文章內(nèi)容

搜索引擎原理(八)

發(fā)布時(shí)間: 2012/9/3 11:02:19

息能在一定程度上指示詞語(yǔ)在一篇文檔中的相對(duì)重要性或者和某些內(nèi)容的相關(guān) 性，這是有意義的。有了HTML 標(biāo)記后，情況還可能進(jìn)一步改善，例如在同一篇文檔中，之間的信息很可能就比在之間的信息更重要。特別地，HTML 文檔中所含的指向其他文檔的鏈接信息是人們近幾年來(lái)特別關(guān)注的對(duì)象，認(rèn)為它們不僅給出了網(wǎng)頁(yè)之間的關(guān)系，而且還對(duì)判斷網(wǎng)頁(yè)的內(nèi)容有很重要的作用。例如“北大學(xué)報(bào)”這幾個(gè)字在北京大學(xué)學(xué)報(bào)社會(huì)科學(xué)版的主頁(yè)上是沒(méi) 有的，因此一個(gè)僅靠?jī)?nèi)容文字分析的搜索引擎就不可能返回該主頁(yè)作為結(jié)果。但是北京大學(xué)主頁(yè)上是用“北大學(xué)報(bào)（社）”作為鏈接信息指向了北京大學(xué)學(xué)報(bào)社會(huì) 科學(xué)版的主頁(yè)。因此在很好利用鏈接信息的搜索引擎中應(yīng)該能返回北京大學(xué)學(xué)報(bào) 社會(huì)科學(xué)版的主頁(yè)。 4. 網(wǎng)頁(yè)重要程度的計(jì)算搜索引擎返回給用戶的，是一個(gè)和用戶查詢相關(guān)的結(jié)果列表。列表中條目的順序是很重要的一個(gè)問(wèn)題。由于面對(duì)各種各樣的用戶，加之查詢的自然語(yǔ)言風(fēng)格，對(duì)同樣的q 返回相同的列表肯定是不能使所有提交q 的用戶都滿意的（或者都達(dá) 0 0 到最高的滿意度）。因此搜索引擎實(shí)際上追求的是一種統(tǒng)計(jì)意義上的滿意。人們認(rèn) 為Google 目前比天網(wǎng)好，是因?yàn)樵诙鄶?shù)情況下前者返回的內(nèi)容要更符合用戶的需要，而不是所有情況下都如此。如何對(duì)查詢結(jié)果進(jìn)行排序有很多因素需要考慮，后面將有深入的討論。這里只是概要解釋在預(yù)處理階段可能形成的所謂“重要性” 因素。顧名思義，既然是在預(yù)處理階段形成的，就是和用戶查詢無(wú)關(guān)的。如何講一篇網(wǎng)頁(yè)比另外一篇網(wǎng)頁(yè)重要？人們參照科技文獻(xiàn)重要性的評(píng)估方式，核心想法就是“被引用多的就是重要的”。“引用”這個(gè)概念恰好可以通過(guò)HTML超鏈在網(wǎng) 頁(yè)之間體現(xiàn)得非常好，作為Google創(chuàng)立核心技術(shù)的PageRank就是這種思路的成功體現(xiàn)[Page, et al.,1998]。除此以外，人們還注意到網(wǎng)頁(yè)和文獻(xiàn)的不同特點(diǎn)，即一些網(wǎng)頁(yè)主要是大量對(duì)外的鏈接，其本身基本沒(méi)有一個(gè)明確的主題內(nèi)容，而另外有些網(wǎng)頁(yè)則被大量的其他網(wǎng)頁(yè)鏈接。從某種意義上講，這形成了一種對(duì)偶的關(guān)系，這種關(guān)系使得人們可以在網(wǎng)頁(yè)上建立另外一種重要性指標(biāo)[Kleinberg,1998]。這些指標(biāo)有的可以在預(yù)處理階段計(jì)算，有的則要在查詢階段計(jì)算，但都是作為在查詢服務(wù)階段最終形成結(jié)果排序的部分參數(shù)。第四節(jié) 查詢服務(wù) 如上述，從一個(gè)原始網(wǎng)頁(yè)集合S 開(kāi)始，預(yù)處理過(guò)程得到的是對(duì)S 的一個(gè)子集的元素的某種內(nèi)部表示，這種表示構(gòu)成了查詢服務(wù)的直接基礎(chǔ)。對(duì)每個(gè)元素來(lái)說(shuō)，這種表示至少包含如下幾個(gè)方面：
本文出自：億恩科技【www.allwellnessguide.com】

服務(wù)器租用/服務(wù)器托管中國(guó)五強(qiáng)！虛擬主機(jī)域名注冊(cè)頂級(jí)提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]