中文搜索引擎發(fā)展瓶頸及對策研究

摘 要：中文搜索引擎的出現(xiàn)，提高了我們檢索信息的速度。但是，現(xiàn)在它的發(fā)展還并不健全，存在著不少的問題。本文通過闡述中文搜索引擎發(fā)展現(xiàn)狀，進而分析如何解決這些瓶頸的對策。

關(guān)鍵詞：搜索引擎 查準率 查全率

中圖分類號：TP3 文獻標識碼：A 文章編號：1672-3791（2012）12（c）-0022-01

搜索引擎在國外發(fā)展的較早，比較著名的有：Google，Yahoo，Excit，Lycos等。其中根據(jù)ComScore公司近兩年的統(tǒng)計，全球近75%的網(wǎng)民使用過谷歌搜索引擎或其提供的各種衍生服務。而我國主要從1997年開始發(fā)展面向中文信息檢索的中文搜索引擎。到現(xiàn)在，國內(nèi)搜索行業(yè)已被百度所統(tǒng)領(lǐng)。

雖然搜索引擎的出現(xiàn)確實為人們在網(wǎng)上查找信息提供了強有力的手段和有效的工具，但是目前，屬于某個領(lǐng)域的各種中文搜索引擎的數(shù)量越來越多，從而使搜索引擎產(chǎn)生了一定的局限性。并且在信息維護、網(wǎng)絡站點負載，管理及服務等方面暴露了一些問題與不足。

1 搜索效率

搜索引擎的兩個主要指標是查準率（precision）和查全率（recall）。查準率從一個方面描述了搜索引擎系統(tǒng)的查詢開銷。如果某次查詢的查準率是85%，則15%的文獻是不相關(guān)文獻，但用戶瀏覽其中的內(nèi)容以確定它們是否包含所需信息。對于實際系統(tǒng)，索引速度和檢索速度也是重要指標。事實上，在測試中，絕大多數(shù)系統(tǒng)的平均查準率都在0.1～0.5之間，最好的測試結(jié)果平均查準率也不到0.6。根據(jù)直觀估計當前Internet上的著名搜索引擎，如yahoo，google等，它們的平均查準率小于0.2。這說明搜索引擎系統(tǒng)的性能還有很大的提高空間，但提高系統(tǒng)性能是非常困難的。

2 站點和網(wǎng)絡負載

這也是目前網(wǎng)絡搜索引擎存在的最大問題。網(wǎng)絡搜索機器人快速地讀取文檔，必然會導致了大量的網(wǎng)絡流量和站點負載，傳輸大量的數(shù)據(jù)時，某些站點很有可能會因為機器人要讀取文檔而一直處于繁忙狀態(tài)。機器人所造成的負載很大程度上是由于機器人為了對相應數(shù)據(jù)建立索引，需要讀取整個文檔造成的。另外，當機器人沿鏈接作深度優(yōu)先搜索時，WEB服務器的負載往往也很重。

3 搜索引擎間的數(shù)據(jù)重復

常用的搜索引擎很少能夠與其它的搜索引擎共享它們的數(shù)據(jù)。其結(jié)果就是多個搜索引擎檢索相同的資源和文檔，多個機器人搜索訪問同樣的WEB站點，無疑帶來了不必要的網(wǎng)絡和服務器負載。當用戶使用多個搜索引擎尋找信息時，也給用戶造成不必要的麻煩。

4 鏈接和數(shù)據(jù)的易變性

這是搜索引擎所面臨的一個重要問題。對搜索引擎的影響是，索引數(shù)據(jù)庫存儲的文檔和鏈接信息很有可能已經(jīng)改變了位置或己經(jīng)被刪除。當用戶查詢某些信息時，搜索引擎給出文檔和鏈接的列表，而當用戶試圖沿著鏈接到遠程站點訪問這些信息時，他們也許會收到這樣的出錯信息，“沒有找到服務器”。

5 缺乏統(tǒng)一的規(guī)劃、協(xié)調(diào)與合作

目前國內(nèi)搜索行業(yè)百度已是一方霸主。然而，搜狗也在推出搜索引擎開放平臺，中搜更是強力打造自己的第三代搜索引擎，包括一淘網(wǎng)、網(wǎng)易有道等垂直搜索也漸成“氣候”。搜索是互聯(lián)網(wǎng)產(chǎn)品中的高科技產(chǎn)品，企業(yè)間的競爭不應局限于與同業(yè)者的橫向競爭，更應該在自身的技術(shù)深度上勤加耕耘。同時相互協(xié)作，取長補短，為用戶提供更好的搜索產(chǎn)品和體驗。

6 網(wǎng)絡知識產(chǎn)權(quán)立法落后

我國對網(wǎng)絡中的侵權(quán)行為，沒有成型的法律進行規(guī)定。目前大多采用《著作權(quán)法》的相關(guān)規(guī)定來解決，但是在網(wǎng)絡環(huán)境下，知識產(chǎn)權(quán)的客體得到了拓展，網(wǎng)絡知識產(chǎn)權(quán)侵權(quán)的類型也呈現(xiàn)多樣化。因此傳統(tǒng)的著作權(quán)法有著其局限性，為適應網(wǎng)絡知識產(chǎn)權(quán)保護范圍擴大化的要求，必須揭示和分析存在的問題并加強和完善保護措施，以保證權(quán)利人的權(quán)益得到切實的保護。

針對中文搜索引擎存在的種種問題，結(jié)合國外搜索引擎發(fā)展過程中的經(jīng)驗，筆者認為中文搜索引擎可采取以下對策。

（1）建立垂直化、專業(yè)化搜索引擎。

垂直搜索引擎是相對通用搜索引擎的信息量大、查詢不準確、深度不夠等提出來的新的搜索引擎服務模式。

它是針對性的為某一特定領(lǐng)域、某一特定人群或某一特定需求提供的有一定價值的信息和相關(guān)服務?？梢院唵蔚恼f成是搜索引擎領(lǐng)域的行業(yè)化分工。市場需求多元化決定了搜索引擎的服務模式必將出現(xiàn)細分，針對不同行業(yè)提供更加精確的行業(yè)服務模式。通用搜索引擎的發(fā)展為垂直搜索引擎的出現(xiàn)提供了良好的市場空間，勢必將出現(xiàn)垂直搜索引擎在互聯(lián)網(wǎng)中占據(jù)部分市場的趨勢，也是搜索引擎行業(yè)細分化的必然趨勢。

（2）建立搜索引擎協(xié)調(diào)機制，制定網(wǎng)站的有關(guān)標準。

隨著中文搜索引擎的日益增多，各類搜索引擎開發(fā)與資源建設的重復現(xiàn)象也越來越嚴重。因此，建立統(tǒng)一的機構(gòu)，協(xié)調(diào)各搜索引擎網(wǎng)站之間的開發(fā)設計與資源建設也就提上了日程。

（3）發(fā)展中文搜索引擎的個性化信息服務。

個性化搜索是以用戶為中心的搜索技術(shù)，它獲取以多種形式表達的用戶需求，并綜合利用這些用戶信息，提高搜索引擎滿足用戶需求的能力。個性化服務通過收集和分析用戶信息來學習用戶的興趣和行為，從而實現(xiàn)主動推薦的目的。

目前的技術(shù)發(fā)展過程中，搜索引擎逐漸更加注重對于用戶群體的個性化使用習慣的培養(yǎng)，百度推出的“個性化首頁”產(chǎn)品就為用戶提供登錄后推薦信息和應用的極大便利，以此鼓勵用戶提供個性化信息，提升搜索效果并增加用戶黏性。隨著搜索引擎在網(wǎng)絡應用環(huán)境中的更深層次參與，這類個性化產(chǎn)品的數(shù)量和應用規(guī)模也有繼續(xù)擴大的趨勢，而個性化搜索技術(shù)的發(fā)展也呈現(xiàn)出更加積極的前景。

（4）多媒體搜索技術(shù)。

隨著多媒體信息處理技術(shù)在近年來的發(fā)展，搜索引擎的部分多媒體搜索產(chǎn)品開始越來越多的依靠媒體內(nèi)容提升搜索服務水平。2011年，谷歌、百度和搜狗搜索都提供了以圖片作為查詢需求表示的“以圖搜圖”的圖片搜索功能，滿足用戶對于圖片獲取的信息訴求。

（5）健全有關(guān)的網(wǎng)絡法規(guī)。

法律法規(guī)不健全會為搜索引擎的發(fā)展帶來一定的阻礙。所以，我們要制定并健全現(xiàn)有的法律法規(guī)。

隨著互聯(lián)網(wǎng)的飛速發(fā)展，各類中文信息資源的日益豐富，賦予了中文搜索引擎無限的生機，同時也給中文搜索引擎的發(fā)展帶來了嚴峻挑戰(zhàn)。各類中文搜索引擎只有切實研究用戶信息需求的特點，不斷完善和發(fā)展搜索技術(shù)，走適合自己發(fā)展的商業(yè)化道路，才能在眾多的搜索引擎中獲得屬于自己的發(fā)展空間，才能在激烈的競爭過程中立于不敗之地。

參考文獻

[1]劉奕群.中文搜索引擎發(fā)展研究報告[R].中國人工智能學會通訊，2012（5）.

[2]孫宏，李戴維，董旭陽，等.搜索引擎技術(shù)與發(fā)展綜述[J].計算機光盤軟件與應用，2012（14）.

[3]陳俊杰.中文搜索引擎現(xiàn)狀與發(fā)展研究[J].佳木斯教育學院學報，2011（3）.