(電子商務研究中心訊) [摘要]隨著網(wǎng)絡信息時代的到來，信息檢索處于一個個互聯(lián)的網(wǎng)絡系統(tǒng)之中，用戶、信息檢索技術、信息資源構成了信息檢索3個基本要素。本文主要通過Internet搜索引擎來介紹搜索引擎的工作原理及信息檢索技術。
一、前言
隨著Internet的迅速發(fā)展，網(wǎng)上信息正以爆炸性的速度增長，其資源內(nèi)容幾乎涉及所有領域，已經(jīng)成為知識、信息的集合體，是人們獲取信息的基本工具。在Internet網(wǎng)上進行瀏覽和檢索，就好比進入了世界上最大的圖書館，而這個圖書館里的書刊、雜志、廣告、新聞及各種形式的文獻信息全都沒有規(guī)律地排放著，沒有一個中心目錄將這些信息組織起來。正是因為Internet資源既豐富又分散且處于無序狀態(tài)，使得人們在網(wǎng)上查找自己所需的信息并非易事。這時為滿足人眾信息檢索的需求，搜索引擎便應運而生。搜索引擎是指使用某些自動索引軟件來發(fā)現(xiàn)、收集網(wǎng)絡上的信息，然后對收集的網(wǎng)頁進行標引，建立一個可供查詢的大型數(shù)據(jù)庫。
二、搜索引擎的工作原理
搜索引擎為了以最快的速度得到搜索結果，它搜索的通常是預先整理好的網(wǎng)頁索引數(shù)據(jù)庫。搜索引擎，不能真正理解網(wǎng)頁上的內(nèi)容，它只能機械的匹配網(wǎng)頁上的文字。真正意義上的搜索引擎，通常指的是收集了互聯(lián)網(wǎng)上幾千萬到幾十億個網(wǎng)頁并對網(wǎng)頁中的每一個文字(即關鍵詞)進行索引，建立索引數(shù)據(jù)庫的全文搜索引擎。當用戶查找某個關鍵詞的時候，所有在頁面內(nèi)容中包含了該關鍵詞的網(wǎng)頁都將作為搜索結果被搜出來。在經(jīng)過復雜的算法進行排序后，這些結果將按照與搜索關鍵詞的相關度高低，依次排列。
搜索引擎的工作原理可以看作三步：從互聯(lián)網(wǎng)上抓取網(wǎng)頁→建立索引數(shù)據(jù)庫→在索引數(shù)據(jù)庫中搜索排序。
1.從互聯(lián)網(wǎng)上抓取網(wǎng)頁
利用能夠從互聯(lián)網(wǎng)上自動收集網(wǎng)頁的爬蟲系統(tǒng)程序(或者稱為機器人程序)，自動訪問互聯(lián)網(wǎng)，沿著任何網(wǎng)頁中的所有URL爬到其它網(wǎng)頁，重復這一過程，并把爬過的所有網(wǎng)頁收集回來。
2.建立索引數(shù)據(jù)庫
由分析索引系統(tǒng)程序對收集回來的網(wǎng)頁進行分析，提取相關網(wǎng)頁信息(包括網(wǎng)頁所在URL,編碼類型，頁面內(nèi)容包含的所有關鍵詞，關鍵詞位置，生成時間，大小，與其它網(wǎng)頁的鏈接關系等)，根據(jù)一定的相關度算法進行大量復雜計算，得到每一個網(wǎng)頁針對頁面文字中及超鏈中每一個關鍵詞的相關度(或重要性)，然后用這些相關信息建立網(wǎng)頁索引數(shù)據(jù)庫。
3.在索引數(shù)據(jù)庫中搜索排序
當用戶輸入關鍵詞搜索后，由搜索系統(tǒng)程序從網(wǎng)頁索引數(shù)據(jù)庫中找到符合該關鍵詞的所有相關網(wǎng)頁。因為所有相關網(wǎng)頁針對于該關鍵詞的相關度早已算好，所以只需按照現(xiàn)成的相關度數(shù)值排序，相關度越高，排名越靠前。最后，由頁面生成系統(tǒng)將搜索結果的鏈接地址和頁而內(nèi)容摘要等內(nèi)容組織起來返回給用戶。
由于Web信息會頻繁更新，例如，新聞網(wǎng)頁通常每天就要更新，有的網(wǎng)頁更新周期可能是一周或幾個月，這種頻繁更新，會導致數(shù)據(jù)庫內(nèi)信息的過時。因此，需要更新網(wǎng)頁索引數(shù)據(jù)庫，以反映出網(wǎng)頁文字的更新情況，增加新的網(wǎng)頁信息，去除死鏈接，并根據(jù)網(wǎng)頁文字和鏈接關系的變化重新排序。這樣，網(wǎng)頁的具體文字變化情況就會反映到用戶查詢的結果中。
三、檢索技巧
1.科學選擇關鍵詞。由于搜索引擎智能化程度的影響，它只能在現(xiàn)存的數(shù)據(jù)庫中查找匹配的關鍵詞，因此，這種匹配相對比較盲目，我們在選擇關鍵詞時，要注意兩方面的問題，才有可能得到較好的搜索效果。
2.使用雙引號進行精確查詢。如果查找的是一個詞組或多個漢字，最好的辦法就是將它們用雙引號括起來，這樣得到的結果最少、最精確。
3.使用加號(+)、減號(-)限定查找。很多搜索引擎都支持在搜索詞前冠以加號(+)限定搜索結果中必須包含的詞匯，用減號(-)限定搜索結果不能包含的詞匯。
4.靈活運用使用通配符。很多搜索引擎支持通配符號，如“*”代表一連串字符，“?”代表單個字符。
5.使用邏輯詞輔助查找。比較大的搜索引擎都支持使用邏輯詞進行更復雜的搜索界定，常用的有：AND (和)、OR (或)、NOT(否)及NEAR(兩個單詞的靠近程度)，恰當應用它們可以使搜索結果非常精確。另外，也可以使用括號將搜索詞分別組合，如(新聞OR足球)AND(米盧)NoT(“新聞”OR足球)
6.有針對性地選擇搜索引擎。用不同的搜索引擎進行查詢得到的結果常常有很大的差異，這是因為它們的設計目的和發(fā)展走向存在著許多的不同，比如：Download.com是針對軟件類的搜索引擎，可搜尋大量的自由軟件和共享軟件。驅動之家主要是提供查找驅動程序及硬件廠商信息。
7.使用元詞檢索。大多數(shù)搜索引擎都支持“元詞”(metawords)功能，用戶把元詞放在關鍵詞的前面，就可以告訴搜索引擎你想要檢索的內(nèi)容具有哪些明確的特征。例如，你在搜索引擎中輸入“title：清華大學”，就可以查到網(wǎng)頁標題中帶有清華大學的網(wǎng)頁。其他元詞還包括：image，用于檢索圖片；link，用于檢索鏈接到某個選定網(wǎng)站的頁面；URL，用于檢索地址中帶有某個關鍵詞的網(wǎng)頁。
8.細化查詢。許多搜索引擎都提供了對搜索結果進行細化與再查詢的功能，如有的搜索引擎在結果中有”查詢類似網(wǎng)頁”的按鈕，還有一些則可以對得到的結果進行新一輪的查詢。
9.盡可能將搜索范圍限制在特定的領域里。比如在yahoo中文網(wǎng)站中，你要查找的是與電腦相關的知識，那么你沒有必要讓搜索引擎在休閑與運動、健康與醫(yī)藥、藝術與人文等其他分類中查找。你可以進入“電腦與因特網(wǎng)”這一類，選中“檢索此目錄下的網(wǎng)站”。然后再開始搜索。
四、結束語
要完成一個有效的搜索，首先要確定要檢索的主題，選擇合適的檢索工具、抽取適當?shù)年P鍵詞。為避免可能出現(xiàn)搜索結果的冗余性，要盡可能限制查詢范圍，正確構造檢索式。同時要使用邏輯條件限制及模糊或精確查詢的功能保證能真正檢索到我們所需的網(wǎng)絡信息資源。（來源：《商情》雜志 編選：網(wǎng)經(jīng)社）
參考文獻:
[1]符紹宏，雷菊霞.因特網(wǎng)信息資源檢索與利用[M].北京：清華大學出版社，2000.
[2]王啟云.如何利用搜索引擎檢索網(wǎng)絡信息.2001(4)，214-218.
[3]劉毓華.網(wǎng)絡信息資源檢索初探.現(xiàn)代情.2003 .
