第8章 Internet信息检索

信息检索课程

第8章 Internet信息检索

信息检索课程

8.1 Internet概述 8.1.1 Internet简介 8.1.2 Internet的主要功能 (1)漫游世界——WWW (2)收发电子邮件——E-mail (3)搜索信息——Gopher (4)传输文件——FTP (5)网上交流——BBS和News (6)资源共享——Telnet (7)电子商务——e-business

信息检索课程

8.2 环球信息网WWW 8.2.1 超文本与超媒体 超文本(hypertext)也是一种文本，但与传 统的文本相比其主要差别是，传统文本是以线 性方式组织的，而超文本是以非线性方式组织 的。这里的“非线性”是指文本中遇到的一些 相关内容通过超链接组织在一起，用户可以很 方便地浏览这些相关内容。这种文本的组织方 式与人们的思维方式和工作方式比较接近。 超链接(hyperlink)是指文本中的词、短语、 符号、图像、声音剪辑或影视剪辑之间的链接， 或者与其他的文件、超文本文件之间的链接。 在万维网网页上，为了区分有链接关系和没有 链接关系的文档元素，对有链接关系的文档元 素通常用不同颜色或者下划线来表示。

信息检索课程

超媒体(hypermedia)是超文本与多媒体的结 合形式，它不仅可以包含文字，而且还可以包 含图形、图像、动画、声音和影视片断，这些 媒体之间也是用超链接组织的，而且它们之间 的链接也是错综复杂的。从应用角度说，超媒 体比超文本更接近人类。 8.2.2 HTML超文本标记语言 HTML 语言英文为 Hypertext Marked Language , 翻译成中文是“超文本标记语言”。它是一种 文本格式的文档，加入了许多被称为链接标签 (tag) 的特殊字符串标记，这些标记符号组织与 控制输出的效果。它是网页制作的基本工具。

信息检索课程

8.2.3 URL——统一资源定位符 URL是Uniform Resource Location的缩写，译 为“统一资源定位符”。通俗地说，URL是 Internet上用来描述信息资源的字符串，主要 用在各种WWW客户程序和服务器程序上。采用 URL可以用一种统一的格式来描述各种信息资 源，包括文件、服务器的地址和目录等。 URL的格式由下列三部分组成： 第一部分是协议，如http、ftp、gopher等； 第二部分是存有该资源的主机IP地址； 第三部分是主机资源的具体地址，如目录和文 件名等。 第一部分和第二部分之间用“://”符号隔开， 第二部分和第三部分用“/”符号隔开。第一、 二部分是不可缺少的，第三部分有时可以省略。

信息检索课程

8.3 搜索引擎及检索技巧 8.3.1 什么是搜索引擎 搜索引擎(Search Engine),又称搜索机，Web 搜索器，是伴随WWW网络出现的检索网上信息 资源的新工具，实质上是一种网页网址检索系统。 它根据检索规则从其他信息服务器上得

到数据并 对数据进行加工处理，自动建立索引，并通过检 索接口为用户提供信息查询服务。 8.3.2 搜索引擎的构成 (1)搜索器 又称为Robot(机器人)、Spider(蜘蛛)、 Webcrawler(爬行者)或Worm(爬虫)等，其功 能是在Internet 中漫游，发现、搜集和更新信息

信息检索课程

(2)索引器 又称为目录或数据库等，其功能是理解搜索器 所搜索的信息，从中抽取出索引项，用于表示 文档以及生成文档库的索引表 (3)检索器 其功能是根据用户的查询在索引库中快速检出 文档，进行文档与查询的相关度评价，对将要 输出的结果进行排序，并实现某种用户相关性 反馈机制 (4)用户接口 其作用是输入用户查询、显示查询结果、提供 用户相关性反馈机制。

信息检索课程

搜索引擎 用 户 系 统 用 户 接 口 搜索器 索引器 检索器网络

WWW信息资源 FTP信息资源 Telnet Telnet信息资源用户服务组信息资源

网络

Gopher信息资源 WAIS信息资源

搜索引擎的基本结构

信息检索课程

8.3.3 搜索引擎工作原理 搜索引擎的一般工作流程：首先由搜索 器，即网络机器人从Internet上收集各信 息站点的摘要信息；再由索引器对该网 页上的某些字或全部字作上索引，建立 本地数据库；然后用户在检索时，通过 搜索引擎的用户接口访问摘要信息数据 库；检索器根据用户的查询条件快速检 出文档，并对将要输出的结果进行排序 和相关性处理；最后再通过用户接口将 检索结果反馈给用户。

信息检索课程

信息资源搜集 访问 各记录链接

用户 检索 策略

搜索 引擎 用户 界面 接口

搜索引擎本地的 摘要信息反馈 摘要信息数据库

各万维网 站点资源

详细信息反馈

搜索引擎工作原理示意图

信息检索课程

8.3.4 搜索引擎的类型 按搜索方法：全文搜索引擎(网页级搜索， 如Google、百度)、目录搜索引擎(网站 级搜索，如Yahoo、搜狐、新浪)、元搜 索引擎(只需输入一次关键词就可以对多 个搜索引擎进行查询的搜索代理网站，如 Searchspaniel) 按搜索内容：综合搜索引擎、专业搜索引 擎 按搜索范围：独立搜索引擎、多搜索引擎 也可以按语言、行业、地域等进行分类

信息检索课程

8.3.5 典型搜索引擎简介 (1)Google搜索引擎(http://www.77cn.com.cn) 使用核心软件PageRankTM,目录中收录了10亿多 个网址，有132种语言功能，在同类SE中首屈一指 特色功能： ①可以搜索Adobe的可移植文档格式(PDF)文件 Adobe PDF ②具有“网页快照”功能 ③具有“类似网页”功能 ④使用特殊词汇后加冒号进行特定内容检索，如 “link:网址”、“site:网址”、“intitle:关键词”、 “inurl:关键词”等 ⑤不使用词干法及通配符

信息检索课程

⑥进入http://www.77cn.com.cn可进行新闻组搜索 ⑦“手气不错”按钮具有网站直达功能 (2)百度搜索引擎(http://www.77cn.com.cn) 以Spider搜索技术为核心，支持搜索超过1亿3 千万中文网页，并实现每日更新，中国提供SE 的门户网站70%都由百度提供SE技术支持，现 已成为全球最强大的中文SE之一。它与Google 有许多相似之处 也有独到之处： ①关键词自动提示功能 ②中文搜索自动纠错功能 ③相关检索功能 ④百度快照是百度最实用的特色功能

信息检索课程

8.3.6 搜索引擎的检索语法 (1)布尔逻辑算符 (2)逗号的使用 (3)空格的使用 (4)双引号的使用 (5)通配符的使用 (6)英文句点的使用 (7)“+”、“-”号的使用 (8)“t”、“u”字母的使用

信息检索课程

8.3.7 搜索引擎的检索步骤 (1)选择搜索引擎

任意搜索 搜索目标定位 目的性查询

网上冲浪

概述了解

选用目录搜索引擎

分类查询

确切查询

选用全文搜索引擎

关键字查询

信息检索课程

(2)制定检索策略引擎中有 匹配类型

选择匹配类型 常规搜索 目标信息归类引擎中无

输入关键字词查询

输入关键字词查询

选择搜索引擎

高级搜索

匹配类型

特色、便利搜索

翻译、天气、计算器、拖放搜索、 拼音查询、度量衡转换、自动纠错……

(3)实施检索 (4)评价检索结果