信息技術(shù)的不斷發(fā)展，特別是互聯(lián)網(wǎng)應(yīng)用的迅速普及，深入到了人們生活的各個方面，改變了人們生活方式和思維方式，方便了全球信息資源共享。全球目前的網(wǎng)頁超過100億，每天新增加數(shù)百萬網(wǎng)頁，電子信息爆炸似的豐富起來。要在如此浩瀚的海洋里尋找信息，就像“大海撈針”一樣。能有一種工具使我們可以在不到1秒鐘的時間就迅速找到我們想要的內(nèi)容嗎？答案是“有”，這就是搜索引擎。今天，搜索引擎已成為人們在網(wǎng)絡(luò)信息海洋中自如沖浪必不可少的利器。

　　搜索引擎(Search Engines)就是指在WWW(World Wide Web)環(huán)境中能夠響應(yīng)用戶提交的搜索請求，返回相應(yīng)的查詢結(jié)果信息的技術(shù)和系統(tǒng)，是互聯(lián)網(wǎng)上的可以查詢網(wǎng)站或網(wǎng)頁信息的工具。它包括信息搜集、信息整理和用戶查詢?nèi)�部分。搜索引擎的服�?wù)方式分為兩種：目錄服務(wù)和關(guān)鍵字檢索服務(wù)。目錄服務(wù)是由分類專家將網(wǎng)絡(luò)信息按照主題分成若干個大類，用戶可以根據(jù)分類清晰地找到自己所需要的內(nèi)容。關(guān)鍵字檢索服務(wù)可以查找包含一個或多個特定關(guān)鍵字或詞組的WWW站點。搜索引擎是互聯(lián)網(wǎng)的第二大核心技術(shù)，涉及到信息檢索、人工智能、計算機網(wǎng)絡(luò)、分布式處理、數(shù)據(jù)庫、數(shù)據(jù)挖掘、數(shù)字圖書館、自然語言處理等多領(lǐng)域的理論和技術(shù)，所以具有綜合性和挑戰(zhàn)性。

　　1搜索引擎的發(fā)展

　　1990年以前，沒有任何人能實現(xiàn)搜索互聯(lián)網(wǎng)的功能�；ヂ�(lián)網(wǎng)發(fā)展早期，信息量較少，互聯(lián)網(wǎng)用戶多為專業(yè)人士，那時查找信息要相對容易。伴隨互聯(lián)網(wǎng)爆炸性的發(fā)展，普通網(wǎng)絡(luò)用戶想找到所需的資料簡直如同大海撈針，這時為滿足大眾信息檢索需求的搜索引擎便應(yīng)運而生了。所有搜索引擎的祖先，都可以追溯到1990年由蒙特利爾McGill大學(xué)學(xué)生Alan Emtage、Peter Deutsch、Bill Wheelan發(fā)明的Archie(Archie FAQ)。雖然當(dāng)時World Wide Web還未出現(xiàn)，但因為當(dāng)時網(wǎng)絡(luò)的主要用途是傳輸文件，網(wǎng)絡(luò)中的文件傳輸還是相當(dāng)頻繁。由于大量的文件散布在各個分散的FTP主機中，查詢起來非常不便，因此Alan Emtage想到了開發(fā)一個可以以文件名查找文件的系統(tǒng)，于是便有了Archie。

　　1993年，美國內(nèi)華達System Computing Services大學(xué)開發(fā)了一個與Archie非常相似的搜索工具，這個搜索工具既能夠檢索文件也能夠檢索網(wǎng)頁。

　　1994年4月，斯坦福(Stanford)大學(xué)的兩名博士生，David Filo和美籍華人楊致遠(Gerry Yang)共同創(chuàng)辦了超級目錄索引Yahoo，并成功地使搜索引擎的概念深入人心。從此搜索引擎進入了高速發(fā)展時期。

　　1998年，斯坦福大學(xué)的兩位博士生Larry Page和Sergey Brin開發(fā)出了現(xiàn)在世界上最大的搜索引擎——Google。通過對20多億網(wǎng)頁進行整理，Google可為世界各地的用戶提供適需的搜索結(jié)果，而且搜索時間通常不到半秒�，F(xiàn)在，Google每天需要為世界各國用戶提供1.5億次查詢服務(wù)。

　　1997年10月29日，北大天網(wǎng)正式在CERNET上向廣大Internet用戶提供Web信息導(dǎo)航服務(wù)，它是由北大計算機系網(wǎng)絡(luò)與分布式系統(tǒng)研究室開發(fā)的國家“九五”重點科技攻關(guān)項目“中文編碼和分布式中英文信息發(fā)現(xiàn)”的研究成果，受到學(xué)術(shù)界廣泛好評。

　　2000年1月，兩位北大校友，前Infoseek資深工程師李彥宏與加州大學(xué)伯克利分校博士后徐勇在北京中關(guān)村創(chuàng)立了百度(Baidu)公司。歷經(jīng)5年的高速發(fā)展后，在近兩年時間里，百度高居全球網(wǎng)站流量前八名的位置，已經(jīng)成為全球十大網(wǎng)站之一。百度每天接受著超過一億人次來自各個方面的內(nèi)容檢索請求，中國9400萬網(wǎng)民幾乎每天使用1次百度。“有問題百度一下”已經(jīng)成為中國網(wǎng)絡(luò)流行語之一。

　　2002年，中國搜索(原慧聰搜索)正式進入中文搜索引擎市場。在一年多的時間里，就發(fā)展為全球著名的中文搜索引擎服務(wù)商，為新浪、搜狐、網(wǎng)易、TOM等知名門戶網(wǎng)站提供搜索引擎技術(shù)。慧聰搜索引擎的優(yōu)勢是從人工審核網(wǎng)站信息源和設(shè)置禁查詞兩個方面入手，有效地過濾了不良信息，降低了垃圾信息的含量。在互聯(lián)網(wǎng)實時新聞搜索方面，慧聰也實現(xiàn)了網(wǎng)絡(luò)新聞的實時檢索。

　　2搜索引擎的工作原理

　　簡單的說，搜索引擎是通過從互聯(lián)網(wǎng)上提取的各個網(wǎng)站的信息來建立數(shù)據(jù)庫，檢索與用戶查詢條件匹配的相關(guān)記錄，然后按一定的排列順序?qū)⒔Y(jié)果返回給用戶。根據(jù)搜索引擎提取數(shù)據(jù)的方法，可將搜索引擎系統(tǒng)可以分為三大類：

　　2.1目錄式搜索引擎：是一種網(wǎng)站級搜索引擎。目錄式搜索引擎由分類專家將網(wǎng)絡(luò)信息按照主題分成若干個大類，每個大類再分為若干個小類，依次細分，一般的搜索引擎分類體系有五六層，有的甚至十幾層。先由程序自動搜集信息，然后由編輯員查看信息，人工形成信息摘要，提供目錄瀏覽服務(wù)和直接檢索服務(wù)。由于目錄式搜索引擎的信息分類和信息搜集有人的參與，因此其搜索的準(zhǔn)確度是相當(dāng)高的，缺點是需要人工介入、維護量大、信息量少、信息更新不夠及時。Yahoo就是這類搜索引擎的代表。

　　2.2機器人搜索引擎：Robot(機器人)一詞大家并不陌生，Computer Robot是指某個能以人類無法達到的速度不斷重復(fù)執(zhí)行某項任務(wù)的自動程序。由于專門用于檢索信息的Robot程序象蜘蛛(spider)一樣在網(wǎng)絡(luò)間爬來爬去，因此，搜索引擎的Robot程序被稱為spider程序。搜索引擎主動派出稱為蜘蛛(Spider)的機器人程序定期搜索(比如Google一般是28天)，對一定IP地址范圍內(nèi)的互聯(lián)網(wǎng)站進行檢索，一旦發(fā)現(xiàn)新的網(wǎng)站，它會自動提取網(wǎng)站的信息和網(wǎng)址加入自己的數(shù)據(jù)庫。該類搜索引擎的優(yōu)點是信息量大、更新及時、毋需人工干預(yù)，缺點是返回信息過多，有很多無關(guān)信息，用戶必須從結(jié)果中進行篩選。Google、北大天網(wǎng)、百度(Baidu)就是這類搜索引擎的代表。

　　2.3元搜索引擎：這類搜索引擎沒有自己的數(shù)據(jù)，而是將用戶的查詢請求同時向多個預(yù)先選定的獨立搜索引擎遞交，將返回的結(jié)果進行重復(fù)排除、重新排序等處理后，作為自己的結(jié)果返回給用戶。優(yōu)點是返回結(jié)果的信息量更大、更全，缺點是用戶需要做更多的篩選。第一個元搜索引擎，是美國華盛頓大學(xué)碩士生Eric Selberg和Oren Etzioni開發(fā)的Metacrawler。元搜索引擎的搜索效果始終不理想，所以沒有哪個元搜索引擎有過強勢地位。ByteSearch、Mamma、Profusion就是這類搜索引擎的代表。

　　3搜索引擎的性能指標(biāo)

　　搜索引擎的目標(biāo)就是在非常短的時間內(nèi)搜索的信息全面并且準(zhǔn)確。傳統(tǒng)信息檢索系統(tǒng)的性能參數(shù)——召回率和精度同樣也可以衡量一個搜索引擎的性能。

　　召回率是檢索出的相關(guān)文檔數(shù)和文檔庫中所有的相關(guān)文檔數(shù)的比率，衡量的是檢索系統(tǒng)(搜索引擎)的查全率；精度是檢索出的相關(guān)文檔數(shù)與檢索出的文檔總數(shù)的比率，衡量的是檢索系統(tǒng)(搜索引擎)的查準(zhǔn)率。對于一個檢索系統(tǒng)來講，召回率和精度不可能兩全其美：召回率高時，精度低；精度高時，召回率低。因為沒有一個搜索引擎系統(tǒng)能夠搜集到所有的WEB網(wǎng)頁，所以召回率很難計算。對于網(wǎng)民來說，互聯(lián)網(wǎng)上的信息不是不夠，而是“過剩”，如何精確查找到信息是大家所關(guān)心的問題。因此，目前的搜索引擎系統(tǒng)都非常關(guān)心精度。

　　4搜索引擎面臨的挑戰(zhàn)

　　目前搜索引擎是網(wǎng)絡(luò)上被使用頻率最高的服務(wù)項目之一。隨著Internet的強勢發(fā)展，網(wǎng)上龐大的數(shù)字化信息和人們獲取所需信息能力之間的矛盾日益突出。國際數(shù)據(jù)公司(IDC)曾公布的一份報告表明，被大肆宣傳為“使用簡便易用，搜索結(jié)果豐富”的搜索引擎技術(shù)正在被信息更集中的局域網(wǎng)取代，因為大多數(shù)搜索系統(tǒng)的表現(xiàn)與用戶的期望值相差太大，諸如數(shù)據(jù)量高速增長的視頻、音頻等多媒體信息的檢索，現(xiàn)在仍然是無法突破的難題。搜索引擎越來越不能滿足挑剔的網(wǎng)民們的各種信息需求，這表現(xiàn)在以下幾個方面：收集的網(wǎng)頁數(shù)量和其數(shù)據(jù)庫的更新速度存在著不可調(diào)和的矛盾。用戶經(jīng)常無法打開查詢的結(jié)果。網(wǎng)絡(luò)信息時刻變動，實時搜索幾乎不可能。就是剛剛瀏覽過的網(wǎng)頁，也隨時都有更新、過期、刪除的可能。網(wǎng)絡(luò)信息收集與整理是搜索引擎工作的重要一部分。搜索引擎需要定期不斷地訪問網(wǎng)絡(luò)資源。目前網(wǎng)絡(luò)帶寬不足，網(wǎng)絡(luò)速度不夠理想，遍歷如此龐雜的網(wǎng)絡(luò)時間花費是非常龐大的，這就是不能實時搜索的原因。

　　對多媒體內(nèi)容的處理尚不成熟。迄今為止，搜索對象主要是文本。基于語義的多媒體搜索技術(shù)還不成熟，比如搜索圖片時還只能通過周圍相關(guān)的文字進行判斷，而無法根據(jù)圖片本身的信息提供檢索。多媒體技術(shù)的發(fā)展，對搜索引擎提出了更多的要求。人們期望引擎不僅能挑出自己需要的文章，還能挑出自己所關(guān)心的圖片、電影、音樂等。

　　搜索引擎的“智能”有待提高。一般的公共搜索引擎只能查到HTML格式，主要的原因是搜索引擎的自動排序軟件Spiders蜘蛛程序，只能接受這種格式的網(wǎng)頁。這意味著，在企業(yè)內(nèi)部的局域網(wǎng)上，任何沒有使用HTML格式的信息將無法被外部的搜索引擎查到。這就是為什么像PPT、Word、PDF、電子郵件等文件，以及ERP、CRM等應(yīng)用軟件的數(shù)據(jù)庫的信息會長期的“沉沒”在信息的海底中。智能搜索引擎具有跨平臺工作和處理多種混合文檔結(jié)構(gòu)的能力。譬如既能處理HTML(Hyper Text Markup Language，超文本標(biāo)志語言)，又能處理SGML(Standard for General Markup Language，通用標(biāo)志語言標(biāo)準(zhǔn))和XML(Extended Marked Language，擴展標(biāo)志語言)文檔以及其他類型的文檔，譬如Word、WPS等。智能搜索引擎應(yīng)該可以支持多語言搜索。

　　搜索引擎應(yīng)更好地支持動態(tài)網(wǎng)頁，許多蜘蛛軟件不敢去碰動態(tài)網(wǎng)頁，怕被變化無窮的動態(tài)系統(tǒng)黑洞吸進去出不來。然而，網(wǎng)站使用動態(tài)網(wǎng)頁生成工具乃是大事所趨，解決動態(tài)網(wǎng)頁查找的問題已經(jīng)迫在眉睫。

　　如何解決這些難題已成為第三代搜索引擎探索的方向。一個好的搜索引擎不再僅憑借數(shù)據(jù)庫大小、更新頻率、檢索速度、對多語言的支持這幾個基本特性來衡量，隨著數(shù)據(jù)庫容量的不斷膨脹，如何從龐大的資料庫中精確地找到正確的資料，被公認為是下一代搜索技術(shù)的競爭要點。

　　5特色搜索引擎

　　在網(wǎng)絡(luò)信息多樣化和網(wǎng)絡(luò)用戶多樣化的呼喚下，人們希望在網(wǎng)絡(luò)上找到更豐富更實用的資源，不再漫無目的地查找，特色搜索引擎便應(yīng)運而生了。

　　尋人搜索引擎。如果您想在網(wǎng)上尋找一位老朋友，那么可以考慮使用Yahoo提供的尋人搜索引擎。由于Yahoo的用戶群極為龐大，大多數(shù)網(wǎng)民都擁有或曾經(jīng)擁有Yahoo的賬戶，另外其國際化特征明顯，用戶群包含了全世界各國的網(wǎng)民。因此，它應(yīng)該是大范圍尋人的較好選擇。尤其當(dāng)您尋找的人正好在某些非英語國家，找不到專門的搜索引擎，Yahoo的優(yōu)勢就更為明顯。

　　圖像搜索引擎。圖像搜索引擎雖然還沒有成熟的產(chǎn)品，但是這項研究工作卻緊鑼密鼓的進行著。據(jù)稱，美國Purdue大學(xué)的研究人員已經(jīng)開發(fā)出了一種新的搜索引擎，這種搜索引擎不再使用關(guān)鍵詞文本進行搜索，而是使用圖像或者草圖進行搜索。不就的將來，用戶自己畫一幅草圖，搜索引擎就可以對數(shù)據(jù)庫進行搜索，并找到所有與草圖類似的圖像。不過，這要求圖像搜索引擎能夠快速處理超大容量數(shù)據(jù)庫。這種技術(shù)不僅為網(wǎng)民提供了方便，在生物、化學(xué)、醫(yī)學(xué)等領(lǐng)域都可能發(fā)揮極大的作用。

　　多媒體搜索引擎。FAST是國外著名的多媒體搜索引擎，很多同類搜索引擎都會引用此引擎的內(nèi)容。在FAST搜索多媒體文件，您可以同時搜索圖像、音頻、視頻等多種格式的多媒體文件，圖像支持JPEG、GIF、BMP三種格式，音頻支持MP3、Wave、AIFF、RealAudio、MIDI五種格式，視頻支持AVI、DivX、QuickTime、MPEG四種。FAST為每一個搜索結(jié)果提供預(yù)覽和說明，同時還有可供下載的直接鏈接，以及該文件所在網(wǎng)站的地址。

　　房產(chǎn)地圖搜索引擎。房產(chǎn)地圖搜索引擎是結(jié)合地理信息系統(tǒng)(GIS)、數(shù)據(jù)庫系統(tǒng)(DBMS)和動態(tài)Web軟件技術(shù)開發(fā)研制，可以通過智能化地理信息分析查找特定范圍內(nèi)的特定目標(biāo)。例如用戶可以選擇購房愿望：價格、面積、戶型、房屋布局、地理位置、周邊商業(yè)、交通、自然環(huán)境、小區(qū)狀況等，在互聯(lián)網(wǎng)上進行查詢。引擎立即會將所有滿足條件的房源顯示出來，并可以任意放大、縮小、移動房源地圖。

　　美國華盛頓大學(xué)科學(xué)家正在研究一種新型搜索引擎——一搜得(Know It All)，它能像拖網(wǎng)一樣“撈到”所需資料網(wǎng)頁，然后以目錄表格形式將其進行整理。目前的搜索引擎使用起來其實并不“方便”。如果上網(wǎng)用搜索引擎查找和搜集想要的內(nèi)容，將是一件十分單調(diào)乏味的工作，因為你必須訪問大量網(wǎng)頁，檢索大量資料數(shù)據(jù)。但新一代搜索引擎技術(shù)將有可能僅“按一次”鼠標(biāo)，就能找出你想查找的內(nèi)容。它的研發(fā)者埃齊奧尼說：“這種方法很奇特，它可將一大堆網(wǎng)頁中的有關(guān)信息以目錄表格的形式放在一個單一網(wǎng)頁上。”他們的最終目標(biāo)是讓“Know It All”能回答諸如“列表指出1900年以前出生的全英科學(xué)家”這樣的問題。

　　搜索引擎的存在使得每個人與任何問題的答案之間的距離只有點擊一下鼠標(biāo)那么遠。搜索引擎改變了我們上網(wǎng)的習(xí)慣，改變了我們工作方式甚至是生活方式。搜索引擎正在不斷創(chuàng)造奇跡，而我們正在享受著奇跡

heet://haidanet.cn