2024年6月12日发(作者：)

当今搜索引擎技术及发展趋势

随着互联网的迅猛发展、WEB信息的增加，用户要在信息海洋里查找信息，就象大海

捞针一样，搜索引擎技术恰好解决了这一难题（它可以为用户提供信息检索服务）。目前，

搜索引擎技术正成为计算机工业界和学术界争相研究、开发的对象。

搜索引擎（Search Engine）是随着WEB信息的迅速增加，从1995年开始逐渐发展

起来的技术。据发表在《科学》杂志1999年7月的文章《WEB信息的可访问性》估计，

全球目前的网页超过8亿，有效数据超过9T，并且仍以每4个月翻一番的速度增长。用户

要在如此浩瀚的信息海洋里寻找信息，必然会“大海捞针”无功而返。搜索引擎正是为了

解决这个“迷航”问题而出现的技术。

搜索引擎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目的。搜索引擎提供的导航服务已经

成为互联网上非常重要的网络服务，搜索引擎站点也被美誉为“网络门户”。搜索引擎技

术因而成为计算机工业界和学术界争相研究、开发的对象。

一、分类

按照信息搜集方法和服务提供方式的不同，搜索引擎系统可以分为三大类：

1．目录式搜索引擎：以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人

工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏

览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，

缺点是需要人工介入、维护量大、信息量少、信息更新不及时。这类搜索引擎的代表是：

Yahoo、LookSmart、Open Directory、Go Guide等。

2．机器人搜索引擎：由一个称为蜘蛛（Spider）的机器人程序以某种策略自动地在互

联网中搜集和发现信息，由索引器为搜集到的信息建立索引，由检索器根据用户的查询输

入检索索引库，并将查询结果返回给用户。服务方式是面向网页的全文检索服务。该类搜

索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关

信息，用户必须从结果中进行筛选。这类搜索引擎的代表是：AltaVista、Northern Light、

Excite、Infoseek、Inktomi、FAST、Lycos、Google；国内代表为：“天网”、悠游、

OpenFind等。

3．元搜索引擎：这类搜索引擎没有自己的数据，而是将用户的查询请求同时向多个搜

索引擎递交，将返回的结果进行重复排除、重新排序等处理后，作为自己的结果返回给用

户。服务方式为面向网页的全文检索。这类搜索引擎的优点是返回结果的信息量更大、更

全，缺点是不能够充分使用所使用搜索引擎的功能，用户需要做更多的筛选。

二、性能指标

我们可以将WEB信息的搜索看作一个信息检索问题，即在由WEB网页组成的文档库

中检索出与用户查询相关的文档。所以我们可以用衡量传统信息检索系统的性能参数-召回

率（Recall）和精度（Pricision）衡量一个搜索引擎的性能。

召回率是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系

统（搜索引擎）的查全率；精度是检索出的相关文档数与检索出的文档总数的比率，衡量

的是检索系统（搜索引擎）的查准率。对于一个检索系统来讲，召回率和精度不可能两全

其美：召回率高时，精度低，精度高时，召回率低。所以常常用11种召回率下11种精度