搜索引擎进行信息检索的优化策略方法( 愚人节信息检索原理、使用方法的计算方法84消毒液的配比方法)

　　搜索引擎进行信息检索的优化策略方法(

愚人节信息检索原理、使用方法的计算方法84消毒液的配比方法)

　　搜索引擎简介 互联网信息检索原理及使用方法 双积分计算方法 84 消毒引擎配比法与互联网 互联网发展 互联网与搜索引擎 搜索引擎发展 1980年代，欧美发展迅速；1991年，建立了基于Http、Html超文本和超链接技术的网络。1993年，中国科技网正式接入互联网。2012年，全球网民数量超过25亿。Asian Internet Development (1997-201 2）China Internet Development China Internet Development Internet and Search Engines 浩瀚网络中的罗盘地图来自[]第一代搜索引擎开发：手动目录搜索 1994 年 4 月 雅虎目录生日 1996 第二代搜狐搜索：基于关键词（词）词搜索【成熟技术】 1994 年 7 月，Lycos 于 1995 年推出中文搜索引擎，第一个元搜索引擎1995 年的 Metacrawler。1998 年 10 月；谷歌诞生于2000年，百度于2004年创立搜狗。第三代搜索引擎的主要特点是基于自然语言搜索。

　　搜索技术论坛维基百科新浪CNKI IEEEEI搜索引擎市场占有率排名百度中国市场占有率82%；第二大搜索引擎【2010年谷歌退出大陆，2009年百度61%】 Yandex*敏*感*词*市场份额60% 搜索引擎原理 第一代搜索技术目录检索技术；通过人工建立检索目录对网站进行分类。缺点很明显，数据更新滞后，检索繁琐。第二代搜索技术是基于关键词和全文检索技术的不足。信息量太大。搜索一条信息时，可能返回几百万条数据；需要信息分类。第三代搜索技术，语义网络，本体技术更智能、更简单、更专业、更精准。第一代检索技术目录检索原理类似于图书馆标签目录检索。通过手动创建检索目录，网站 被分类。, 用于检索。缺点很明显，数据更新滞后，检索繁琐。人工建库，数据更新滞后，检索繁琐。雅虎目录搜索第二代搜索技术基于关键词技术，扫描搜索关键词，读取页面全文，提取信息进行检索；缺点是返回信息过多，信息过载。检索一条信息可能会返回数百万条数据，但通过各种技术，数据被过滤并提供有用的信息。第三代搜索技术语义网络、本体技术；智力; 更简单，更专业。搜索引擎基本原理信息采集、信息排序、查询搜索信息，如何从百亿网页中快速找到匹配的网页？建一个索引库，从索引库中检查

　　索引数据搜索引擎的基本原理信息采集网页使用HTMLHTTP技术【互联互通】【形成WWW网络】从有限数量的网页开始，递归链接到互联网上的所有其他网页。（90%的网页都有链接） 实现：网络蜘蛛 webspider 深度优先 广度优先 WWW万维网 HTML和HTTP搜索引擎基本原理 信息排序-分词技术与全文检索原理：文章由词组组成, 文章@ > 在对单词进行标记和索引之后。这是搜索引擎的基本技术。类似于书籍索引专业书籍索引（摘自Economics-Samuelson）倒排索引（按单词反向搜索文献）假设有3篇文章文章，file1，file2，file3，分词技术英文分词去除高频无用词（aantheandorthis...）还原词原型复数转换，buss-bus；caps-cap 将各种时态转换成原词，如given-give；books-book, take-take) 中文分词 中文 分词技术英文分词去除高频无用词（aantheandorthis...）还原词原型复数转换，buss-bus；caps-cap 将各种时态转换成原词，如given-give；books-book, take-take) 中文分词 中文

　　分词 中文单词没有分词符号，不能直接分词。例子：中华人民共和国，虽然是一个字，但是电脑很难分辨。示例：中华人民共和国（China-United States of the People's Republic of China）示例：（China, People's Republic of China, People's Republic of China, PRC）网页排序技术简化检索过程由< @关键词根据页面因素+关键词密度等检索网页。通过排序算法调整网页排名网站网页排名输出由关键词查询网页计算。结果 网站 排名技术——PageRank算法 PageRank算法【谷歌创始人LARRYPAGE设计】基于【很多优质网页链接的页面，被引用多的一定是优质网页】，来判断所有网页的重要性。简单来说，一个高层页面可以提升其他低层页面的层级。PageRank 算法（*敏*感*词*）创建一个邻接矩阵 AA[i][j]=1 表示从 i 到 j [0,1,1,1,1,0,1;1,0,0, 0,0,0 ,0;1,1,0,0,0,0,0;0,1,1,0,1,0,0;1,0,1,1,0,1,0; 1,0,0 ,0,1,0,0;0,0,0,0,1,0,0;] 转移矩阵 BX1=X2+½*X3+¼*X5+½*X6 （图解）迭代计算第一次迭代：PageRank算法X1=0. 简单来说，一个高层页面可以提升其他低层页面的层级。PageRank 算法（*敏*感*词*）创建一个邻接矩阵 AA[i][j]=1 表示从 i 到 j [0,1,1,1,1,0,1;1,0,0, 0,0,0 ,0;1,1,0,0,0,0,0;0,1,1,0,1,0,0;1,0,1,1,0,1,0; 1,0,0 ,0,1,0,0;0,0,0,0,1,0,0;] 转移矩阵 BX1=X2+½*X3+¼*X5+½*X6 （图解）迭代计算第一次迭代：PageRank算法X1=0. 简单来说，一个高层页面可以提升其他低层页面的层级。PageRank 算法（*敏*感*词*）创建一个邻接矩阵 AA[i][j]=1 表示从 i 到 j [0,1,1,1,1,0,1;1,0,0, 0,0,0 ,0;1,1,0,0,0,0,0;0,1,1,0,1,0,0;1,0,1,1,0,1,0; 1,0,0 ,0,1,0,0;0,0,0,0,1,0,0;] 转移矩阵 BX1=X2+½*X3+¼*X5+½*X6 （图解）迭代计算第一次迭代：PageRank算法X1=0.

　　303514, X2=0.38286, X3=0.32396, X4=0.24297, X5=0.41231, X6=0.10308, X7=< @0.13989 迭代结果：存储技术（分布式存储）存储大量信息，实现快速查询分布式文件系统GFS-GoogleFileSystemGFS专门针对谷歌的核心数据，即页面搜索的存储进行了优化。数据使用大文件持久存储，最大可达数 GB，很少被删除、覆盖或减少；通常只执行添加或读取操作。NOSQL检索不同于关系型数据库（关系型数据库的典型实现主要针对执行规模小、读写频繁进行调整），优势在于可扩展性和性能；巨大的文档索引，高流量 网站 网络服务。BigtableHbaseGOOGLE数据中心GOOGLE数据中心GOOGLE数据中心搭建自己的搜索引擎【开源】网络蜘蛛Heritrixlarbin检索引擎LuceneNutch中文分词IKAnalyzerictclas4j检索信息的方法和技巧（GOOGLE，适合别人）分析检索内容，找出关键词人工分词检索（不能完全依赖计算机分词）同义词检索加~（限中文，但英文）加减+-加关键词减关键词双引号强制检索limit网站Find files filetype:pdf 利用缓存

　　百科全书搜索、维基百科搜索、交互式百科全书；各大信息中心CNKI、专利局、IEEE、百度知道、新浪艾问推荐Wiki搜索引擎的发展是垂直的、个性化的、人性化的。搜索引擎未来的发展轨迹将趋向个性化、社交化、垂直化、知识化。搜索引擎的核心技术将从传统的索引结构转向数据挖掘、机器学习、人工智能、模式识别和语义分析等领域。技术趋势索引技术 - 数据挖掘、人工智能、语义分析 谢谢！新浪艾问推荐维基搜索引擎的发展是垂直的、个性化的、人性化的。搜索引擎未来的发展轨迹将趋向个性化、社交化、垂直化、知识化。搜索引擎的核心技术将从传统的索引结构转向数据挖掘、机器学习、人工智能、模式识别和语义分析等领域。技术趋势索引技术 - 数据挖掘、人工智能、语义分析 谢谢！新浪艾问推荐维基搜索引擎的发展是垂直的、个性化的、人性化的。搜索引擎未来的发展轨迹将趋向个性化、社交化、垂直化、知识化。搜索引擎的核心技术将从传统的索引结构转向数据挖掘、机器学习、人工智能、模式识别和语义分析等领域。技术趋势索引技术 - 数据挖掘、人工智能、语义分析 谢谢！模式识别和语义分析。技术趋势索引技术 - 数据挖掘、人工智能、语义分析 谢谢！模式识别和语义分析。技术趋势索引技术 - 数据挖掘、人工智能、语义分析 谢谢！