中文搜索引擎數(shù)據(jù)庫容量、響應(yīng)速率和技術(shù)的比較研究

中文搜索引擎數(shù)據(jù)庫容量、響應(yīng)速率和技術(shù)的比較研究

1廣域網(wǎng)檢索技術(shù)的發(fā)展現(xiàn)狀根據(jù)相關(guān)數(shù)據(jù)，2010年底，中國互聯(lián)網(wǎng)用戶達到4.57億，排名世界第一?；ヂ?lián)網(wǎng)已成為人們獲取信息的最重要方式。但因特網(wǎng)上的信息浩如煙海,快速有效地查詢信息是一項艱巨的任務(wù),這個需求直接導致了廣域網(wǎng)信息檢索技術(shù)的快速發(fā)展,各類搜索引擎層出不窮。如何選擇最符合需要的搜索引擎,通過其在因特網(wǎng)上找到我們所需要的信息,也是一個需要研究和解決的課題?；谶@個目的,本文對目前因特網(wǎng)上市場占有率達前三甲的中文搜索引擎即百度、谷歌、搜狗作一個粗淺的比較,以期拋磚引玉,使現(xiàn)有的中文搜索引擎發(fā)展得更快更好。2大搜索引擎的特點比較搜索引擎優(yōu)劣的指標有許多,這里我們暫且將搜索引擎的數(shù)據(jù)庫容量、響應(yīng)速率和核心技術(shù)作為比較指標,來研究一下三大搜索引擎各自的特點和特色。2.1志的第一要素網(wǎng)上信息量呈幾何級數(shù)增長,為提高查全率,各搜索引擎都在努力擴大自己的數(shù)據(jù)庫。作為搜索引擎,必須要有相當多的庫容量才具有一定的代表性和實用性。可以說搜索引擎可搜索的數(shù)據(jù)庫容量大小是搜索引擎質(zhì)量標志的第一要素。雖然各搜索引擎對自己的數(shù)據(jù)庫容量的具體數(shù)據(jù)是保密的,但我們還是可以用一些特殊的方法來對其數(shù)據(jù)庫容量的大小進行一番比較。發(fā)端于2011年6月的“郭美美紅十字會事件”在8月初達到了高潮,吸引著廣大網(wǎng)民的眼球。因圖片消耗數(shù)據(jù)庫資源較多,同時相關(guān)數(shù)據(jù)庫的積累還不龐大,所以可以用人工的方法來比較求證一下搜索引擎數(shù)據(jù)庫容量的大小。筆者在8月5日用“王軍中紅博愛”作為關(guān)鍵詞在三大搜索引擎上作圖片搜索,結(jié)果谷歌顯示了相關(guān)圖片51700張,百度顯示了相關(guān)圖片656張,搜狗顯示了相關(guān)圖片260張。相關(guān)數(shù)據(jù)佐證了谷歌的數(shù)據(jù)庫容量是最大的,百度的其次,搜狗的數(shù)據(jù)庫容量則是最小的。2.2“現(xiàn)有網(wǎng)絡(luò)地臺”的信息分析所謂響應(yīng)速率是指用戶從檢索詞的輸入到搜索引擎顯示相關(guān)頁面所用的時間及頁面首頁所顯示的相關(guān)信息的數(shù)量?？娷鯇O被稱為中國近代圖書館之父。筆者分別在谷歌、百度、搜狗中輸入關(guān)鍵詞“中國近代圖書館之父”,結(jié)果谷歌出現(xiàn)了2190000條相關(guān)結(jié)果,用時0.19秒,首頁出現(xiàn)了6條“繆荃孫”字樣的相關(guān)網(wǎng)頁信息;在百度出現(xiàn)了2060000條相關(guān)結(jié)果,用時數(shù)不祥,首頁出現(xiàn)了4條“繆荃孫”字樣的相關(guān)網(wǎng)頁信息;在搜狗出現(xiàn)了62492條相關(guān)結(jié)果,用時0.075秒,首頁出現(xiàn)了7條“繆荃孫”字樣的相關(guān)信息。由于電腦網(wǎng)絡(luò)硬件設(shè)備的更新?lián)Q代,一般用戶單次檢索所花費的搜索時間都在1秒之內(nèi),但還是搜狗所用的時間最短,同時搜狗頁面首頁所顯示的相關(guān)信息的數(shù)量也是最多。這可能與搜狗數(shù)據(jù)庫容量較小,同時人工智能的算法參與較多有關(guān)。2.3超鏈分析技術(shù)核心技術(shù)是搜索引擎可持續(xù)發(fā)展的生命線,是區(qū)別于其它搜索引擎從而獲得持續(xù)競爭優(yōu)勢的能力。從硬件到軟件,各搜索引擎的核心技術(shù)不一而足,但最關(guān)鍵的還是網(wǎng)頁搜索方面的核心技術(shù)。百度的核心技術(shù)是超鏈分析。超鏈分析技術(shù)是新一代搜索引擎的關(guān)鍵技術(shù),百度總裁李彥宏就是超鏈分析專利的唯一持有人。超鏈分析就是通過分析鏈接網(wǎng)站的多少來評價被鏈接的網(wǎng)站質(zhì)量,這保證了用戶在百度搜索時,越受用戶歡迎的內(nèi)容排名越靠前。谷歌搜索技術(shù)所依托的軟件可以同時進行一系列的運算,且只需片刻即可完成所有運算。谷歌使用PageRank技術(shù)檢查整個網(wǎng)絡(luò)鏈接結(jié)構(gòu),并確定哪些網(wǎng)頁重要性最高,然后進行超文本匹配分析,以確定哪些網(wǎng)頁與正在執(zhí)行的特定搜索相關(guān)。在綜合考慮整體重要性以及與特定查詢的相關(guān)性之后,谷歌可以將最相關(guān)最可靠的搜索結(jié)果放在首位。PageRank技術(shù)使用網(wǎng)上反饋的綜合信息來確定某個網(wǎng)頁的重要性。搜索結(jié)果沒有人工干預(yù)或操縱,這也是為什么谷歌會成為一個廣受用戶信賴、不受付費排名影響且公正客觀的信息來源之重要原因。搜狗在產(chǎn)品研發(fā)的過程中追求技術(shù)創(chuàng)新。搜狗以一種人工智能的新算法,分析和理解用戶可能的查詢意圖,對不同的搜索結(jié)果進行分類,對相同的搜索結(jié)果進行聚類,在用戶查詢和搜索引擎返回結(jié)果的人機交互過程中,引導用戶快速準確定位自己所關(guān)注的內(nèi)容?；ヂ?lián)網(wǎng)搜索服務(wù)市場潛力巨大,但企業(yè)以液壓手段為視角根據(jù)艾瑞公司最新研究數(shù)據(jù)顯示,目前三大中文搜索引擎網(wǎng)頁搜索請求量中,百度占有73.2%的市場份額,谷歌占有20.7%,而搜狗僅占有3.5%的市場份額。Google是中國搜索引擎市場的開拓者。憑借著Google的技術(shù)優(yōu)勢和品牌優(yōu)勢,谷歌在中國網(wǎng)民中擁有了很高知名度。但由于谷歌和中國政府有關(guān)部門對搜索引擎在網(wǎng)頁搜索、新聞搜索、圖片搜索等方面關(guān)于審查過濾概念的不同意見,2010年3月23日,谷歌將其搜索引擎的服務(wù)器搬到了香港。中國大陸用戶用谷歌搜索引擎進行搜索時經(jīng)常會出現(xiàn)訪問速度變慢或暫時無法訪問的情況,這也導致了谷歌在中國市場占有率的下降。百度恰如其分地抓住了中國互聯(lián)網(wǎng)搜索服務(wù)市場的高增長周期,并針對中國市場特點進行了產(chǎn)品與服務(wù)創(chuàng)新,如“百度知道”“百度百科”等后續(xù)產(chǎn)品的開發(fā)使人們在網(wǎng)絡(luò)資料的獲取上增強了對百度的依賴度,從而取得中文搜索領(lǐng)域內(nèi)占據(jù)主導地位的市場份額。當然,由于百度一度追求的競價排名,也使它的品牌聲譽有所下降。搜狗之所以能在搜索引擎市場上占有一定的市場份額,主要歸功于搜狐號稱是中國最大的門戶網(wǎng)站所帶來的大量的訪問量,以及通過技術(shù)研發(fā)使其檢索頁面顯示出的簡潔與快捷。但要在搜索引擎市場上保持或占據(jù)更多的市場份額,搜狗還有更艱巨的路要走?；ヂ?lián)網(wǎng)的高速發(fā)展,使得網(wǎng)上可以搜尋的網(wǎng)頁變得愈來愈多,而網(wǎng)頁內(nèi)容的質(zhì)量亦變得良莠不齊。人們在網(wǎng)上查詢自己所需的信息資料也會變得越來越費時。