多媒体搜索引擎
搜索引擎
北京理工大学马哲论文搜索引擎对社会的作用和影响信息与电子学院信息工程专业2011 级05111102 班学生姓名易思雄学号1120111194指导教师翟杰全职称教授完成日期2012-12-5搜索引擎对社会的作用和影响摘要互联网作为信息技术的载体已成为人们工作、学习、生活、娱乐的重要工具。
互联网的发展给人们带来了巨大的方便,人们可以跨越时间和空间界限来共享大量信息。
但是,面对互联网上如此丰富的内容,人们同时也感到无所适从。
太多的内容使得迅速定位真正需要的信息变得更困难。
因此人们迫切需要有效的信息发现工具来为他们在互联网上进行导航。
搜索引擎是一种用于帮助互联网用户查询信息的搜索工具,它以一定的策略在互联网中搜集、发现信息,对信息进行理解、提取、组织和处理,并为用户提供检索服务,从而起到信息导航的作用。
它的主要任务是在互联网上主动搜索网页信息并将其自动索引,其索引内容存储于可供查询的大型数据库中。
当用户输入关键字查询时,搜索引擎会告诉用户包含该关键字信息的所有网址,并提供通向该网站的链接。
关键词：搜索引擎；搜索引擎的发展；搜索引擎的作用；搜索引擎的作用方式。
目录1 搜引擎简介..................................................................................................................2 搜索引擎的发展..........................................................................................................3 搜索引擎的作用........................................................................................................4 搜索引擎的作用方式..................................................................................................5 搜索引擎对未来社会发展的影响..............................................................................6 浅谈科学技术对社会发展的影响..............................................................................7 参考文献..............................................................................................................................1 搜索引擎简介搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。
多媒体信息检索技术的使用教程及其在搜索引擎中的应用
多媒体信息检索技术的使用教程及其在搜索引擎中的应用一、引言随着互联网的快速发展和大规模多媒体数据的爆炸式增长，多媒体信息检索技术变得越来越重要。
传统的文本检索已经不能满足用户对多元化信息的需求，因此，多媒体信息检索技术应运而生。
本文将介绍多媒体信息检索技术的基本原理和使用教程，并探讨其在搜索引擎中的应用。
二、多媒体信息检索技术基础1. 多媒体信息检索技术的定义多媒体信息检索技术是指通过对多媒体数据的内容和特征进行分析、处理和匹配，从海量的多媒体数据库中快速、准确地检索出用户感兴趣的信息。
多媒体信息检索技术包括图像检索、视频检索和音频检索等。
2. 多媒体信息检索技术的基本原理多媒体信息检索技术的基本原理包括特征提取、相似度计算和检索模型。
特征提取是指从多媒体数据中提取能够表征其内容和特征的信息，常用的特征包括颜色、纹理、形状、运动等。
相似度计算是指通过比较特征向量之间的距离或相似性来度量多媒体数据之间的相似度，常用的相似度计算方法包括欧氏距离、余弦相似度等。
检索模型是指用于解决多媒体信息检索问题的数学模型，常用的检索模型包括向量空间模型、概率模型、语义模型等。
三、多媒体信息检索技术的使用教程1. 数据预处理在进行多媒体信息检索之前，需要对多媒体数据进行预处理，包括格式转换、去噪、分割等。
对于图像，可以使用图像处理软件进行格式转换、降噪、边缘检测等操作。
对于视频和音频，可以使用专业的视频和音频处理软件进行格式转换、去噪、分割等操作。
2. 特征提取特征提取是多媒体信息检索的关键步骤之一，通过提取多媒体数据的特征，可以构建特征向量，用于表示多媒体数据。
常用的特征提取方法包括颜色直方图、纹理描述子、形状描述子等。
可以使用开源的图像处理库（如OpenCV）或机器学习库（如scikit-learn）来提取特征。
3. 相似度计算相似度计算是多媒体信息检索的核心步骤之一，通过计算多媒体数据之间的相似度，可以找到与查询相似的多媒体数据。
多媒体数据库
多媒体数据库多媒体数据库什么是多媒体数据库多媒体数据库是一种用于存储、管理和检索多媒体数据的数据库系统。
它不仅可以存储传统的文本和数字数据，还可以存储图像、音频、视频等各种类型的多媒体数据。
多媒体数据库结合了数据库和多媒体技术，提供了强大的查询和检索功能，使用户能够方便地访问和管理大量的多媒体数据。
与传统的文件系统相比，多媒体数据库具有更高的存储效率和查询性能，能够满足多媒体数据处理的需求。
多媒体数据库的特点存储多媒体数据多媒体数据库可以存储各种类型的多媒体数据，包括图像、音频、视频等。
它使用专门的数据结构和算法，对多媒体数据进行存储和管理，保证数据的完整性和一致性。
支持多媒体数据操作多媒体数据库提供了各种操作多媒体数据的功能，如插入、更新、删除和查询等。
用户可以方便地对多媒体数据进行操作，实现对数据的管理和利用。
提供高效的查询和检索功能多媒体数据库通过使用索引和查询优化技术，提供了高效的查询和检索功能。
用户可以根据多媒体数据的属性和内容进行查询，快速找到所需要的数据。
支持多媒体数据的关联和关系多媒体数据库支持多媒体数据之间的关联和关系。
它可以通过定义表和关联关系，实现多媒体数据的组织和管理。
用户可以根据需要对多媒体数据进行组合和关联，实现更复杂的数据操作和处理。
提供多媒体数据的安全性和保护多媒体数据库提供了多种安全性和保护机制，保护多媒体数据的安全和隐私。
它可以对数据进行加密、权限控制和备份等操作，防止数据的泄露和损坏。
多媒体数据库的应用多媒体数据库在各个领域都有广泛的应用。
以下是一些常见的应用领域：图像和视频管理多媒体数据库可以用于图像和视频的管理和查询。
它可以对图像和视频进行存储、管理和检索，便于用户对大量的图像和视频进行组织和利用。
音频和视频分析多媒体数据库可以用于音频和视频的分析和处理。
它可以对音频和视频数据进行特征提取和分析，实现音频和视频的自动分类和检索。
多媒体搜索引擎多媒体数据库可以用于构建多媒体搜索引擎。
评价目前主流的搜索引擎
评价目前主流的搜索引擎
首页界面：搜狗搜索、百度搜索的界面较为简洁、干净；360搜索、必应搜索有相应的关键词推荐，其界面以风景为背景，给人以美的享受。
规模和范围：百度搜索的板块种类较多，规模较大，有一些其他搜索引擎不具有的板块，如百度贴吧、百度翻译；360搜索、搜狗搜索板块较少；搜狗搜索可以进行微信搜索，这无疑是其一大优势。
全面性：百度搜索、谷歌搜索收录了众多网站，拥有庞大的数据库、海量的信息和全面的功能服务。
搜狗搜索、必应搜索收录的网站相对较少，规模较小，搜索的结果的数量较少。
准确度：谷歌搜索和百度搜索在不同的关键词搜索上各有优势，相比之下，他们的搜索结果匹配度是最高的，信息相关度很高，更为准确，总体上远远领先于其它搜索引擎。
结果输出：谷歌搜索的结果内容包括即时回答、深度链接和多媒体等；必应搜索也同样包括即时回答、深度链接和多媒体等，内容不仅丰富，且可以准确、直观地呈现给用户需要的信息;相比之下，百度、搜狗则做的不如谷歌搜索、必应搜索出色。
用户负担：部分搜索引擎商业味太重，搜索的关键字的首页基本被出价高的企业占据了，很难找到你需要的真正自然搜索的结果。
百度的搜索排名技术不够权威，搜索结果中广告、垃圾网站和死链比较多。
检索速度：目前各类搜索引擎的检索速度都较高，但还有待提升；搜狗搜索存在搜索滞缓的现象。
内容的时效性：目前各类搜索引擎搜索结果内容的时效性都较高，但搜狗搜索和360搜索结果的时效性还有待提升。
中外40多个音乐搜索与MP3搜索
TunesBag - 是一个新近上线的在线音乐上传分享社区，其目的在于让你在任何地方都可以随时随听收听你的音乐．而需要的只是一台PC或MAC和一个浏览器
Midomi -这是由Philipp介绍的一个音乐搜索引擎，它的最大特点是允许你自己对着电脑麦克风哼唱一小段歌曲旋律，然后它会根据这些声音把相关的歌曲给找出来。歌曲可以是歌手的原唱作品，也可以是该网站用户翻唱的版本。
CChits - 是Ning的一个二级网站，主要提供音乐文件的在线上传、视频、下载、搜索和分享的服务平台。比较特别的是，该网站规定所有音乐必须基于CC创作共用，也就相当于成为了一个播客的协作流媒体。
Jukefly - 是一个社会化的音乐播放器，旨在让你可以从任何地方获取你的音乐收藏，这有点像另外一个音乐服务网站anywhere.fm，但其实有很大的不同， Jukefly甚至不需要你上传任何音乐就能实现在其它电脑上播放你电脑中的音乐收藏，完全实现轻松的音乐异地同步！注册后将要求你安装一个客户端的音乐服务器，主要是为了容纳你的音乐收藏。
TinySong - 是之前介绍过的GrooveShark的附属网站，它拥有一个简单平滑的Ajax操作界面，用户可以通过输入歌曲名，演唱者，专辑名等来进行搜索，然后会实时显示搜索结果，点击你喜欢的歌曲，即可得到一个缩短处理的网址. 查看更多
Songza - 是一个全新的音乐在线搜索服务。它提供在线的音乐搜索，并在互联网上进行点唱操作，这点有像Pandora。你可以在这里找寻自己喜欢的音乐，并且创建播放清单。
The Hype Machine - 是一个专项性的聚合网站，专门用于跟踪Blog 中的音乐资源，用于让访客更好的发现各类音乐或者新的艺人等等.
Dorble - 是一个免费的 MP3 搜索引擎，你可以在线听歌，也可以下载歌曲。Dorble 最大的特色是会在首页推荐一些热门专辑，并使用了华丽的 Cover Flow 效果。除此之外，在线音乐播放也使用一个漂亮的播放器。基本上算是个比较漂亮的 MP3 搜索引擎，不过未必实用。但用来找找英文歌曲还是不错的。
如何利用搜索引擎的多媒体功能
如何利用搜索引擎的多媒体功能在当今数字化的时代，搜索引擎已经成为我们获取信息的重要工具。
大多数人在使用搜索引擎时，往往只关注文字搜索结果，但其实搜索引擎的多媒体功能能为我们提供更丰富、更直观的信息。
下面就来详细探讨一下如何充分利用搜索引擎的多媒体功能。
首先，我们要明白什么是搜索引擎的多媒体功能。
它不仅仅是指搜索图片、视频、音频等常见的媒体形式，还包括以多媒体形式呈现的搜索结果，比如知识图谱中的多媒体元素、地图中的街景图像等。
对于图片搜索功能，这是非常实用的一项。
当你想要查找某个具体的物品、场景或者人物的图像时，只需在搜索框中输入相关的关键词，搜索引擎就能为你展示大量的相关图片。
比如，你对某种特定的花卉感兴趣，输入花卉的名称，就能看到各种不同角度、不同环境下拍摄的该花卉的图片。
不仅如此，现在的图片搜索还支持以图搜图功能。
如果你有一张不太清晰的图片，想要找到更清晰或者相关的其他图片，就可以通过上传这张图片来进行搜索。
视频搜索也是不可或缺的一部分。
当你想要学习某个技能，比如烹饪一道新菜，或者了解某个复杂的概念，通过视频搜索可以找到大量的教学视频和解释视频。
而且，很多视频平台都与搜索引擎有合作，能够为你提供丰富的视频资源。
在搜索视频时，可以使用更具体的关键词组合，以获得更符合需求的结果。
比如，“家常菜红烧肉详细教程”这样的关键词组合，就能帮你找到更精准的烹饪教学视频。
音频搜索的应用场景也不少。
比如，你想听一首特定的歌曲，但不知道歌名，只记得其中的几句歌词，输入这些歌词就能找到相关的歌曲。
此外，对于有声读物、讲座、广播节目等音频内容，也可以通过相关的关键词进行搜索。
除了上述常见的多媒体类型，搜索引擎还提供了一些特殊的多媒体功能。
比如地图搜索中的卫星地图和街景功能。
当你想要了解一个地方的实际情况，通过卫星地图可以看到该地区的地形地貌，而街景功能则能让你仿佛身临其境般地看到街道的实际景象。
这对于旅行规划、房产考察等都非常有帮助。
搜索引擎
Internet 网页搜集子系统
网页自动分类子系统
资源索引数据库
管 理 子 系 统
信息检索子系统 搜索界面 通用搜索引擎系统结构
3、搜索引擎的主要任务
(1) 信息搜集。 各个搜索引擎都派出绰号为蜘蛛(Spider)或机 器人（Robots）的“网页搜索软件”，在各网 页中爬行，访问网络中公开区域的每一个站点 并记录其网址，将它们带回搜索引擎，从而创 建出一个详尽的网络目录。由于网络文档的不 断变化，机器人也不断地把以前已经分类组织 的目录更新。
(3) 信息查询。
每个搜索引擎都必须向用户提供一个良好的信息查询 界面，一般包括分类目录及关键词两种信息查询途径。 分类目录查询是以资源结构为线索，将网上的信息资 源按内容进行层次分类，使用户能依线性结构逐层逐 类检索信息。 关键词查询是利用建立的网络资源索引数据库向网上 用户提供查询“引擎”。用户只要把想要查找的关键 词或短语输入查询框中，并按“Search”按钮，搜索 引擎就会根据输入的提问，在索引数据库中查找相应 的词语，并进行必要的逻辑运算，最后给出查询的命 中结果（均为超文本链接形式）。用户只要通过搜索 引擎提供的链接，就可以立刻访问到相关信息。
6、国外综合型检索工具
目前有记录可查的国外的搜索引擎数量已达到 2500个，其中有不少优秀的综合型搜索引擎， 如： Google、 Yahoo!、AltaVista、Excite、 Infoseek、Lycos、HotBot、OpenText等。 访问AltaVista() 的次数超过1亿次。 HotBot（ ）是美 国享有盛誉的综合型、混合型搜索引擎。
<2>. 连接符
连接符有加号（+）和减号（-）。 (1) 在检索词前使用“+”时，表示所有检索结果的页 面中都必须包含该词。 例如：检索式“+A+B”，表示查得的页面中应出现 “A”和“B”方面的信息；而检索式“A+B”，则表示 在检索结果页面中一定含有“B”，但不一定有“A”的 信息。 (2) 检索词前使用“-”时，表示任何检索结果的页面中 都不能包含该词。 例如：检索式“microwave-ceramic”，则表示查找关 于microwave 的页面，但排除那些和ceramic 有关的 页面。
各类搜索引擎的分类
各类搜索引擎的分类搜索引擎是当今互联网发展成果的经典代表，以其门槛低，使用简单等特点，受到广大用户的青睐，无论是搜索资讯，购物，社交等内容，都可以通过搜索引擎查找到大量与其相关的信息，然而随着搜索引擎的发展，各大搜索引擎又逐渐被细分为不同的类别，本文将从技术、功能以及服务等角度对搜索引擎的分类进行介绍。
一、技术分类搜索引擎的技术分类主要是根据爬虫抓取页面内容的方式不同来划分，主要有以下三类。
1.人工编辑类搜索引擎：人工负责编辑挑选内容，属于非自动化、非算法驱动的搜索引擎，代表是Yahoo!和DMOZ。
2.基于文本检索技术的搜索引擎：主要是借助文本检索技术，通过爬虫抓取页面信息进行文本分析，提取关键词建立索引，再根据用户输入的关键词，匹配索引进行搜索，代表是百度、Google等。
3.基于机器学习的搜索引擎：将机器学习应用于搜索引擎技术，即利用机器学习算法来改善搜索结果质量，是一种新型的搜索引擎技术方向。
二、功能分类搜索引擎的功能分类主要是根据搜索目的不同来划分，主要有以下三类。
1.全文搜索引擎：代表是百度、Google等，主要用于通过检索关键词来搜索互联网中的文本信息，如资讯、文章等。
2.垂直搜索引擎：主要是针对特定领域进行搜索，如搜狗图片搜索、天气预报、股票信息等，也被称为专业搜索引擎。
3.社交搜索引擎：主要是以社交关系为基础的搜索引擎，如知乎、豆瓣等，可以帮助用户查找到与他们搜索内容相关的社交网络信息。
三、服务分类搜索引擎的服务分类主要是根据搜索内容的不同来划分，主要有以下三类。
1.网页搜索引擎：如Google、百度等，主要用于搜索互联网上网页网站内容。
2.本地搜索引擎：主要用于搜索本地信息服务，如百度地图、高德地图等，能搜索到附近的餐厅、酒店、银行等服务机构信息。
3.媒体搜索引擎：主要用于搜索音乐、视频等多媒体信息，如酷狗音乐、优酷视频等。
总而言之，搜索引擎的分类是多方面的，不同类别的搜索引擎针对不同的搜索内容和任务，都有其优缺点，选择适合自己的搜索引擎类型，能够更好地满足自己的个性化需求，提高搜索效率和质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
压缩
信息论
{0, 1}，分布{0.9, 0.1} 如何压缩？
如果最小输出信息单位是1比特 如果输入信息必须以单比特处理 每个输入比特至少需要一个输出比特
压缩
霍夫曼码(Huffman Coding)
Байду номын сангаас 前缀码
非前缀码会导致译码困难
多媒体搜索引擎
多媒体文档及其内容理解(2)
多媒体信息的存储
压缩与编码
多媒体信息都很大
1百万字的小说：2MB 10分钟CD质量音频：100MB 10分钟普通电视质量视频：8.5GB
直接存储难以承受
如何节约存储空间？ 压缩
压缩
为什么数据可以被压缩？
信息的表达形式有冗余
Die Freiheit, die Liebe, Tun beide mir not: Mit Lust fü r die Liebe Geh' ich in den Tod, Doch opfr' ich auch sie Wenn die Freiheit bedroht!
{0, 1}，分布{0.9, 0.1} I(0)=0.15 bit, I(1)=3.32 bit 平均信息量？ (0.15+3.32)/2=1.735 bit ??
压缩
IK sKpslogp1s 熵
信息论
信息的度量
报文中消息的平均信息量
报文中各个消息的出现概率是不同的！ 按概率加权 {0, 1}，分布{0.9, 0.1}
1.29/2=0.645 < 1 熵为0.467
编码
压缩
霍夫曼码(Huffman Coding)
按输入消息的概率分布，编制最佳的码书
码书(code book)：输入消息和输出码字的对应 关系
码字(code)：一个比特串
可以被正确译码
废话…… 前缀码
一个码书中，任何码字都不是别的码字的前缀
无法压缩 必须至少去除一个限制
压缩
信息论
{0, 1}，分布{0.9, 0.1} 如果输入信息可以联合处理多个bit
报文可以很长 {00, 01, 10, 11}{0.81, 0.09, 0.09, 0.01}
000, 0110, 10110, 11111 最短码长：1，最长码长：3 平均码长：0.81*1+0.09*2+0.09*3+0.01*3=1.29
生命诚可贵 爱情价更高 若为自由故 两者皆可抛
压缩
为什么数据可以被压缩？
信息的表达形式有冗余
用典
“效田光故事” “二桃杀三士” “墨守成规”
压缩
为什么数据可以被压缩？
冗余的本质
数据交换的本质
从发送者向接收者传递信息
…… ……
压缩
为什么数据可以被压缩？
冗余的本质
数据交换的本质
获得的信息
预测模型
压缩
预测器
如何预测？
1 101001110……
0 如果正反出现的概率各50%？ 无法预测
压缩
预测器
如何预测？
1 101001110……
0 如果正面出现的概率90%？ 预测正面出现：命中率90% 只需传递反面出现的情况
压缩
预测器
输入数据的概率分布不是完全均匀的
福尔摩斯：跳舞的小人
“你们也知道，在英文字母 中Ｅ最常见，它出现的次 数多到即使在一个短的句 子中也是最常见的。第一 张纸条上的十五个符号， 其中有四个完全一样，因 此把它估计为Ｅ是合乎道 理的……”
压缩
预测器
输入数据的概率分布不是完全均匀的
e 11.42% 64.52% d 3.13% 22.52%
是 1.72%
Islog
1
ps
自信息
消息s出现的概率
符号集大小？
如果正反概率相等： I(正)=log(1/0.5)=log(2) 如果底为2，则： I(正)=1 比特(bit)
对数底？ 与信息量的单位有关
压缩
信息论
信息的度量
报文中消息的平均信息量
{0, 1}，均匀分布 I(0)=1 bit, I(1)=1 bit 平均信息量 1 bit
中 0.71% 上 0.63% 到 0.53% 人 0.53% 为 0.51% 会 0.48% 要 0.41% 一个 0.41% 说 0.40% 后 0.40%
压缩
预测器
输入数据的概率分布不是完全均匀的
如何把非均匀分布的信息实际用于压缩？
信息论 香农(Claude Shannon)
《A Mathematical Theory of Communication》 1948
压缩
信息论
消息(message)：收到的一个信息
1, 0 A, B, C, D, …… 天, 地, 玄, 黄…… 消息集
报文(sequence of messages):一串消息
压缩
信息论
香农：通信的模型
传递的“东西”：信息
如何度量？
压缩
信息论
信息的度量
单个消息的信息量
从发送者向接收者传递信息 但是，如果接收者有一些先验知识……
……
…
压缩
为什么数据可以被压缩？
冗余的本质
先验知识：可以更好地表示数据的模型
预测器
收到的信息
实际获得的信息
先验知识
压缩
为什么数据可以被压缩？
冗余的本质
先验知识：可以更好地表示数据的模型
需要传递 预测器
反向预测器
的信息
实际传递的信息
a 8.56% 54.08% h 2.76% 20.04%
有 0.84%
i 7.94% 50.39% g 2.30% 16.47% r 7.51% 50.24% b 2.12% 15.70% t 7.46% 48.05% y 2.00% 15.15% o 7.12% 44.44% f 1.47% 10.22% n 6.41% 42.77% v 1.07% 8.24% s 5.55% 36.91% w 0.94% 7.15% l 5.52% 37.03% k 0.84% 6.37% c 4.74% 32.44% x 0.35% 2.72% u 3.66% 26.42% z 0.24% 1.66% p 3.27% 23.05% q 0.23% 1.85% m 3.22% 22.82% j 0.15% 1.17%