chp09_网上信息搜索

多媒体文化基础 10 of 74
2011年1月9日
9.1 信息搜索工具(8)
2. 网页目录 (Web directory)

网页目录主要是由编辑人员按主题人工创建的网页 分类目录，不是用网上机器人自动生成的网页分类 目录，也称主题目录(subject directory)

编辑人员按照某些准则，对网站进行审核，确定是否要编 入到目录，并按主题对网页进行分类，然后输入到数据 库，以供用户使用 主题目录是图书馆中早已有之的图书资料管理方法 如把万维网看成是 一本超大型图书，网页目录就是这本书 前面的目录 网页目录的编排和布局则不一定像书目录那样千篇一律
多媒体文化基础 18 of 74
2011年1月9日
9.1 信息搜索工具(16)

Web of Science数据库
Web of Science的用户界面(2010-01-26)
2011年1月9日
多媒体文化基础
19 of 74
9.1 信息搜索工具(17)

5. 网页搜索门户

网页门户(Web portal)
多媒体文化基础 8 of 74

搜索引擎可分成两种类型


2011年1月9日
9.1 信息搜索工具(6)

网页索引的性能

查全率(recall)

搜索引擎返回的匹配文档数量占所有相匹配文档总量 的比例。例如，总共有100个相匹配的文档，搜索引擎 只返回其中的80个文档，则其查全率是80％ 搜索引擎列出的文档与查询内容相匹配的程度。列出 的匹配文档越多，说明查准率越高。例如，搜索引擎 列出80个文档，若其中有20个文档包含搜索字词，则 其查准率为25％ 查询速度的衡量比较困难

数据库中的数据以记录(record)形式组织


2011年1月9日
多媒体文化基础
15 of 74
9.1 信息搜索工具(13)
数据库中的记录组成示例 域名 (field) 记录1 记录2 …… 记录n … … … … … … 作者 (author) … … 书名 (title) … … 出版商 (publisher) … … 出版地 (place of publication) … … 日期 (date) … … 页数 (page) … …

企业创建和维护的按主题分类的网页目录 向用户提供的服务包括新闻、天气预报、电子邮件、讨论 组、在线购物、娱乐站点和与其他站点的链接 支持“网页门户”的网站 它将各种应用系统、数据资源集成到服务机上 国内的门户网站：新浪、网易、搜狐、腾讯QQ、Tom、凤 凰网、新华网、阿里巴巴、中华网和中国网络电视台等 Web网站[1]都应属于“门户网站”，有大有小
2011年1月9日 多媒体文化基础 2 of 74
概要

网上信息是网上文件所含内容的描述

网上信息(web-based information)

网上信息搜索是查找多媒体文件信息的过程

文字搜索(text search[1])——搜索文字文件的信息 图像搜索(image search)——搜索图像文件的信息 声音搜索(audio search)——搜索声音文件的信息 视像搜索( video search)——搜索影视文件的信息 搜索工具有哪些 搜索工具的特性 搜索信息的方法 搜索工具的使用
多媒体文化基础 22 of 74
2011年1月9日
9.2 信息搜索方法(1)

信息搜索过程

信息搜索过程可归纳为五个步骤：充分准备、 明智决策、细心构思、用好工具和反复查询
充分准备 (信息描述语句)
明智决策 (用什么搜索工具)

主题目录是网页搜索工具，但不是网页索引工具


2011年1月9日
多媒体文化基础
11 of 74
9.1 信息搜索工具(9)

网页目录的结构

网页目录通常采用分层结构 层次越高的主题，覆盖的网页范围越大 层次越低的主题，覆盖的网页范围越小 最低层的主题就是具体的网页信息，包括网页名称、说明 和网址 基本上都是二维的 有的主题(主目录)在窗口的左侧，列表(子目录)在窗口右侧 有的主题(主目录)在窗口上部，列表(子目录)在窗口的下部 有的主题放在按钮上，而列表(子目录)在下拉菜单上

信息搜索的必备知识

2011年1月9日
多媒体文化基础
3 of 74
9.1 信息搜索工具(1)

两种类型的搜索信息方法

主题搜索(subject search)

主题是用简明的术语或短语描述信息资源的标题 主题搜索是搜索编辑人员(如图书管理员)赋予信 息资源的标题，搜索范围限定到描述信息资源的 术语或短语 关键字是用于概括信息资源核心内容的字词 关键字词可出现在标题、摘要和正文的任何地方 关键字搜索是搜索包含关键字的信息资源
9.1 信息搜索工具(4)

网页索引用搜索引擎创建 搜索引擎的工作原理

搜索引擎(search engine)是由网爬虫、索引器、数据库、 查询和网页排名等部件组成的程序
2011年1月9日
多媒体文化基础
7 of 74
9.1 信息搜索工具(5)



搜索网页：使用 网爬虫(crawlers)/网蜘蛛(spiders) 不停地在网上搜索网页，并将搜索到网页暂时存 放到网页库 创建索引：通过索引器(indexer)分析网页、抽出 词汇、创建索引，并将索引存入索引数据库，以 备用户查询 接收查询：当用户查询时，把查询请求告诉查询 引擎(query engine)，将查询结果返回给用户 独立搜索引擎(individual search engine)，简称为 搜索引擎，拥有自己的ngine)，没有自己的网 页索引数据库

门户网站(Web portal('s) site)


2011年1月9日
多媒体文化基础
20 of 74
9.1 信息搜索工具(18)

网页搜索门户(Web search portal)

网页门户和网页索引相结合的信息搜索工具，如




Google Directory / MSN /，/ Yahoo! Search /，/ Gigablast /

可更有针对性地快速获取某个主题的概貌 需要高水平的编辑人员、选编网页时不抱成见 信息质量比较高，与查询请求的相关性比较大 网页目录结构很清晰，浏览很方便 呈现给用户的网页数目比搜索引擎提供的少 浏览网页目录时，需要多次点击连接对象才能找 到具体的网页信息 网页目录更新周期长，而网页地址变动快
2011年1月9日
2011年1月9日
多媒体文化基础
21 of 74
9.2 信息搜索方法



成功的信息搜索需要两个方面的努力， 一个是提高搜索工具的性能，另一个是 提高使用搜索工具的技能 在提高搜索工具性能方面，科学技术人 员已经做了非常出色的工作，而且还在 孜孜不倦地继续努力 在提高使用搜索工具的水平方面，除了 要理解搜索工具的知识外，还要靠自己 在实践中不断地摸索、总结和提高

查准率(precision)


查询速度

2011年1月9日
多媒体文化基础
9 of 74
9.1 信息搜索工具(7)

网页索引的特点




网页索引是查找网页的最好工具，尤其是查找包 含关键字(keyword)、短语(phrase)和引述(quote) 的网页 网页索引是用搜索引擎创建的，能较及时地对新 创建和更新的网页做索引 给用户返回的查询结果中，通常有与查询请求不 相关或相关性很小的网页 虽然创建网页索引的原理相同，但各个公司开发 的搜索引擎的性能不同，包括搜索速度、搜索范 围、搜索算法和排名算法，呈现给用户的结果也 就不同。虽然差别不是很大，但比较明显

网页索引——关键字搜索工具


专题数据库——基本属于关键字搜索工具 网页搜索门户——主题搜索和关键字搜索相 结合的搜索工具
多媒体文化基础 5 of 74
2011年1月9日
9.1 信息搜索工具(3)
1. 网页索引


索引(index)是由关键字和关联数据组成的列 表，说明信息及其存储位置 网页索引(Web index)是万维网上的网页或网 站信息的列表

提供的信息和资料极具权威性 专题数据库类型


公共数据库(public database)：包含公共资料，由政府机构 和非营利组织管理和维护，通常出现在Web上 私有数据库(proprietary database)/商业数据库(business database)：包含公共数据库中没有的专业资料，由公司管 理和维护，通常需要账户或授权的IP地址才能登录和使用
多媒体文化基础
14 of 74
9.1 信息搜索工具(12)
3. 专题数据库
1. 数据库是什么 数据库(database)


由数据库管理系统(DBMS)创建和管理的数据集合，可快 速和准确地搜索和获取所需的信息 DBMS是数据库和用户之间的接口软件，用于组织、创建、 存储、修改、查询、搜索、分类、备份、格式和打印数据 库中的数据，维护数据的安全和数据的完整性 每一个记录包含若干个域(field)，每个域都有自己的名称 和数据类型[1] 优点是便于搜索、排序、重新组合或其他操作



如果把万维网看成是一本“超大型的书”，那么 网页索引就是这本书后面的“索引” 网页索引放在“索引数据库”里 网页索引包含“所有”网页的关键字和每个关键 字所在的“所有”网页地址和简短说明 按照网页索引提供的信息，可找到包含这个关键 字的所有网页