因特网信息检索与应用.ppt

《因特网信息检索与应用.ppt》由会员分享，可在线阅读，更多相关《因特网信息检索与应用.ppt（29页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Web信息检索搜索引擎的应用现状从用户使用的角度，国外的调查发现：网上搜索信息的人很少考虑如何找到他们所需要的信息，因此搜索信息时象动物猎食般盲目；只有18%的用户表示总能在网上搜索到需要的信息。68%的用户说他们对搜索引擎很失望；平均每个搜搜者在12分钟的徒劳搜索后就感到恼火和受挫。46%的人只会用同一个关键词搜啊搜啊，而且是在同一个搜索引擎。国外的应用状况那些每周平均花5个小时以上时间上网的人，将其上网时间的71%都花在了搜索引擎上；人机界面高手nielsen（google的设计者）研究表明：略超过1/2的互联网用户属于search-dominant,约1/5用户属于 link-domin

2、ant,其它用户的搜索倾向属于混合行为型。search-dominant在到达一个网站后直接就奔向搜索按钮，他们对浏览网站不感兴趣，他们有明确的目的，倾向于以最快速度找到信息。相反，link-dominant喜欢点击浏览一个网站，即使他们想找特殊信息时也是这样，只有在他们用点击超链的方法已经实在找不到了，才会想起搜索按钮。国内的应用状况国内的调查发现：cnnic2004年1月的调查：61.6%的中国互联网用户经常使用搜索引擎（仅次于E-mail）。83.4%的中国互联网用户得知新网站的主要途径是搜索引擎。赛迪咨询的搜索引擎调查：截止2000年8月，92.9%的网民使用过搜索引擎，同时有六成左右

3、的网民将搜索引擎列为经常使用的网络服务。新浪搜索的统计表明：第1条搜索结果获得的点击量，是第2页第1条的150倍。信息检索工具及其分类1.目录型检索工具由信息管理专业人员广泛搜集网络资源，并进行加工整理的基础上，按照某种主题分类体系编制的一种可供检索的等级结构式目录。典型：yahoo！搜狐2.搜索引擎使用自动检索软件来发现、收集并标引网页，建立数据库，以web页形式提供给用户一个检索界面，供用户输入关键词、词组或短语等检索项，代替用户在数据库中查找出与其提问匹配的记录并返回结果，且按其相关度顺讯输出。典型：Google，Baidu搜索引擎的基本功能1.一般检索功能Boolean（布尔逻辑检索）

4、+、-Phrase（词组检索）“”Truncation（截词检索）*？Fields（字段检索）2.特殊检索功能自然语言检索多语种检索区分大小写的检索值得推荐的几个中文搜索引擎全文搜索衡量搜索引擎的指标：查全率查准率速度Google:http:/新浪使用了它的全文搜索引擎服务百度：21CN使用了它的全文搜索引擎服务中国搜索（原来的慧聪搜索）网易、搜狐、263使用了它的搜索引擎。北大天网：http:/大量教育网内的资源，提供FTP搜索几大门户网站也有自己的搜索引擎，有时也能发挥作用。推荐的搜索引擎网站分类目录搜索新浪：其网站搜索最好搜狐：网站的分类目录整理最好，最适合于浏览网易：开放式目录，有许多

5、网上高手加盟中文Yahoo另类：网络实名新浪图片搜索:新视科技：，提供多媒体搜索找地图城市通：图行天下：使用Google进行搜索Google简介Google是一个搜索引擎，由两个斯坦福大学博士生Larry Page与Sergey Brin于1998年9月发明，Google Inc.于1999年创立。2000年7月份，Google替代Inktomi成为Yahoo公司的搜索引擎，同年9月份，Google成为中国网易公司的搜索引擎。1998年至今，Google已经获得30多项业界大奖。Google支持多达132种语言，包括简体中文和繁体中文；Google网站只提供搜索引擎功能，没有花里胡哨的累赘；G

6、oogle速度极快，据说有15000多台服务器，200多条T3级宽带；Google的专利网页级别技术PageRank能够提供高命中率的搜索结果；Google智能化的“手气不错”功能，提供可能最符合要求的网站；Google的“网页快照”功能，能从GOOGLE服务器里直接取出缓存的网页。福布斯富豪榜所有排名1 William Gates(比尔-盖茨）2 Warren Buffett（沃伦-巴菲特）3 Sheldon Adelson（谢尔登-阿德尔森）4 Lawrence Ellison（劳伦斯-埃里森）5 Sergey Brin（谢尔盖-布林）6 Larry Page（拉里-佩奇）7 Kirk K

7、erkorian（柯克-科克莱恩)8 Michael Dell（迈克尔-戴尔）9 Charles Koch（查尔斯-科赫）10 David Koch（戴维-科赫）文本搜索文本搜索目前Google已经收集索引了40多亿张网页使用单个关键词进行搜索理解什么是“关键词”，跟普通意义上的关键词不同。想象目标网页上应该有的若干个词。网页的排名问题使用两个及两个以上关键词进行搜索直接输入多个关键词，关键词之间用空格，这样就表示“AND”关系；用减号“-”表示“非”，用于表示要求搜索结果不包含某些特定信息；Google的帮助网页上说，不支持OR关系，实际上是支持得不好；使用一句话进行搜索加上双引号。这在查找

8、名言警句或专有名词时显得格外有用。Google对网络上常见得英文单词及一些标点符号作忽略处理 图象搜索目前Google可搜索8.8亿张图片,自称为“因特网上最好用的图像搜索工具”或点击Google主页上的“图象搜索”链接。目前的图象搜索主要是基于文件名的搜索，不是基于图象内容的。用法：关键词的输入方法同文字搜索，不过搜索图象一般不会用太长、太复杂的关键词。图象搜索中，使用英文作关键词使用英文作关键词可以搜到许多准确的结果，使用中文，效果较差，但有时Google会自动转换为英文或中文的拼音去搜索（有时欠稳定，其他内容的搜索也有此现象）。可以指定图片文件的类型：JPG或GIF 如 panda fi

9、letype: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：关键词 filetype:*搜索包含关键词的文档（但又不尽然）。搜索到后，可点击打开，也可右键快捷菜单用“另存为”。对于Office文档，还可以用HTML方式打开，以避免病毒的袭击。其他特殊的搜索搜索的关键词包含在URL链接中Inurl:mp3 yesterday once more可用于搜索MIDI、MP3等文件搜索的关键词包含在网页标题中Intitle:Foshan University搜索指定的网站范围在图象搜

10、索中，用：Panda site:搜索有多少链接到某个地址的网页Google的高级搜索Google的高级搜索可实现前面所说的各种特殊的搜索，免除用户记忆语法结构。在Google的网页上，点击“高级搜索”即可。推荐大家使用英文版的Google,以及英文版的帮助文档。http:/天网的FTP搜索地址：缺点：死链接太多，许多是学生的服务器，运行不稳定简单搜索输入要查询的文件名，可以包含“*”号(通配所有字符)、“?”号(通配一个字符)、空格(表示几个查询的并)。按类别搜索文件 点击“分类搜索”下的各种类型，如“图像”、“声音”、“视频”、“压缩”、“文档”、“程序”、“目录”、“源代码”，则搜索引擎在

11、指定的类型里搜索文件。比如点击“图象”，则在所有的图象文件里查找与匹配串相符的文件。使用快捷方式(已经做好的分类）天网搜索引擎为用户常用的搜索提供了快捷方式，使用起来极为简单，直接点击快捷方式下所要的内容即可。天网FTPFTP复杂搜索：从FTP检索页面里点击“FTP复杂选项”进入“FTP复杂搜索”页面。在复杂搜索页面里，如果没有填写或者没有选择，表示使用缺省值。文件大小过滤：文件日期过滤：页面显示个数：文件类型：限定搜索的站点范围结果显示：每个结果前的图标是该文件的文件类型图片，表示“图像”、“声音”、“视频”、“压缩”、“文档”、“程序”、“目录”、“源代码”或者 表示搜索引擎系统未定义的文

12、件类型；图标后是文件名，点击可以打开文件；文件名后是文件的创建时间和文件的大小；文件名下方是该文件所在的目录，点击可以在新的窗口里打开该目录。关于软件的搜索软件下载网站主要有三类：大型软件下载网站主要提供普通的免费和共享软件。如：软件主页一些最新版本的共享软件以及软件的补丁，或者软件公司推出的免费软件。如：Microsfot、Adobe、Lotus等公司的站点个人主页下载可以找到正式网站找不到的内容。在教育网内，许多情况下可以用天网的FTP搜索。如果用搜索引擎，则选择关键词很重要。通常可用以下关键词：软件名软件名 下载下载 版本版本 cdkey 软件大小软件大小使用网络实名登陆,为自己的电脑开

13、启网络实名功能。“3721网络实名”是新一代的网络访问技术，它具有十大功能，其中智能推测、拼音使用等功能可以帮助我们搜索那些名称不确切的网址。访问新浪，只要在地址栏打入“新浪”或“xinlang”即可例如：在浏览器地址栏中输入上市公司股票代码，就可以获取实时行情为什么搜索引擎搜不到？有些内容，网上明明存在，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，就可以设计更佳的搜索策略。而搜索之前思考一下搜索策略，是搜索成功最关键的一步。这样的内容，主要有3类：1、网上有，但是搜索引擎库里没有spider未能正确处理的网页性质及文件类型（如某些动态网页及frame、数据库）没有指向链接的孤

14、岛网页 spider访问时因为某些原因正好是死链接 被认为是劣质网页而不抓因为/色情/反动/spam/等问题而不抓的非法网页 需要输入用户名、密码方可打开的网页 网站用robots协议拒绝搜索引擎抓取的网页 搜索引擎还未来得及抓取的新网页为什么搜不到？-之二2、搜索引擎库里有，但是未能正确索引网页中信息分词引起误差图型中的文字信息你看得懂但搜索引擎看不懂停用词等搜索引擎故意不索引的信息搜索引擎对某些网页有选择的索引，未索引全部网页信息3、搜索引擎正确索引了网页中信息，但和你用的关键词不同你用的搜索关键词中含有错别字网页作者用了错别字 没有错别字，但网页作者用的词汇和你的关键词不同，毕竟，文字的

15、特性，允许有n种方式表达同一种信息 简体繁体不同编码用户自己的错误初学者搜索时容易犯的6个低级错误和解决方法常见错误1：错别字 经常发生的一种错误是，你输入的关键词含有错别字，改正了就好。常见错误2：关健词太常见搜索引擎对常见词的搜索存在缺陷，因为这些词曝光率太高了，以至于出现在成百万网页中，使得它们事实上不能被用来帮你找到什么有用的内容。比如说搜索“电话”。常见错误3：多义词要小心使用多义词，比如搜索“java”，你要找的信息究竟是太平洋上的一个岛、一种著名的咖啡、还是一种计算机语言。用户自己的错误常见错误4：不会输关键词，想要什么输什么搜索失败的另一个常见原因是类似这样的搜索：“现代爱情故

16、事歌词”常见错误5：在错误的地方搜索有些信息不适合搜索，应该直接到网站浏览，如论坛的内容。常见错误6：停用词停用词主要见于英文搜索引擎中，指的是使用过于频繁的单词，如“is”、“i”、“what”、“it”等。一些搜索引擎在它的网页库里碰到这些词时不会搜优秀的电子信息资源查找论文等，就不需要使用普通的搜索引擎了。中国期刊网(CNKI)：万方数据：各个专业都有自己的专业信息资源如中文的新闻类：中新社 新华社外交部各国资料：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术对于中文，要理解“分词”。勤奋：大量实践，仔细体会每个搜索引擎的特色和功能。搜索时的坚持不懈。积累：平时多注意积累优秀的专

17、业网站和数据库学问：要博学多闻天资：主要是想象力、判断力搜索引擎的分类及原理按照信息搜集方法和服务提供方式的不同，搜索引擎系统可以分为三大类：1目录式搜索引擎：以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。这类搜索引擎的代表是：Yahoo、LookSmart、Open Directory、Go Guide等。搜索引擎分类2机器人搜索引擎：由一个称为蜘蛛（Spider）的机器

18、人程序以某种策略自动地在互联网中搜集和发现信息，由索引器为搜集到的信息建立索引，由检索器根据用户的查询输入检索索引库，并将查询结果返回给用户。服务方式是面向网页的全文检索服务。该类搜索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。这类搜索引擎的代表是：AltaVista、Northern Light、Excite、Infoseek、Inktomi、FAST、Lycos、Google；国内代表为：天网、悠游、OpenFind等。分类3元搜索引擎：这类搜索引擎没有自己的数据，而是将用户的查询请求同时向多个搜索引擎递交，将返回的结果进行重

19、复排除、重新排序等处理后，作为自己的结果返回给用户。服务方式为面向网页的全文检索。这类搜索引擎的优点是返回结果的信息量更大、更全，缺点是不能够充分使用所使用搜索引擎的功能，用户需要做更多的筛选。这类搜索引擎的代表是WebCrawler、InfoMarket等。竞价排名服务收费标准竞价排名服务收费标准 1、竞价排名推广费最低预付金为2400元，多付不限，您的付款将会被存入您所注册的竞价排名账号中，当有潜在客户通过竞价排名点击访 问你的网站后，百度会从你的账号中扣除相应费用。2、每次点击的收费起价为0.30元，如果多家网站同时竞买一个关键字，则搜索结果按照每次点击竞价的高低来排序。3、每个用户所能提交的关键字数目没有限制，无论提交多少个关键字，均按网站的实际被点击量计费。4、竞价排名点击计费系统每15分钟统计一次点击情况，扣除相应费用。你可以随时登陆竞价排名客户管理平台查看点击情况。5、我们为每个客户提供详细的点击统计报告，您可以随时登陆管理平台查看。6、每年交纳服务费600元，百度为您提供咨询服务、开户服务、管理服务、报告服务，点此了解专业服务内容。