解讀搜索引擎原理 二維碼
618
四、集成搜索引擎 集成搜索引擎（All-in-One Search Page）亦稱為“多引擎同步檢索系統(tǒng) ”，是在一個WWW頁面上鏈接若干種獨立的搜索引擎，檢索時需點選或指定搜索引擎，一次檢索輸入，多引擎同時搜索，用起來相當方便。 集成搜索引擎無自建數(shù)據(jù)庫，不需研發(fā)支持技術(shù)，當然也不能控制和優(yōu)化檢索結(jié)果。但集成搜索引擎制作與維護技術(shù)簡單，可隨時對所鏈接的搜索引擎進行增刪調(diào)整和及時更新，尤其大規(guī)模專業(yè)（如FLASH、MP3等）搜索引擎集成鏈接，深受特定用戶群歡迎。 集成搜索引擎是通過網(wǎng)絡(luò)技術(shù)，在一個網(wǎng)頁上鏈接很多個獨立搜索引擎，查詢時，點選或指定搜索引擎，一次輸入，多個搜索引擎同時查詢，搜索結(jié)果由各搜索引擎分別以不同頁面顯示。 任何搜索引擎的設(shè)計，均有其特定的數(shù)據(jù)庫索引范圍、獨特的功能和使用方法，以及預期的用戶群指向。一種搜索引擎不可能滿足所有人或一個人所有的檢索需求。在某些情況下，如文獻普查、專題查詢、新聞?wù){(diào)查與溯源、軟件及MP3下載地址搜索等等，人們往往需要使用多種搜索引擎，對搜索結(jié)果進行比較、篩選和相互印證。為解決逐一登陸各搜索引擎，并在各搜索引擎中分別多次輸入同一檢索請求（檢索字串）等煩瑣操作，集成搜索引擎和元搜索引擎應運而生。 集成搜索引擎起源 因特網(wǎng)上沖浪，你也許有這種痛苦經(jīng)歷：利用搜索引擎進行網(wǎng)頁搜索時，在第一個搜索引擎中沒有找到滿意的結(jié)果，于是在第二、第三……個搜索引擎間奔波，為找到滿意的結(jié)果而費時費力。其實，在因特網(wǎng)上已有不少聰明人開發(fā)出了一種Metasearch技術(shù)，即集成搜索，也叫索引搜索，來幫助上網(wǎng)者快速、全面、準確地搜索到自己確實需要的網(wǎng)頁。這種技術(shù)的特點是：這些網(wǎng)站上集成了許多搜索引擎，你輸入一個查詢要求，它會將其適當格式化后提交給許多搜索引擎進行搜索，然后將返回的搜索結(jié)果進行整理、合并、集成為一個頁面，或一份報告，內(nèi)容就是你要的搜索結(jié)果。 集成搜索引擎優(yōu)點 集成搜索引擎的優(yōu)點是明顯的：首先，它在一個網(wǎng)站上同時搜索許多搜索引擎，最終返回的結(jié)果被進行了適當?shù)恼?，刪除了一些不適合和重復的網(wǎng)頁，從而大大地節(jié)省你的時間、金錢和精力，使搜索變得更有效率；其次，它使你的搜索結(jié)果更為全面、準確，也更容易找到符合你需要的結(jié)果。
搜索引擎的發(fā)展趨勢 一個好的搜索引擎，不僅數(shù)據(jù)庫容量要大，更新頻率、檢索速度要快，支持對多語言的搜索，而且隨著數(shù)據(jù)庫容量的不斷膨脹，還要能從龐大的資料庫中精確地找到正確的資料。 1、提高搜索引擎對用戶檢索提問的理解。 為了提高搜索引擎對用戶檢索提問的理解，就必須有一個好的檢索提問語言。為了克服關(guān)鍵詞檢索和目錄查詢的缺點，現(xiàn)在已經(jīng)出現(xiàn)了自然語言智能答詢。用戶可以輸入簡單的疑問句，比如“如何能殺死計算機中的病毒”，搜索引擎在對提問進行結(jié)構(gòu)和內(nèi)容的分析之后，或直接給出提問的答案，或引導用戶從幾個可選擇的問題中進行再選擇。自然語言的優(yōu)勢在于，一是使網(wǎng)絡(luò)交流更加人性化，二是使查詢變得更加方便、直接、有效。就以上面的例子來講，如果用關(guān)鍵詞查詢，多半人會用“病毒”這個詞來檢索，結(jié)果中必然會包括各類病毒的介紹，病毒是怎樣產(chǎn)生的等等許多無用信息，而用“如何能殺死計算機中的病毒”檢索，搜索引擎會將怎樣殺死病毒的信息提供給用戶，提高了檢索效率。 2、垂直主題搜索引擎有著極大的發(fā)展空間。 網(wǎng)上的信息浩如煙海，網(wǎng)絡(luò)資源以驚人的速度增長，一個搜索引擎很難收集全所有主題的網(wǎng)絡(luò)信息，即使信息主題收集得比較全面，由于主題范圍太寬，很難將各主題都做得精確而又專業(yè)，使得檢索結(jié)果垃圾太多。這樣以來，垂直主題的搜索引擎以其高度的目標化和專業(yè)化在各類搜索引擎中占據(jù)了一席之地。目前，一些主要的搜索引擎，都提供了新聞、Mp3、圖片、Flash等的搜索，加強了檢索的針對性。 3、元搜索引擎，能夠提供全面且較為準確的查詢結(jié)果。 現(xiàn)在的許多搜索引擎，其收集信息的范圍、索引方法、排名規(guī)則等都各不相同，每個搜索引擎平均只能涉及到整個Web資源的30－50%，這樣導致同一個搜索請求在不同搜索引擎中獲得的查詢結(jié)果的重復率不足34%，而每一個搜索引擎的查準率不到45%。元搜索引擎(META Search Engine)是將用戶提交的檢索請求發(fā)送到多個獨立的搜索引擎上去搜索，并將檢索結(jié)果集中統(tǒng)一處理，以統(tǒng)一的格式提供給用戶，因此有搜索引擎之上的搜索引擎之稱。它的主要精力放在提高搜索速度、智能化處理搜索結(jié)果、個性化搜索功能的設(shè)置和用戶檢索界面的友好性上，查全率和查準率都比較高。 主要的搜索引擎介紹 這里介紹的是在國內(nèi)外影響比較大的主要的一些搜索引擎和分類目錄站點，由于現(xiàn)在的站點一般都同時提供全文搜索和分類目錄兩種服務(wù)，所以我們按照其自有的技術(shù)進行分類和介紹。 1、主要的全文搜索引擎
2、主要分類目錄
百度搜索引擎工作方式 我所知道的百度搜索：由于工作的關(guān)系，小生有幸一直在使用百度的百事通企業(yè)搜索引擎（該部門現(xiàn)已被裁員，主要是百度的戰(zhàn)略開始向谷歌靠攏，不再單獨銷售搜索引擎，轉(zhuǎn)向搜索服務(wù)），據(jù)百度的銷售人員稱，百事通的搜索核心和大搜索的相同，只有可能版本稍低，因此我有理由相信搜索的工作方式大同小異。下面是一些簡單介紹和注意點： 1、關(guān)于網(wǎng)站搜索的更新頻率 百度搜索可以設(shè)定網(wǎng)站的更新頻率和時間，一般對于大網(wǎng)站更新頻度很快，而且會專門開設(shè)獨立的爬蟲進行跟蹤，不過百度是比較勤奮的，中小網(wǎng)站一般也會每天更新。因此，如果你希望自己的網(wǎng)站更新得更快，最好是在大型的分類目錄（例如yahoosina網(wǎng)易）中有你的鏈接，或者在百度自己的相關(guān)網(wǎng)站中，有你網(wǎng)站的超鏈接，在或者你的網(wǎng)站就在一些大型網(wǎng)站里面，例如大型網(wǎng)站的blog。 2、關(guān)于采集的深度 百度搜索可以定義采集的深度，就是說不見得百度會檢索你網(wǎng)站的全部內(nèi)容，有可能只索引你的網(wǎng)站的首頁的內(nèi)容，尤其對小型網(wǎng)站來說。 3、關(guān)于對時常不通網(wǎng)站的采集 百度對于網(wǎng)站的通斷是有專門的判斷的，如果一旦發(fā)現(xiàn)某個網(wǎng)站不通，尤其是一些中小網(wǎng)站，百度的自動停止往這些網(wǎng)站派出爬蟲，所以選擇好的服務(wù)器，保持網(wǎng)站24小時暢通非常重要。 4、關(guān)于更換IP的網(wǎng)站 百度搜索能夠基于域名或者ip地址，如果是域名，會自動解析為對應的ip地址，因此就會出現(xiàn)2個問題，第一就是如果你的網(wǎng)站和別人使用相同的IP地址，如果別人的網(wǎng)站被百度懲罰了，你的網(wǎng)站會受到牽連，第二就是如果你更換了ip地址，百度會發(fā)現(xiàn)你的域名和先前的ip地址沒有對應，也會拒絕往你的網(wǎng)站派出爬蟲。因此建議，不要隨意更換ip地址，如果有可能盡量獨享ip，保持網(wǎng)站的穩(wěn)定很重要。 5、關(guān)于靜態(tài)和動態(tài)網(wǎng)站的采集 很多人擔心是不是類似asp?id=之類的頁面很難被收集，html這樣的頁面容易被收集，事實上情況并沒有想的這么糟，現(xiàn)在的搜索引擎大部分都支持動態(tài)網(wǎng)站的采集和檢索，包括需要登陸的網(wǎng)站都可以檢索到，因此大可不必擔心自己的動態(tài)網(wǎng)站搜索引擎無法識別，百度搜索中對于動態(tài)的支持可以自定義。但是，如果有可能，還是盡量生成靜態(tài)頁面。同時，對于大部分搜索引擎，依然對腳本跳轉(zhuǎn)（JS）、框架（frame）、 Flash超鏈接，動態(tài)頁面中含有非法字符的頁面無可奈何。 6、關(guān)于索引的消失 前面講過，搜索的索引需要創(chuàng)建，一般好的搜索，索引都是文本文件，而不是數(shù)據(jù)庫，因此索引中需要刪除一條記錄，并不是一件方便的事情。例如百度，需要使用專門的工具，人工刪除某條索引記錄。據(jù)百度員工稱，百度專門有一群人負責這件事情——接到投訴，刪除記錄，手工。當然還能直接刪除某個規(guī)則下的所有索引，也就是可以刪除某個網(wǎng)站下的所有索引。還有一個機制（未經(jīng)驗證），就是對于過期的網(wǎng)頁和作弊的網(wǎng)頁（主要是網(wǎng)頁標題、關(guān)鍵詞和內(nèi)容不匹配），在重建索引的過程中也會被刪除。 7、關(guān)于去重 百度搜索的去重不如谷歌的理想，主要還是判別文章的標題和來源地址，只要不相同，就不會自動去重，因此不必擔心采集的內(nèi)容雷同而很快被搜索懲罰，谷歌的有所不同，標題相同的被同時收錄的不多。 補充一句，不要把搜索引擎想得這么智能，基本上都是按照一定的規(guī)則和公式，想不被搜索引擎懲罰，避開這些規(guī)則即可。 谷歌搜索排名技術(shù) 對于搜索來說，谷歌強于百度，主要的原因就是谷歌更加公正，而百度有很多人為的因素，google之所以公正，源于他的排名技術(shù)PageRank。 很多人知道PageRank，是網(wǎng)站的質(zhì)量等級，越小表示網(wǎng)站越優(yōu)秀。其實PageRank是依靠一個專門的公式計算出來的，當我們在google搜索關(guān)鍵詞的時候，頁面等級小的網(wǎng)頁排序會越靠前，這個公式并沒有人工干預，因此公正。 PageRank的最初想法來自于論文檔案的管理，我們知道每篇論文結(jié)尾都有參考文獻，假如某篇文章被不同論文引用了多次，就可以認為這篇文章是篇優(yōu)秀的文章。 同理，簡單的說，PageRank能夠?qū)W(wǎng)頁的重要性做出客觀的評價。PageRank 并不計算直接鏈接的數(shù)量，而是將從網(wǎng)頁 A 指向網(wǎng)頁 B 的鏈接解釋為由網(wǎng)頁 A對網(wǎng)頁 B 所投的一票。這樣，PageRank 會根據(jù)網(wǎng)頁 B 所收到的投票數(shù)量來評估該頁的重要性。此外，PageRank還會評估每個投票網(wǎng)頁的重要性，因為某些網(wǎng)頁的投票被認為具有較高的價值，這樣，它所鏈接的網(wǎng)頁就能獲得較高的價值。 Page Rank的公式這里省略，說說影響Page Rank的主要因素 1、指向你的網(wǎng)站的超鏈接數(shù)量（你的網(wǎng)站被別人引用），這個數(shù)值越大，表示你的網(wǎng)站越重要，通俗的說，就是其它網(wǎng)站是否友情鏈接，或者推薦鏈接到你的網(wǎng)站； 2、超鏈接你的網(wǎng)站的重要程度，意思就是一個質(zhì)量好的網(wǎng)站有你的網(wǎng)站的超鏈接，說明你的網(wǎng)站也很優(yōu)秀。 3、網(wǎng)頁特定性因素：包括網(wǎng)頁的內(nèi)容、標題及URL等，也就是網(wǎng)頁的關(guān)鍵詞及位置。 搜索引擎的發(fā)展趨勢 一個好的搜索引擎，不僅數(shù)據(jù)庫容量要大，更新頻率、檢索速度要快，支持對多語言的搜索，而且隨著數(shù)據(jù)庫容量的不斷膨脹，還要能從龐大的資料庫中精確地找到正確的資料。 1、提高搜索引擎對用戶檢索提問的理解。 為了提高搜索引擎對用戶檢索提問的理解，就必須有一個好的檢索提問語言。為了克服關(guān)鍵詞檢索和目錄查詢的缺點，現(xiàn)在已經(jīng)出現(xiàn)了自然語言智能答詢。用戶可以輸入簡單的疑問句，比如“如何能殺死計算機中的病毒”，搜索引擎在對提問進行結(jié)構(gòu)和內(nèi)容的分析之后，或直接給出提問的答案，或引導用戶從幾個可選擇的問題中進行再選擇。自然語言的優(yōu)勢在于，一是使網(wǎng)絡(luò)交流更加人性化，二是使查詢變得更加方便、直接、有效。就以上面的例子來講，如果用關(guān)鍵詞查詢，多半人會用“病毒”這個詞來檢索，結(jié)果中必然會包括各類病毒的介紹，病毒是怎樣產(chǎn)生的等等許多無用信息，而用“如何能殺死計算機中的病毒”檢索，搜索引擎會將怎樣殺死病毒的信息提供給用戶，提高了檢索效率。 2、垂直主題搜索引擎有著極大的發(fā)展空間。 網(wǎng)上的信息浩如煙海，網(wǎng)絡(luò)資源以驚人的速度增長，一個搜索引擎很難收集全所有主題的網(wǎng)絡(luò)信息，即使信息主題收集得比較全面，由于主題范圍太寬，很難將各主題都做得精確而又專業(yè)，使得檢索結(jié)果垃圾太多。這樣以來，垂直主題的搜索引擎以其高度的目標化和專業(yè)化在各類搜索引擎中占據(jù)了一席之地。目前，一些主要的搜索引擎，都提供了新聞、Mp3、圖片、Flash等的搜索，加強了檢索的針對性。 3、元搜索引擎，能夠提供全面且較為準確的查詢結(jié)果。 現(xiàn)在的許多搜索引擎，其收集信息的范圍、索引方法、排名規(guī)則等都各不相同，每個搜索引擎平均只能涉及到整個Web資源的30－50%，這樣導致同一個搜索請求在不同搜索引擎中獲得的查詢結(jié)果的重復率不足34%，而每一個搜索引擎的查準率不到45%。元搜索引擎(META Search Engine)是將用戶提交的檢索請求發(fā)送到多個獨立的搜索引擎上去搜索，并將檢索結(jié)果集中統(tǒng)一處理，以統(tǒng)一的格式提供給用戶，因此有搜索引擎之上的搜索引擎之稱。它的主要精力放在提高搜索速度、智能化處理搜索結(jié)果、個性化搜索功能的設(shè)置和用戶檢索界面的友好性上，查全率和查準率都比較高。 新網(wǎng)站如何應對搜索 1、搜索引擎為什么不收錄你的網(wǎng)站，存在以下可能（不絕對，根據(jù)各自情況不同）
2、新站如何做才正確（僅供參考）
例如“基于開源jabber(XMPP)架設(shè)內(nèi)部即時通訊服務(wù)的解決方案”； 標題部分：<title>基于開源jabber(XMPP)架設(shè)內(nèi)部即時通訊服務(wù)的解決方案- 肥龍龍（expendable）的專欄 -CSDNBlog</title> 關(guān)鍵詞部分：<meta name="keywords"cCOLOR:#c00000">安裝,"> 文章描述部分：<metaname="description" cCOLOR:#c00000">是著名的即時通訊服務(wù)服務(wù)器，它是一個自由開源軟件，能讓用戶自己架即時通訊服務(wù)器，可以在Internet上應用，也可以在局域網(wǎng)中應用。 XMPP（可擴展消息處理現(xiàn)場協(xié)議）是基于可擴展標記語言（XML）的協(xié)議，它用于即時消息（IM）以及在線現(xiàn)場探測。它在促進服務(wù)器之間的準即時操作。這個協(xié)議可能最終允許因特網(wǎng)用戶向因特網(wǎng)上的其他任何人發(fā)送即時消息，即使其操作系統(tǒng)和瀏覽器不同。XMPP的技術(shù)來自于Jabber，其實它是Jabber的核心協(xié)定，所以XMPP有時被誤稱為Jabber協(xié)議。Jabber是一個基于XMPP協(xié)議的IM應用，除Jabber之外，XMPP還支持很多應用。  以信載商，良心建站。遨游始終秉承“一次建站、終身維護”的宗旨，竭誠為客戶提供最優(yōu)質(zhì)的互聯(lián)網(wǎng)服務(wù)。遨游建站率先植入seo優(yōu)化理念，讓你的網(wǎng)頁更利于搜索引擎抓取，關(guān)鍵詞排名更靠前。可仿站、可定制。無論是傳統(tǒng)型企業(yè)官網(wǎng)、集團型品牌官網(wǎng)，還是營銷型網(wǎng)站、電商型網(wǎng)站、定制型網(wǎng)站、特殊行業(yè)網(wǎng)站（醫(yī)療、教育），全部搞定。 公司：網(wǎng)站建設(shè)_小程序設(shè)計_競價托管代運營公司；郵箱：1013601535@qq.com 手機：17073547034；QQ： 1013601535 在線留言咨詢，24小時內(nèi)回復
我想咨詢 *
企業(yè)名稱
手機號碼 *
您的姓名
所在城市 提交 |
網(wǎng)站建設(shè)問題
熱門標簽
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
