网络信息检索的工具

致力于打造高品质文档

网络信息检索的工具

[摘要] 搜索引擎是人们使用Internet信息资源的重要工具。本文对目前的中文搜索引擎进行了简要的分析，指出了其存在的缺陷和发展的方向。[关键词] 信息检索中文搜索引擎存在的问题发展方向

随着Internet信息资源的迅速增长，如何在浩瀚的信息海洋中准确、方便、快速地找到自己所需的信息，成了迫切需要解决的问题，从1995年开始出现的信息检索工具——搜索引擎很好地解决了这一问题。然而各种搜索引擎，特别是尚处于发展初期的中文搜索引擎还存在着很多的缺陷有待改进，本文旨在分析目前中文搜索引擎存在的主要问题，并为解决此类问题提出一些建议和方法。一、搜索引擎的概念和及类型

搜索引擎又称检索引擎，是指运行在Internet上，以信息资源为对象，以信息检索的方式为用户提供所需数据的服务系统，主要包括信息存取、信息管理和信息检索三大部分。

目前，中文搜索引擎主要有三种类型：目录式搜索引擎、机器人搜索引擎（又称全文搜索引擎）和元搜索引擎。

1.目录式搜索引擎。目录式搜索引擎是以人工或半人工方式收集信息，建立数据库，由编辑人员在访问了某个web站点后，对该站点进行描述，并根据站点的内容和性质将其归为一个预先分好的类别。由于目录式搜索引擎的信息分类和信息搜集有人的参与，其搜索的准确度较高，导航质量也不错。但因其人工的介入，维护量大，信息量少，信息更新不及时都使得人们利用它的程度有限。国内著名的新浪、搜狐、中文雅虎都属于这种类型。

2.机器人搜索引擎。这是一种目前运用较广泛的搜索引擎。国内以百度，google、天网为代表。它是使用自动采集软件Robot，搜集和发现信息，并下载到本地文档库，再对文档内容进行自动分析并建立索引。对于用户提出的检索要求，通过检索模块检索索引，找出匹配文档返回给用户。

机器人搜索引擎具有庞大的全文索引数据库。其优点是信息量大，范围广，较适用于检索难以查找的信息或一些较模糊的主题。缺点是缺乏清晰的层次结构，检索结果重复较多，需要用户自己进行筛选。

3.元搜索引擎。元搜索引擎是一种调用其他搜索引擎的引擎。它是通过一个统一的用户界面，帮助用户在多个搜索引擎中选择和利用合适的搜索引擎来实现检索。中文元搜索引擎开发较少，较成熟的则更少，万纬搜索是目前有一定影响的中文元搜索引擎。

二、现阶段中文搜索引擎存在的主要问题

1.信息覆盖面有限。现阶段搜索引擎所覆盖的数据库的规模是非常有限的，据美国科学期刊Natures一篇报告中称，全球最大的搜索引擎也只能覆盖现有网页的16%。中文搜索引擎因起步慢、中文信息所占互联网全部信息的比例小（只占全部网络信息的5%）等原因在这方面尤为突出。

2.查全率不高。查全率是指检索出的相关信息量与存储在检索系统中的全部相关信息量的百分比，是判断检索系统质量的度量之一。