網(wǎng)絡(luò)信息資源檢索工具中的搜索引擎基本工作原理

棲霞市圖書館 牟雪艷

隨著國內(nèi)外近年來電子圖書館、數(shù)字圖書館、虛擬圖書館的興起與發(fā)展，圖書館的工作對象由文獻資源擴展為信息資源。以計算機技術(shù)、網(wǎng)絡(luò)技術(shù)、微電子技術(shù)為核心的現(xiàn)代化技術(shù)將從根本上改變圖書館的工作模式、工作方法甚至體制形態(tài)。新的研究課題不斷涌現(xiàn)，其中包括網(wǎng)上信息資源的虛擬鏈接和應(yīng)用、利用計算機進行各類信息（包括多媒體信息、流媒體信息等）的存儲和檢索。

1.網(wǎng)絡(luò)信息資源

網(wǎng)絡(luò)信息資源是將文字、圖像、聲音、動畫等多種形式的信息，以數(shù)字化形式存儲，并借助計算機與網(wǎng)絡(luò)通信設(shè)備發(fā)布、收集、組織、存儲、傳遞、檢索和利用的信息資源。

2.網(wǎng)絡(luò)信息資源的檢索工具

網(wǎng)絡(luò)信息資源檢索工具有多種，按照其檢索機制可分為主題指南（目錄型檢索工具）、圖書館的網(wǎng)絡(luò)導(dǎo)航（學(xué)科導(dǎo)航）、搜索引擎等。從功能上來看，主題指南和圖書館的網(wǎng)絡(luò)導(dǎo)航類似圖書中的目次，而搜索引擎則更像索引。搜索引擎使用自動索引軟件來發(fā)現(xiàn)、收集并標引網(wǎng)頁，建立索引數(shù)據(jù)庫，以Web形式提供檢索界面。當用戶輸入某個關(guān)鍵詞的時候，所有在頁面內(nèi)容中包含該關(guān)鍵詞的網(wǎng)頁都將作為搜索結(jié)果被搜出來。在經(jīng)過復(fù)雜的算法進行排序后，這些結(jié)果將按照與搜索關(guān)鍵詞的相關(guān)度高低依次排列。搜索引擎強調(diào)的是檢索功能，而非主題指南那樣的導(dǎo)引、瀏覽。

3.搜索引擎基本工作原理

3.1 搜索引擎的概念

搜索引擎是指自動從互聯(lián)網(wǎng)搜集信息，經(jīng)過一定整理之后，提供給用戶進行查詢的系統(tǒng)。它是為滿足用戶對網(wǎng)絡(luò)信息搜索需求應(yīng)運而生的網(wǎng)絡(luò)工具，既是互聯(lián)網(wǎng)信息查詢的導(dǎo)航器，也是溝通用戶與網(wǎng)絡(luò)信息的重要橋梁。搜索引擎是在檢索被搜索到的網(wǎng)頁的數(shù)據(jù)庫，而不是檢索互聯(lián)網(wǎng)本身。[1]

3.2 獨立搜索引擎是一個雙層的客戶

機/服務(wù)器（Client/Server—C/S）體系結(jié)構(gòu)

當用戶訪問搜索引擎時，用戶端為客戶機，向搜索引擎發(fā)出檢索請求，搜索引擎為服務(wù)器，檢索自己的索引數(shù)據(jù)庫并將檢索結(jié)果以應(yīng)答形式提交給用戶。當搜索引擎采集數(shù)據(jù)時，搜索引擎為客戶機，向WWW站點等實際資源系統(tǒng)提出頁面搜索請求，各類實際資源系統(tǒng)為服務(wù)器，將有關(guān)數(shù)據(jù)（例如WWW頁面或文檔）作為應(yīng)答提交給搜索引擎。

3.3 搜索引擎的目的

搜索引擎的目的只有一個：尋找相關(guān)性最高的網(wǎng)頁。

3.4 搜索引擎有至少三個因素值得重視：數(shù)據(jù)庫，用戶搜索，搜索結(jié)果排序

值得一提的是數(shù)據(jù)庫，搜索引擎的數(shù)據(jù)庫資源由用戶提交的登錄信息組成，他們還主動地使用其“Web crawlers”“spiders”或“robots”程序搜索因特網(wǎng)并將搜索到的網(wǎng)頁信息歸入其索引數(shù)據(jù)庫中。

3.5 搜索引擎的工作包括如下三個過程

（1）在互聯(lián)中發(fā)現(xiàn)、搜集網(wǎng)頁信息

搜索引擎首先負責(zé)數(shù)據(jù)采集，即按照一定的方式和要求對網(wǎng)絡(luò)上的WWW站點進行搜集，并把所獲得的信息保存下來以備建立索引庫和用戶檢索。但是收集網(wǎng)頁只是搜索引擎的一部分工作，他們的其他服務(wù)器要做的還有進行計算/分配/儲存用戶習(xí)慣等等。

（2）對信息進行提取和組織建立索引庫

首先是數(shù)據(jù)分析與標引，搜索引擎對已經(jīng)收集到的資料給與按照網(wǎng)頁中的字符特性予以分類，建立搜索原則，舉例來說，對于"軟件"這個詞，它必須建立一個索引，當用戶查找的時候，他知道到這里來調(diào)取資料。當然，對于網(wǎng)頁語言，該字符的處理（大小寫/中文的斷字方式等等）等方面，各個搜索引擎都有自己的存檔歸類方式，這些方式往往影響著未來搜索結(jié)果。

接下來是數(shù)據(jù)組織，搜索引擎負責(zé)形成規(guī)范的索引數(shù)據(jù)庫或便于瀏覽的層次型分類目錄結(jié)構(gòu)，也就是計算網(wǎng)頁等級，這個原則特別是在Google非常重要，一個接受很多鏈接的網(wǎng)頁，搜索引擎必然在所有的網(wǎng)頁當中將這些連接多的網(wǎng)頁提升上來。

（3）在索引數(shù)據(jù)庫中搜索排序

由檢索器根據(jù)用戶輸入的查詢關(guān)鍵字，在索引庫中快速檢出文檔，進行文檔與查詢的相關(guān)度評價，對將要輸出的結(jié)果進行排序，并將查詢結(jié)果返回給用戶。

搜索引擎負責(zé)幫助用戶用一定的方式檢索索引數(shù)據(jù)庫，獲取符合用戶需要的WWW信息。搜索引擎還負責(zé)提取用戶相關(guān)信息，利用這些信息來提高檢索服務(wù)的質(zhì)量，信息挖掘在個性化服務(wù)中起到關(guān)鍵作用。用戶檢索的過程是對前兩個過程的檢驗，檢驗該搜索引擎能否給出最準確、最廣泛的信息，檢驗該搜索引擎能否迅速地給出用戶最想得到的信息。

3.6 主要搜索引擎

主要搜索引擎有Goole、百度、Yahoo和Bing。一般來說，如果是搜索英文信息使用Goole會更有效，搜索中文信息則傾向于使用百度。即使在中文信息領(lǐng)域，如果單就搜索的準確性而言，目前Goole仍占據(jù)著明顯優(yōu)勢，應(yīng)成為首選。目前百度以近70%的市場占有率，占據(jù)中文搜索引擎的領(lǐng)先地位，在全球的市場份額則落后于谷歌、雅虎和微軟必應(yīng)排在第4位。

[1]鄒廣嚴,王紅兵.信息檢索與利用[M].北京:科學(xué)技術(shù)出版社,2011.