基于Google搜索引擎的原理及使用

2010-04-12 00:00:00李彥

現代電子技術 2010年2期

摘要:在網絡時代，信息檢索主要通過Internet搜索引擎進行。Internet提供了多種不同的檢索工具，對用戶最重要的就是熟悉這些工具的性能，掌握檢索技巧，提高檢索的命中率。在此從搜索引擎的工作原理開始，介紹了Google搜索引擎的使用方法，包括關鍵詞的選擇和幾個檢索的技巧，如邏輯檢索、通配符檢索等，能更快、更準確地獲得所需要的信息。

關鍵詞:網絡;Google;搜索引擎;信息檢索

中圖分類號:TP392文獻標識碼:B

文章編號:1004-373X(2010)02-093-03

Theory and Application of Google Search Engine

LI Yan

(Xi′an Fanyi University，Xi′an，710105，China)

Abstract:In the Internet age，information retrieval，mainly searching for the information through Internet search engine.Internet provides a wide variety of search tools for users，the most important thing is familiar with the performance of these tools to master search skills，to increase the percentage of hits retrieved.The working principle of the search engine and the way of using Google search engine，including the choice of words and several search techniques，such as the logic of search，wildcard search and so on are introduced，the required information can be gained quickly and accuratly.

Keywords:network;Google;search engine;information retrieval

0 引言

隨著信息技術的迅速發展，Internet已深入到人們生活的各個方面，改變著人們的生活方式和思維方式，方便了全球信息資源共享。網上信息正以爆炸性的速度增長，其資源內容幾乎涉及所有領域，已經成為知識、信息的集合體。全球目前的網頁超過100億個，每天還在新增加數百萬個的網頁，電子信息爆炸似的豐富起來。

在Internet網上進行瀏覽和檢索，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律地排放著，沒有一個中心目錄將這些信息組織起來。要在如此浩瀚的海洋里尋找信息，就像“大海撈針”一樣。正是因為Internet資源既豐富又分散且處于無序狀態，使得人們在網上查找自己所需的信息并非易事。這時為滿足人們對信息檢索的需求，搜索引擎便應運而生。目前2.1億網民中使用搜索引擎的比例是72.4%，即已有1.52億人從搜索引擎獲益，半年凈增加3 086萬人[1]。

1 搜索引擎的工作原理

搜索引擎(Search Engines)就是指在WWW(World Wide Web)環境中能夠響應用戶提交的搜索請求，返回相應的查詢結果信息的技術和系統，是互聯網上可以查詢網站或網頁信息的工具[2]。它包括信息搜集、信息整理和用戶查詢三部分。

常見的搜索引擎有Google、百度、Yahoo、搜狐等。搜索引擎的工作原理可以簡單概括為:從互聯網上抓取網頁→建立索引數據庫→在索引數據庫中搜索排序[3]。

1.1 從互聯網上抓取網頁

利用能夠從互聯網上自動收集網頁的Spider系統程序，自動訪問互聯網，并沿著任何網頁中的所有URL(統一資源定位符)爬到其他網頁，重復這個過程，并收集爬過的所有網頁。

1.2 建立索引數據庫

由分析索引系統程序對收集回來的網頁進行分析，提取相關網頁信息(包括網頁所在URL、編碼類型、頁面內容包含的關鍵詞、關鍵詞位置、生成時間、大小、與其他網頁的鏈接關系等)，根據一定的相關度算法進行大量復雜計算，得到每一個網頁針對頁面內容中及超鏈接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頁索引數據庫。

1.3 在索引數據庫中搜索排序

當用戶輸入關鍵詞搜索后，由搜索系統程序從網頁索引數據庫中找到符合該關鍵詞的所有相關網頁。因為所有相關網頁針對該關鍵詞的相關度早已算好，所以只需按照現成的相關度數值排序，相關度越高，排名越靠前。最后由頁面生成系統組織搜索結果的鏈接地址和頁面內容摘要等內容返回給用戶。

2 Google搜索引擎

1990年以前，沒有人能實現搜索互聯網的功能。1994年4月超級目錄索引Yahoo成功地使搜索引擎的概念深入人心，從此搜索引擎進入高速發展時期。1998年9月，斯坦福大學的兩位博士生 Larry Page 和 Sergey Brin開發出了現在世界上最大的搜索引擎——Google，1999年Google Inc.創立。通過對 20 多億網頁進行整理，Google 可為世界各地的用戶提供適需的搜索結果，而且搜索時間通常不到0.5 s。現在，Google 每天需要為世界各國用戶提供1.5億次查詢服務[4]。

Google的成功得益于其強大的功能和獨到的特點，目前，各大引擎競相模仿Google的功能和特色，如網頁快照，偏好設置等。Google成為眾多搜索引擎的“領頭羊”[5]。Google非中國本土公司，但它支持中文搜索，其中文搜索引擎是收集亞洲網站最多的搜索引擎之一，國內使用其獨立搜索引擎的人數正迅猛增長。

2.1 關鍵詞的選擇

Google檢索所使用的關鍵詞可以是字、單詞，也可以是短語、詞組或句子。使用Google進行檢索非常簡單，只要在搜索框內輸入一個關鍵字，然后點擊下面的“Google搜索”按鈕(或者直接回車)，結果就出來了。單個關鍵字搜索得到的信息量巨大，會帶出海量的不相關信息，通常檢索多是使用詞語作為關鍵詞。

復雜課題檢索，主題分析后就要進行正確選詞。使用Google不同關鍵詞的選擇，將決定檢索結果排列不同，而且選詞不準，無法發揮Google強大的檢索功能，影響檢索效率[6]。

如果要檢索學術性信息，尤其是科技信息，建議在選擇關鍵詞時注意以下幾點:

2.1.1 選擇專指性強的詞

關鍵詞專指性強弱是影響查準率的重要因素之一，選用專指性強的關鍵詞，則檢出的網站針對性較強，查準率較高。選擇反映重要研究成果的詞，例如，查找“網絡檢索工具的歷史”有關的信息，選詞時選用“搜索引擎”一詞，比選用“檢索工具”一詞，查準率會更高。

2.1.2 多角度選詞

關鍵詞的確定必須經過對檢索主題正確分析。復雜主題的關鍵詞，要將反映該主題的各個主要方面的詞匯都提煉出來，以提高文獻的查全率[7]。例如，查找“搜索引擎發展的歷史”，因為搜索引擎的歷史，是與互聯網早期的文件檢索工具“Archie”相關的。此外，搜索引擎有個核心程序，叫“蜘蛛”，而最早成型的搜索引擎是“Lycos”，“Yahoo”是優秀搜索引擎的代表。因此，除了選擇“搜索引擎”、“歷史”外，還要選擇“Archie”、“蜘蛛”、“Lycos”、“Yahoo”等詞。這些詞都是起關鍵作用的檢索詞。

2.1.3 選擇限制主題的詞

在關鍵詞確定之后，運用檢索技術并不能保證檢索出來的信息都滿意，有時查詢的結果太多太泛。由于Google只搜索包含關鍵詞的網頁，除了增加表達主題的關鍵詞，還可增加限制性的詞語作為關鍵詞，以排除多余的信息。例如:輸入“紅旗_汽車”，將會找到關于紅旗但不含“汽車”的網頁[8]。

2.2 檢索技巧

為了完整準確地表達檢索需求，提高檢索的精確度，正確選擇關鍵詞后，還需要了解和運用Google各種檢索語法與技巧。

2.2.1 邏輯檢索

Google用空格表示邏輯“與”操作，用減號“-”表示邏輯“非”操作。“A_B”表示搜索包含A但不包含B的網頁(如上述“紅旗_汽車”例)。Google用大寫的“OR”表示邏輯“或”操作。搜索“A OR B”，意思就是說，搜索的網頁中，要么有A，要么有B，要么同時有A和B。

2.2.2 通配符檢索

很多搜索引擎支持通配符，如“*”代表一連串字符，“?”代表單個字符等。為提供最準確的資料，Google不使用“詞干法”，也不支持“通配符”(*)搜索[9]。也就是說，Google只搜索與輸入的關鍵詞完全一樣的字詞。例如:搜索“googl”或“googl*”，不會得到類似“googler”或“googlin”的結果。

2.2.3 短語或者句子檢索

Google的關鍵詞可以是單詞，也可以是短語。用短語作關鍵字，必須加用英文雙引號，否則空格會被當作“與”操作符。雙引號中的詞語(比如“自然與文化遺產”)在查詢到的文檔中將作為一個整體出現。這一方法在查找名言警句或專有名詞時顯得格外有用。

2.2.4 搜索引擎忽略的字符以及強制搜索

Google對無實義的詞或一些網路上出現頻率極高的英文單詞，如“i”、“com”、“www”、“的”等，以及一些符號如“*”，“.”等，做忽略處理。如果要對忽略的關鍵字進行強制搜索，則需要在該關鍵字前加上明文的“+”號。另一個強制搜索的方法是把上述的關鍵字用英文雙引號引起來。例如，檢索“internet上www的歷史”，檢索式為:+www+的歷史internet。又如，“www的歷史”中，“的”其實是忽略詞，但因為被用英文雙引號引起來，搜索引擎就強制搜索這一特定短語。注意:大部分常用英文符號(如問號、句號、逗號等)無法成為搜索關鍵字，強制也不行。

2.2.5 使用元詞檢索

大多數搜索引擎都支持“元詞”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容具有哪些明確的特征[10]。例如，你在搜索引擎中輸入“title:清華大學”，就可以查到網頁標題中帶有清華大學的網頁。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站的頁面;URL，用于檢索地址中帶有某個關鍵詞的網頁。

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、抽取適當的關鍵詞。為避免可能出現搜索結果的冗余性，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所需的網絡信息資源。

3 結語

Internet提供了多種不同的檢索工具，它們各自有各自的數據庫、語言、檢索功能和顯示方式，對于用戶最重要的就是熟悉這些工具的性能，掌握檢索技巧，提高檢索的命中率[11]。總之，只要掌握一定的方法與技巧并經常實踐，利用搜索引擎一定能從網上獲取許多有價值的信息。

綜上所述，搜索引擎在不斷擴大履蓋面的同時，正在向個性化、智能化、專業化、多媒體、多語言搜索和實用性的模糊檢索方面發展，并取得了較大的進展，但還需要進一步改進和完善。不斷采用新技術和策略，讓搜索更方便、更快速、更準確是搜索引擎的努力方向。

參考文獻

[1]梁斌.走進搜索引擎[M].北京:電子工業出版社，2007.

[2]吳澤欣.搜索引擎優化入門與進階[M].北京:人民郵電出版社，2008.

[3]盧亮.搜索引擎原理、實踐與應用[M].北京:電子工業出版社，2007.

[4]Simons Lo.全球最強搜索引擎谷歌Google [M].上海:上海財經大學出版社，2007.

[5]顧全.中文搜索引擎對比研究[D].蘇州:蘇州大學，2006.

[6]陳鋼.搜索引擎優化寶典[M].北京:清華大學出版社，2009.

[7]林中.Google搜索引擎的關鍵詞檢索[J].中國信息導報，2003(3):110-112.