網(wǎng)絡信息資源檢索與利用第二次作業(yè)

網(wǎng)絡信息資源檢索與利用 課程實驗第 2 次實驗報告實驗內(nèi)容及基本要求：實驗項目名稱： 網(wǎng)絡搜索引擎的應用實驗類型： 驗證每組人數(shù)： 1實驗內(nèi)容及要求： 1. 請分別針對網(wǎng)絡資源目錄使用的分類方法進行舉例。2. 在yahoo的分類目錄中找到一條路徑指向網(wǎng)站論文：/Summer98/koumoutsakos.pdf。3. 在新浪網(wǎng)的分類目錄中找到一條路徑指向?qū)W校的網(wǎng)站：4. 在sohu的分類目錄中找到一條路徑指向網(wǎng)頁：/newbook/5. 請指出yahoo,sina,sohu的分類目錄之間的異同和優(yōu)劣（500字以內(nèi)）6. 請了解google和baidu在進行關(guān)鍵詞檢索中語法的異同，并說明這兩者在針對某一主題進行檢索時檢索結(jié)果的差異以及對檢索意圖理解準確度的差異。實驗結(jié)果：1. 請分別針對網(wǎng)絡資源目錄使用的分類方法進行舉例。（1） 主題分類法（2） 學科分類法（3） 圖書分類法（4） 分面組配法2. 在yahoo的分類目錄中找到一條路徑指向網(wǎng)站論文：/Summer98/koumoutsakos.pdf。3. 在新浪網(wǎng)的分類目錄中找到一條路徑指向?qū)W校的網(wǎng)站：4. 在sohu的分類目錄中找到一條路徑指向網(wǎng)頁：/newbook/5. 請指出yahoo,sina,sohu的分類目錄之間的異同和優(yōu)劣（500字以內(nèi)）（一）Yahoo（）Yahoo 是世界上最著名的網(wǎng)絡資源目錄。Yahoo的魅力，就在于它的可瀏覽式等級主題目錄。Yahoo按照主題建立分類索引，提供全面的分類體系結(jié)構(gòu)，并結(jié)合高質(zhì)量的檢索軟件，成為網(wǎng)絡檢索工具的佼佼者和等級式風絡資源目錄的典型代表。Yahoo采用多標準高類、多維展開的方式，能夠為某一信息源在其巨大的分類等級結(jié)構(gòu)中提供不同的路徑分支入口，保證了從不同的路徑，為檢索相同內(nèi)容的不同用戶提供服務。對于交替類目，Yahoo利用了符號“”來表示，起到了類似于相關(guān)參照的作用，能夠指引用戶由某一子類目進入Yahoo的瀏覽性等級結(jié)構(gòu)的其他分支中。（二）Open Directory（）Open directory是手工編輯的目錄導航式搜索引擎，它由四萬多名志愿者編輯標引加工數(shù)據(jù)并組織類目，自稱為世界上最權(quán)威的人工編輯的搜索引擎。大多數(shù)志愿者都對自己負責的部分相當感興趣，有的就是該領(lǐng)域的專家權(quán)威，因此Open directory中有不少分類的內(nèi)容，特別是一些邊緣學科或冷門學科，要比Yahoo提供的全面得多，有的甚至在Yahoo中根本找不到對應的分類。Open Directory - 開放目錄專案提供了一種以互聯(lián)網(wǎng)自我組織與管理的方式進行發(fā)展用來滿足快速增長的網(wǎng)站數(shù)量。隨著互聯(lián)網(wǎng)的增長，網(wǎng)民數(shù)量也隨之增加。這些網(wǎng)民能夠編輯管理一小部分網(wǎng)站，并且提供負責更多的編輯工作，整理清除沒有用的信息內(nèi)容，只保留最好的內(nèi)容。Open directory也提供關(guān)鍵詞檢索，分為簡單檢索和高級檢索。在簡單檢索中，支持布爾邏輯檢索。在高級檢索中提供了相關(guān)的選擇，包括選擇只檢索類目、只檢索站點等。同時它還提供了與其他搜索引擎的鏈接。Open directory是一個非常有前景的網(wǎng)絡資源目錄，它可無限擴展的編輯人員，為其今后的發(fā)展注入了極大的活力，它的資源收錄的增長速度，內(nèi)容的更新頻次，都是其他網(wǎng)絡資源目錄所無法比擬的。同時，它詳盡的類目體系，開放的管理體制，都形成了其獨用的特色，成為用戶獲取網(wǎng)絡信息資源的重要門戶網(wǎng)站。（三）搜狐（）搜狐的網(wǎng)絡資源目錄堪稱是我國第一部系統(tǒng)的網(wǎng)站分類法，對其他中主文網(wǎng)絡資源目錄的發(fā)展起到了積極的促進作用。搜狐網(wǎng)絡資源目錄的分類體系的編制，基本上堅持了在符合科學性原則的前提下，充分考慮網(wǎng)站資源和用戶的查詢習慣的原則。在搜狐的分類體系結(jié)構(gòu)中包括18個大類，涵蓋了50000多個不同層次的子類目，形成了一個十分龐大的樹狀結(jié)構(gòu)，幾乎涉及所有的行業(yè)或者領(lǐng)域。它采用了“縱向成枝、橫向成網(wǎng)”、“主題法與分面組配法結(jié)合”的分類方式，根據(jù)網(wǎng)站的主題，首先把網(wǎng)站分為18個大類，再按細分主題層層分下去。然后，再根據(jù)不同用戶的使用習慣，以及不同的分類標準，把不同類目下“相關(guān)”的類目“鏈接”起來，從而形成搜狐的“網(wǎng)狀”分類體系。搜狐的網(wǎng)站分類法以主題分類為主設立了娛樂休閑、工商經(jīng)濟、電腦網(wǎng)絡、分司企業(yè)、教育培訓、文學、藝術(shù)、體育健身、新聞媒體、衛(wèi)生健康、科學技術(shù)、生活服務、旅游交通、社會文化、政法軍事、社會科學、個人主頁17個大類，另外結(jié)合分面組配的方法設立“國家與地區(qū)”類目，把其他17個大類下的所有網(wǎng)站又按所屬地域進行分類，因為大多數(shù)網(wǎng)站都具有地域性，也便于用戶直接查找。搜狐的網(wǎng)站資源目錄同樣是按照信息所屬的類別，層層點擊查找信息，所以用目錄時首先要考慮清楚想要查找的信息屬于哪個類別。6. 請了解google和baidu在進行關(guān)鍵詞檢索中語法的異同，并說明這兩者在針對某一主題進行檢索時檢索結(jié)果的差異以及對檢索意圖理解準確度的差異。百度搜索引擎使用了高性能的“網(wǎng)絡蜘蛛”程序自動的在互聯(lián)網(wǎng)中搜索信息，可定制、高擴展性的調(diào)度算法使得搜索器能在極短的時間內(nèi)收集到最大數(shù)量的互聯(lián)網(wǎng)信息。百度搜索引擎的特點1. 基于字詞結(jié)合的信息處理方式。巧妙解決了中文信息的理解問題，極大地提高了搜索的準確性和查全率。2. 支持主流的中文編碼標準。包括GBK(漢字內(nèi)碼擴展規(guī)范)、GB2312(簡體)、BIG5(繁體)，并且能夠在不同的編碼之間轉(zhuǎn)換。3. 智能相關(guān)度算法。采用了基于內(nèi)容和基于超鏈分析相結(jié)合的方法進行相關(guān)度評價，能夠客觀分析網(wǎng)頁所包含的信息，從而最大限度保證了檢索結(jié)果相關(guān)性。4. 檢索結(jié)果能標示豐富的網(wǎng)頁屬性(如標題、網(wǎng)址、時間、大小、編碼、摘要等)，并突出用戶的查詢串，便于用戶判斷是否閱讀原文。5. 百度搜索支持二次檢索(又稱漸進檢索或逼進檢索)?？稍谏洗螜z索結(jié)果中繼續(xù)檢索，逐步縮小查找范圍，直至達到最小、最準確的結(jié)果集。利于用戶更加方便地在海量信息中找到自己真正感興趣的內(nèi)容。6. 相關(guān)檢索詞智能推薦技術(shù)。在用戶第一次檢索后，會提示相關(guān)的檢索詞，幫助用戶查找更相關(guān)的結(jié)果，統(tǒng)計表明可以促進檢索量提升10-20%。7. 運用多線程技術(shù)、高效的搜索算法、穩(wěn)定的UNIX平臺、和本地化的服務器，保證了最快的響應速度。百度搜索引擎在中國境內(nèi)提供搜索服務，可大大縮短檢索的響應時間(一個檢索的平均響應時間小于0.5秒)8. 可以提供一周、二周、四周等多種服務方式。可以在7天之內(nèi)完成網(wǎng)頁的更新，是目前更新時間最快、數(shù)據(jù)量最大的中文搜索引擎。9. 檢索結(jié)果輸出支持內(nèi)容類聚、網(wǎng)站類聚、內(nèi)容類聚+網(wǎng)站類聚等多種方式。支持用戶選擇時間范圍，提高用戶檢索效率。10. 智能性、可擴展的搜索技術(shù)保證最快最多的收集互聯(lián)網(wǎng)信息。擁有目前世界上最大的中文信息庫，為用戶提供最準確、最廣泛、最具時效性的信息提供了堅實基礎(chǔ)。11. 分布式結(jié)構(gòu)、精心設計的優(yōu)化算法、容錯設計保證系統(tǒng)在大訪問量下的高可用性、高擴展性、高性能和高穩(wěn)定性。12. 高可配置性使得搜索服務能夠滿足不同用戶的需求。13. 先進的網(wǎng)頁動態(tài)摘要顯示技術(shù)。14. 獨有百度快照，15. 支持多種高級檢索語法，使用戶查詢效率更高、結(jié)果更準。已支持“+”(AND)、“-”(NOT)、“|”(OR)、“site:”、“l(fā)ink:”，還將繼續(xù)增加其它高效的搜索語法。Google作為全球最大的多語言搜索引擎,在國際上占有的市場越來越大，成為互聯(lián)網(wǎng)最具潛力的企業(yè)，以下就介紹下GOOGLE搜索引擎的主要特點：1.特有的PR技術(shù)，PR 能夠?qū)W(wǎng)頁的重要性做出客觀的評價。PR是GOOGLE評價一個網(wǎng)站質(zhì)量高低的重要標準，PR分為十個等級，從容不1至10，PR越高代表網(wǎng)站質(zhì)量和權(quán)威性越高，排名也就越靠前。2.更新和收錄快，GOOGLE收錄新站一般在十個工作日左右，是所有搜索引擎收錄最快的，更新也比較穩(wěn)定，一般一個星期都會有大的更新。3.重視鏈接的文字描述和鏈接的質(zhì)量，鏈接的文字描述也就是做鏈接用的文字，這個文字對GOOGLE排名起一定作用，因此我們建議如果網(wǎng)站要做某些關(guān)鍵詞，在交換鏈接時要用這個關(guān)鍵詞做鏈向你網(wǎng)站，鏈接的質(zhì)量與鏈接網(wǎng)站的權(quán)威性和與你站是否相關(guān)有關(guān)，權(quán)威越高側(cè)你站獲得的排名越好，4.重視Description描述，多次研究發(fā)現(xiàn)，那些在GOOGLE排名好的網(wǎng)站在描述中勻含有關(guān)鍵詞，而且有些重復二次，因此可推斷其對描述還是相當重視。五、超文本匹配分析:Google 的搜索引擎同時也分析網(wǎng)頁內(nèi)容。并不采用單純掃描基于網(wǎng)頁的文本(網(wǎng)站發(fā)布商可以通過元標記控制這類文本)的方式,而是分析網(wǎng)頁的全部內(nèi)容以及字體、分區(qū)及每個文字精確位置等因素。同時還會分析相鄰網(wǎng)頁的內(nèi)容,以確保返回與用