率較低。查準(zhǔn)率更是判斷檢索系統(tǒng)質(zhì)量的重要尺度。是指系統(tǒng)所檢索到的真正與查詢內(nèi)容相關(guān)的文檔占檢索出的所有文檔數(shù)的百分比?！　≡斐刹闇?zhǔn)率低的原因是，部分搜索引擎的分類體系與科學(xué)知識(shí)體系之間缺乏內(nèi)在聯(lián)系；類目之間邏輯關(guān)系模糊，導(dǎo)致檢索路徑與搜索引擎類目錯(cuò)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(jié)果是題錄式而非全文式，其內(nèi)容簡(jiǎn)單等等。機(jī)器人搜索引擎的分類和索引缺乏人工的參與，其查準(zhǔn)率不如目錄式搜索引擎，且檢索結(jié)果中還含有大量

7、的重復(fù)、虛假的信息?！　?.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(wù)的搜索引擎。目前中文搜索引擎大多是綜合性的，能同時(shí)收錄各行業(yè)、各學(xué)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(wù)。這就使得專業(yè)人員，特別是某一領(lǐng)域的學(xué)者、專家不愿意利用中文搜索引擎去查詢資料?！　?.檢索功能方面存在缺陷。一是檢索中符合布爾邏輯運(yùn)算符的搜索引擎極為有限；二是關(guān)鍵詞檢索輸出的結(jié)果相關(guān)度排序方式雜亂，

8、不能根據(jù)用戶需要來(lái)選擇信息輸出的方式；三是多數(shù)的搜索引擎是面向主題搜索不是面向用戶搜索，不能重復(fù)利用用戶檢索過(guò)的成果，更不能對(duì)特定的用戶進(jìn)行定題跟蹤服務(wù)；四是檢索網(wǎng)站的主頁(yè)不規(guī)范，有些太簡(jiǎn)，有些又太繁，而且廣告內(nèi)容太多，無(wú)法進(jìn)行有效檢索?！　∪?、中文搜索引擎的發(fā)展方向　　1.提高查全率。首先是需要開(kāi)發(fā)分布式的系統(tǒng)。這種系統(tǒng)可以把各個(gè)接點(diǎn)當(dāng)作是新的信息資源，擴(kuò)大數(shù)據(jù)庫(kù)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(shí)用多個(gè)搜索引擎進(jìn)行查詢；二是