正文

以下哪些是與搜索引擎相關(guān)的術(shù)語（下面哪個跟搜索引擎相關(guān)）

發(fā)布時間：2023-04-07 10:35:14 稿源：創(chuàng)意嶺閱讀： 148

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于以下哪些是與搜索引擎相關(guān)的術(shù)語的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、數(shù)字化智能營銷是什么意思，誰能介紹下
2、這些運營專業(yè)術(shù)語，你知道多少？（一）
3、常用的搜索引擎有哪些？
4、搜索引擎包含與不包含哪些內(nèi)容

以下哪些是與搜索引擎相關(guān)的術(shù)語（下面哪個跟搜索引擎相關(guān)）

一、數(shù)字化智能營銷是什么意思，誰能介紹下

什么是數(shù)字化營銷？

在深入研究數(shù)字化營銷技巧之前，讓我首先為那些不熟悉這個術(shù)語的人解釋什么是數(shù)字營銷。

數(shù)字化營銷是一個廣義的術(shù)語，包括您可以用來在互聯(lián)網(wǎng)上以及在電視、手機(jī)和電子廣告牌等數(shù)字設(shè)備上推廣產(chǎn)品或服務(wù)的所有營銷渠道和方法。

數(shù)字化營銷技巧

SEO（搜索引擎優(yōu)化）
百度搜索廣告
騰訊付費廣告
重定向廣告計劃
社交媒體營銷
視頻營銷

1. SEO（搜索引擎優(yōu)化）

搜索引擎優(yōu)化是優(yōu)化您的網(wǎng)站，以吸引來自搜索引擎的訪問者的數(shù)字營銷技術(shù)。它是任何數(shù)字營銷策略的重要組成部分。

它之所以如此重要是因為它是所有數(shù)字營銷渠道中最大的網(wǎng)絡(luò)流量來源。

百度是國內(nèi)最大的搜索引擎，也是世界上訪問量最大的中文網(wǎng)站。搜索引擎可以讓人們很容易地找到幾乎任何他們能想到的信息。正因為如此，該網(wǎng)站每天獲得數(shù)十億次搜索。

因此，無論你是銷售實體產(chǎn)品、提供服務(wù)還是制作內(nèi)容，這個平臺都能幫助你接觸到目標(biāo)受眾。

搜索引擎的工作原理

所以發(fā)動機(jī)如何工作以及如何讓頁面顯示在目標(biāo)受眾面前？

有三個主要組件如何搜索引擎的功能;對結(jié)果進(jìn)行爬網(wǎng)、索引和排名。

搜索引擎執(zhí)行三個基本操作：它們對網(wǎng)站進(jìn)行爬網(wǎng)、索引和排名。

您可能聽說過人們談?wù)撆c搜索引擎相關(guān)的蜘蛛、蜘蛛機(jī)器人或爬蟲。這些奇怪的術(shù)語只是搜索引擎用來發(fā)現(xiàn)新網(wǎng)站和網(wǎng)頁的特殊軟件的名稱。

爬蟲，顧名思義，通過使用超鏈接從一個網(wǎng)頁跳轉(zhuǎn)到另一個網(wǎng)頁來抓取網(wǎng)絡(luò)。一旦他們找到一個新頁面，這些勤奮的小機(jī)器人就會在數(shù)據(jù)庫中索引它。

當(dāng)您在搜索某些內(nèi)容時，搜索引擎會查詢其索引頁面數(shù)據(jù)庫，并根據(jù)您的查詢?yōu)槟峁┳钕嚓P(guān)的內(nèi)容。這就是排名的全部意義——按照與查詢相關(guān)的順序顯示頁面。

影響排名的因素

搜索引擎希望為用戶的問題提供最有用的答案。

他們確定哪些頁面是最適合的算法，有無數(shù)的排名因素。

雖然不是所有的算法細(xì)節(jié)都是已知的，但有許多排名因素是SEO的重要組成部分。下面是一些最有影響力的SEO排名因素。

1.“出身”——生產(chǎn)者的權(quán)威可信度：

生產(chǎn)者有專業(yè)的認(rèn)證，發(fā)布的內(nèi)容領(lǐng)域?qū)Ｗ?，被公眾認(rèn)可并有一定的影響力。

2.“顏值”——瀏覽體驗的輕松愉悅度：

頁面加載迅速，內(nèi)容排版精美，圖像畫質(zhì)高清。

3.“內(nèi)涵”——內(nèi)容的豐富度和專業(yè)度：

文章主題前后一致，邏輯清晰，可以給用戶提供豐富全面的信息，在領(lǐng)域內(nèi)有一定的專業(yè)性。

4. “口碑”——用戶的喜愛度：

內(nèi)容被大量的用戶喜愛，用戶有強(qiáng)烈的分享和互動意愿。

如果您想了解更多信息，請多花 5 分鐘閱讀：

【科普】簡述搜索引擎概念及工作原理 – 了解什么是搜索引擎以及它的工作原理？

【干貨必備】百度搜索優(yōu)質(zhì)內(nèi)容指南 – 什么樣的內(nèi)容才算優(yōu)質(zhì)？什么樣的內(nèi)容才能更好的滿足用戶的需求？

2. 百度搜索廣告

搜索引擎營銷(SEM) 是您可以使用的第一個在線營銷策略，它有兩個主要組成部分。SEO（搜索引擎優(yōu)化）和 PSA（付費搜索廣告）。

簡而言之，搜索引擎優(yōu)化將幫助您免費從搜索引擎獲得更多自然訪問，而付費搜索廣告可以讓您從搜索流量中獲得訪問，但您必須為此付費。

您對 SEM 的目標(biāo)是什么？您使用 SEM 的目標(biāo)很明確：通過自然搜索或通過有針對性的 PPC 活動從搜索引擎獲得更多訪問。

如何：要獲得更多來自搜索引擎的訪問，您需要確保您的網(wǎng)站針對搜索進(jìn)行了優(yōu)化。

您的頁面標(biāo)題、描述、網(wǎng)頁速度、設(shè)計和結(jié)構(gòu)、內(nèi)容新鮮度、圖像的ALT 文本等內(nèi)容都很重要。

工具：您可以遵循許多 SEO 和 PPC 指南，雖然每條規(guī)則本身都很重要，但如果您將多個規(guī)則一起應(yīng)用，將會產(chǎn)生更好的結(jié)果。

提示：您可以通過百度搜索資源平臺監(jiān)控您的頁面以提高其排名。

3. 騰訊付費廣告

騰訊廣告也是一種銷售渠道，但這并不是他們最擅長的領(lǐng)域。它們更適合品牌知名度、傳播形象、贏得社交關(guān)注度、建立網(wǎng)絡(luò)和與您的受眾建立聯(lián)系。

當(dāng)您登錄微信時，您最關(guān)心的不是尋找要購買的東西或搜索信息，而是查看您的朋友在做什么、閱讀新聞并與他們互動。

騰訊廣告會在你的時間線中顯示廣告，這并不意味著它是你想要的，即使有時你可能會覺得它很有趣。

如果您是初創(chuàng)公司、小企業(yè)主、出版商、活動組織者、非營利組織，并希望快速傳播信息或建立受眾群體，那么騰訊廣告就是您需要的。

騰訊廣告的主要優(yōu)勢：

您可以在廣告中使用文字、圖片和視頻等
您可以根據(jù)人們的興趣和人群畫像特征來定位他們
您可以重新定位并與從騰訊旗下平臺或相似受眾訪問您的網(wǎng)站的人建立聯(lián)系。
這是一個很好的營銷工具，尤其是在提高意識層方面。
有多種方法可以定義您希望如何為廣告計劃定價。
您可以通過為您的廣告嘗試不同的活動和創(chuàng)意來進(jìn)行 A/B 測試

4. 重定向廣告計劃

重定向廣告是一種營銷策略，用于尋找與您的業(yè)務(wù)互動的人并向他們展示數(shù)字廣告以將他們帶回您的網(wǎng)站。

這些廣告會根據(jù)您網(wǎng)站上的過去行為（例如他們查看的頁面）向不同部分的受眾展示。

要跟蹤您網(wǎng)站上的用戶行為，重定向依賴于跟蹤像素。這些小段代碼被添加到您網(wǎng)站的后端。它們使其能夠在訪問者的瀏覽器上放置 cookie。

每個訪問者都會獲得一個匿名 ID(訪客標(biāo)識碼)，廣告網(wǎng)絡(luò)使用該 ID 來跟蹤他們的行為。借助 Cookie，廣告服務(wù)器能夠訪問訪問者的 ID 并將其自動添加到您的再營銷列表中。

重定向過去僅限于現(xiàn)場行為。但是現(xiàn)在，您可以在社交媒體上使用重定向廣告計劃將廣告展示在與您的業(yè)務(wù)有過互動的人的面前。

如果有人查看頁面或喜歡您的文章，您可以快速將他們添加到重定向廣告系列中，看看您是否可以鼓勵他們進(jìn)一步參與。

重定向廣告通常使用每次點擊費用 (CPC) 支付模式。不過，有些人也使用每次展示成本 (CPM) 和每次獲取成本的出價策略。

5.社交媒體營銷

社交媒體營銷自然是您企業(yè)的下一個營銷策略。您已經(jīng)擁有了優(yōu)質(zhì)的內(nèi)容（來自以前的策略），所以現(xiàn)在是時候傳播信息了，最好的方法是通過社交媒體營銷策略。

您對社交媒體營銷的目標(biāo)是什么？您的社交媒體活動應(yīng)該有兩個目的。

第一個是獲得盡可能多的目標(biāo)關(guān)注者，以便您的內(nèi)容和品牌獲得盡可能多的關(guān)注，第二個是獲得社交網(wǎng)絡(luò)的訪問，最終轉(zhuǎn)化為客戶。

如何：您需要通過定期分享有用的相關(guān)內(nèi)容并與對您的網(wǎng)站、產(chǎn)品或品牌感興趣的人互動，在所有主要社交網(wǎng)絡(luò)（微信公眾號、微博、知乎等）中建立良好的形象。

社交媒體流量確實可以進(jìn)行轉(zhuǎn)化（盡管在幾年前，很多人認(rèn)為來自社交媒體的訪問者很難成為客戶）

6.視頻營銷

視頻營銷是使用視頻內(nèi)容來推廣產(chǎn)品或服務(wù)、提高對品牌的認(rèn)識、產(chǎn)生參與度并最終增加銷售額?，F(xiàn)在，您將創(chuàng)建什么類型的視頻內(nèi)容完全取決于您的具體目標(biāo)、您的品牌價值以及您想要向其展示這些視頻的一般觀眾。因此，在開始制作視頻之前確定這三個因素非常重要。

至于最適合上傳和與分享視頻的平臺，您可以上傳視頻的地方有很多很多（您可以根據(jù)實際情況決定）。

Questmobile 統(tǒng)計，抖音、快手、B 站等中短視頻平臺崛起過程中用戶增量超 25%，高于傳統(tǒng)視頻行業(yè)的 17%；另據(jù)《2021中國網(wǎng)絡(luò)視聽發(fā)展研究報告》顯示，截至 2020 年 12 月，中國網(wǎng)絡(luò)視聽用戶規(guī)模 9.44 億，其中短視頻覆蓋用戶 8.73 億，超出綜合視頻（涵蓋長視頻）用戶規(guī)模1.69億。

《2021中國網(wǎng)絡(luò)視聽發(fā)展研究報告》顯示，綜合視頻平臺中愛奇藝、騰訊視頻、優(yōu)酷、芒果TV、嗶哩嗶哩五大平臺占據(jù) 88.3%的市場份額。

視頻營銷類型

您可以使用多種不同類型的視頻來實現(xiàn)您的特定營銷目標(biāo)。我們將列出其中的一部分：

產(chǎn)品/服務(wù)視頻——如果您有要銷售的產(chǎn)品并希望與潛在客戶分享它的實際工作原理，這些類型的視頻非常棒。這也是一個很好的機(jī)會，可以進(jìn)行詳細(xì)的產(chǎn)品評論并討論每種產(chǎn)品的多個特性。講解好處可以幫助用戶確定相關(guān)產(chǎn)品是否真的對他們有用，這意味著這些類型的視頻具有巨大的銷售增長潛力。
教育（教程、操作方法）視頻——操作方法視頻的起點通常與產(chǎn)品視頻非常相似，但它們比這更進(jìn)一步。也就是說，這些類型的視頻通過讓觀眾學(xué)習(xí)實用的、通常是針對特定領(lǐng)域的技能，更重要的是，幫助他們解決問題，從而為觀眾提供了價值。它們可用于教觀眾如何詳細(xì)使用特定產(chǎn)品（或服務(wù)），甚至可以專注于某一個目標(biāo)市場。例如，您的教育視頻可以解釋如何使用技巧學(xué)習(xí)英語，或者它可以是關(guān)于更廣泛類型的主題，例如“提升英語口語發(fā)音的10個策略”。
推薦– 從本質(zhì)上講，這些類型的視頻是將您的產(chǎn)品推廣工作提升到一個全新水平的好方法。正如他們的名字所暗示的那樣，這些視頻關(guān)注的是一個真實的事件、真實的客戶，他們嘗試過使用你的產(chǎn)品，并對它有自己的積極印象。
品牌/幕后視頻——這些視頻非常適合讓您的觀眾更好地與您的品牌建立聯(lián)系。他們通常專注于幕后的真實人物及其動態(tài)，從而以某種方式“人性化”您的品牌并使其更接近潛在客戶。這些可以是員工分享工作經(jīng)驗的簡單視頻，可以是對其中一個會議的回顧，甚至可以是公司團(tuán)建、聚會等。只要它能讓觀眾看到品牌背后的面孔并成功地為您的業(yè)務(wù)帶來積極的影響，那么您在制作這些類型的視頻時的選擇是無限的。

當(dāng)然，您可以制作許多其他類型的視頻內(nèi)容來成功營銷您的品牌，例如訪談、網(wǎng)絡(luò)研討會和直播視頻等。但是這一次，我們決定只列出幾個示例，讓您簡要了解您的選擇。

創(chuàng)作可轉(zhuǎn)化的視頻內(nèi)容的最佳技巧

現(xiàn)在我們已經(jīng)確定了什么是視頻營銷并討論了幾種不同的營銷視頻類型，是時候看看一些有用的視頻創(chuàng)作技巧了。以下是最佳策略，可讓您創(chuàng)作吸引人的視頻內(nèi)容，以提高轉(zhuǎn)化率并提升您的整體營銷策略：

讓事情變得有趣——從頭到尾
保持簡短——在 10 秒內(nèi)介紹你的觀點
添加一些動畫素材
優(yōu)化您的音頻
添加號召性用語 (CTA)
介紹一個令人難忘的角色

總結(jié)

如果您看到這里那么您已經(jīng)了解了本指南所有關(guān)于數(shù)字營銷的技術(shù)教程。

通過利用這些技巧來進(jìn)行數(shù)字營銷活動，您的公司最終將建立更高的品牌知名度，品牌忠誠度，并為您的產(chǎn)品和服務(wù)帶來更多轉(zhuǎn)化。

二、這些運營專業(yè)術(shù)語，你知道多少？（一）

1. KPI

全稱：Key Performance Indicator 關(guān)鍵績效指標(biāo)

KPI考核就是通過一系列客觀的制度和程序考察員工對公司價值的真正有效的貢獻(xiàn)。

它的優(yōu)勢在于可以將員工的精3力從無關(guān)緊要的瑣事中解脫出來，從而更加關(guān)注公司整體業(yè)績指標(biāo)、部門重要工作領(lǐng)域及個人關(guān)鍵工作任務(wù)。同時還可以減少主觀考核帶來的不公。

對于運營工作來說，KPI就顯得非常重要了，因為運營是一項以結(jié)果為導(dǎo)向的工作。比如，用戶運營，最終目的是為了促活轉(zhuǎn)化從而增加產(chǎn)品價值。那么從拉新到留存到轉(zhuǎn)化，每一級的轉(zhuǎn)化率是多少，最終到底從所獲取的流量中實現(xiàn)多少付費轉(zhuǎn)化，此時為了實現(xiàn)預(yù)期目標(biāo)，就需要KPI來進(jìn)行衡量。

但是KPI也要合理制定，避免出現(xiàn)員工只關(guān)注眼前工作或者為了達(dá)到指標(biāo)不擇手段的現(xiàn)象，千萬不要適得其反哦。

2. KOL

全稱：Key Opinion Leader 關(guān)鍵意見領(lǐng)袖

通常被定義為：擁有更多、更準(zhǔn)確的產(chǎn)品信息，且為相關(guān)群體所接受或信任，并對該群體的購買行為有較大影響力的人。比如某些網(wǎng)絡(luò)紅人，大V等，在某個特定的圈層和領(lǐng)域很有影響力和號召力。

KOL營銷，就是通過那些在特定領(lǐng)域擁有影響力的人物，讓自己的品牌和產(chǎn)品和受眾建立聯(lián)系，并且保持互動。如果運作良好，可以給推廣計劃帶來可信度，增強(qiáng)品牌屬性，獲得潛在客戶。不過，如果運轉(zhuǎn)的不好，就會引起用戶反感，可能會造成用戶的流失。

3. DAU

全稱：Daily Activ User 日活躍用戶量

DAU通常統(tǒng)計一日之內(nèi)，登錄或使用了某個產(chǎn)品的用戶數(shù)(去除重復(fù)登錄的用戶)。常用于反映網(wǎng)站、互聯(lián)網(wǎng)應(yīng)用或網(wǎng)絡(luò)游戲的運營情況。可以顯示出短期內(nèi)網(wǎng)站的用戶活躍程度。

比如今天登錄該網(wǎng)站的賬號有500個，不管有的賬號是不是重復(fù)登陸，它今天的DAU就是500.

如果拿一段時間的DAU來看，那么我們就可以看出一個趨勢，活躍用戶是有增加還是減少的趨勢，老用戶多還是新用戶多。

4. MAU

全稱：Monthly Active User 月活躍用戶量

這個反應(yīng)30天內(nèi)登錄的用戶數(shù)，也就是說30天的DAU加起來就是MAU（去除重復(fù)登錄賬號）。它展示了活躍用戶的長期趨勢。

一般在游戲領(lǐng)域，如果DAU/MAU這個比值低于0.2，就說明沒什么老用戶登錄，每天新玩家比較多，從而反應(yīng)用戶黏度低，對于一個互聯(lián)網(wǎng)產(chǎn)品來說可不是個好現(xiàn)象。

5. PV

全稱：Page View 頁面瀏覽量

這個反應(yīng)這個網(wǎng)站頁面的總瀏覽量是多少，也就是說同一個網(wǎng)站里面用戶點擊了多少次頁面。比如說，你打開一個網(wǎng)站，刷新同一個頁面3次，那么你制造出來的PV就是3。

所以我們可以看出，PV一定程度上并不能反應(yīng)真實有效的用戶流量，因為如果一個用戶反復(fù)刷新頁面，他一個人也可以制造出很高的PV值。

6.VV

全稱：Visit View 訪問網(wǎng)站的次數(shù)

這個不同于PV，它計算的用戶訪問該網(wǎng)站的次數(shù)，而不是點擊打開一個頁面的次數(shù)。簡單的說，當(dāng)你瀏覽了這個網(wǎng)站的5個頁面，然后關(guān)掉了這個網(wǎng)站，那么你制造的VV就等于1，而PV為5.

7. UV

全稱：Unique Visitor 獨立訪客數(shù)

為什么叫“獨立”訪客數(shù)呢？就是因為這個只計算瀏覽賬號的個數(shù)，不管你打開這個網(wǎng)站幾次，瀏覽了多少個頁面，你的UV就是1。所以相比于PV,VV，該指標(biāo)可以更真實的反應(yīng)用戶數(shù)量。

8. SEO

全稱：Search Engine Optimization 搜索引擎優(yōu)化

在了解搜索引擎自然排名機(jī)制的基礎(chǔ)上，對網(wǎng)站進(jìn)行內(nèi)部及外部的調(diào)整優(yōu)化，改進(jìn)網(wǎng)站在搜索引擎中的關(guān)鍵詞自然排名，獲得更多流量，從而達(dá)成網(wǎng)站銷售及品牌建設(shè)的預(yù)期目標(biāo)。

9. SEM

全稱：Search Engine Marketing 搜索引擎營銷

簡單來說，搜索引擎營銷就是基于搜索引擎平臺的網(wǎng)絡(luò)營銷，利用人們對搜索引擎的依賴和使用習(xí)慣，在人們檢索信息的時候?qū)⑿畔鬟f給目標(biāo)用戶。搜索引擎營銷的基本思想是讓用戶發(fā)現(xiàn)信息，并通過點擊進(jìn)入網(wǎng)頁，進(jìn)一步了解所需要的信息。

它是一種更高層面的系統(tǒng)技術(shù)，是一種市場營銷行為，這一點我們從它的英文全稱中可以看出。它可以包括SEO，付費推廣等具體形式。

10. CPC

全稱：Cost Per Click 每次點擊付費廣告

當(dāng)用戶點擊某個網(wǎng)站上的CPC廣告后，這個站的站長就會獲得相應(yīng)的收入。

但也有不少經(jīng)營廣告的網(wǎng)站覺得不公平，比如，雖然瀏覽者沒有點擊，但是他已經(jīng)看到了廣告，對于這些看到廣告卻沒有點擊的流量來說，網(wǎng)站成了白忙活，所以有很多網(wǎng)站并不太樂意做這樣的廣告。

11. UGC

全稱：User Generated Content 用戶生成內(nèi)容

也就是一個網(wǎng)站的內(nèi)容由用戶去自己生產(chǎn)創(chuàng)造，用戶之間形成一個社區(qū)，去交流討論，而不是由某一些人去制定內(nèi)容。

比如豆瓣，對于書籍電影感興趣的用戶自發(fā)的把自己的觀點和評價發(fā)布上去，其他用戶可以進(jìn)行評論，這就提供了一種以"興趣愛好"為紐帶擴(kuò)展人際關(guān)系的可能。一般來說，這種方式會有利于增加用戶的粘性。

12. UED

全稱：user experience design 用戶體驗設(shè)計

通常的理解就是我們做的一切都是為了呈現(xiàn)在您眼前的頁面。它是以用戶為中心的一種設(shè)計手段，以用戶需求為目標(biāo)而進(jìn)行的設(shè)計。設(shè)計過程注重以用戶為中心，用戶體驗的概念從開發(fā)的最早期就開始進(jìn)入整個流程，并貫穿始終。

三、常用的搜索引擎有哪些？

索引擎（search engines）是對互聯(lián)網(wǎng)上的信息資源進(jìn)行搜集整理，然后供你查詢的系統(tǒng)，它包括信息搜集、信息整理和用戶查詢?nèi)糠帧? 搜索引擎是一個為你提供信息“檢索”服務(wù)的網(wǎng)站，它使用某些程序把因特網(wǎng)上的所有信息歸類以幫助人們在茫茫網(wǎng)海中搜尋到所需要的信息。早期的搜索引擎是把因特網(wǎng)中的資源服務(wù)器的地址收集起來，由其提供的資源的類型不同而分成不同的目錄，再一層層地進(jìn)行分類。人們要找自己想要的信息可按他們的分類一層層進(jìn)入，就能最后到達(dá)目的地，找到自己想要的信息。這其實是最原始的方式，只適用于因特網(wǎng)信息并不多的時候。隨著因特網(wǎng)信息按幾何式增長，出現(xiàn)了真正意義上的搜索引擎，這些搜索引擎知道網(wǎng)站上每一頁的開始，隨后搜索因特網(wǎng)上的所有超級鏈接，把代表超級鏈接的所有詞匯放入一個數(shù)據(jù)庫。這就是現(xiàn)在搜索引擎的原型。隨著yahoo!的出現(xiàn)，搜索引擎的發(fā)展也進(jìn)入了黃金時代，相比以前其性能更加優(yōu)越。現(xiàn)在的搜索引擎已經(jīng)不只是單純的搜索網(wǎng)頁的信息了，它們已經(jīng)變得更加綜合化，完美化了。以搜索引擎權(quán)威yahoo!為例，從1995年3月由美籍華裔楊致遠(yuǎn)等人創(chuàng)辦yahoo!開始，到現(xiàn)在，他們從一個單一的搜索引擎發(fā)展到現(xiàn)在有電子商務(wù)、新聞信息服務(wù)、個人免費電子信箱服務(wù)等多種網(wǎng)絡(luò)服務(wù)，充分說明了搜索引擎的發(fā)展從單一到綜合的過程。然而由于搜索引擎的工作方式和因特網(wǎng)的快速發(fā)展，使其搜索的結(jié)果讓人越來越不滿意。例如，搜索“電腦”這個詞匯，就可能有數(shù)百萬頁的結(jié)果。這是由于搜索引擎通過對網(wǎng)站的相關(guān)性來優(yōu)化搜索結(jié)果，這種相關(guān)性又是由關(guān)鍵字在網(wǎng)站的位置、網(wǎng)站的名稱、標(biāo)簽等公式來決定的。這就是使搜索引擎搜索結(jié)果多而雜的原因。而搜索引擎中的數(shù)據(jù)庫因為因特網(wǎng)的發(fā)展變化也必然包含了死鏈接。這篇文章中，我們介紹了google，它是一個大型的搜索引擎（of a large-scale search engine）的原型，搜索引擎在超文本中應(yīng)用廣泛。Google的設(shè)計能夠高效地抓網(wǎng)頁并建立索引，它的查詢結(jié)果比其它現(xiàn)有系統(tǒng)都高明。這個原型的全文和超連接的數(shù)據(jù)庫至少包含24‘000‘000個網(wǎng)頁。我們可以從http://google.stanford.edu/ 下載。設(shè)計搜索引擎是一項富有挑戰(zhàn)性的工作。搜索引擎為上億個網(wǎng)頁建立索引，其中包含大量迥然不同的詞匯。而且每天要回答成千上萬個查詢。在網(wǎng)絡(luò)中，盡管大型搜索引擎非常重要，但是學(xué)術(shù)界卻很少研究它。此外由于技術(shù)的快速發(fā)展和網(wǎng)頁的大量增加，現(xiàn)在建立一個搜索引擎和三年前完全不同。本文詳細(xì)介紹了我們的大型搜索引擎，據(jù)我們所知，在公開發(fā)表的論文中，這是第一篇描述地如此詳細(xì)。除了把傳統(tǒng)數(shù)據(jù)搜索技術(shù)應(yīng)用到如此大量級網(wǎng)頁中所遇到的問題，還有許多新的技術(shù)挑戰(zhàn)，包括應(yīng)用超文本中的附加信息改進(jìn)搜索結(jié)果。本文將解決這個問題，描述如何運用超文本中的附加信息，建立一個大型實用系統(tǒng)。任何人都可以在網(wǎng)上隨意發(fā)布信息，如何有效地處理這些無組織的超文本集合，也是本文要關(guān)注的問題。關(guān)鍵詞 World Wide Web，搜索引擎，信息檢索，PageRank, Google 1 緒論 Web 給信息檢索帶來了新的挑戰(zhàn)。Web上的信息量快速增長，同時不斷有毫無經(jīng)驗的新用戶來體驗Web這門藝術(shù)。人們喜歡用超級鏈接來網(wǎng)上沖浪，通常都以象Yahoo這樣重要的網(wǎng)頁或搜索引擎開始。大家認(rèn)為List(目錄)有效地包含了大家感興趣的主題，但是它具有主觀性，建立和維護(hù)的代價高，升級慢，不能包括所有深奧的主題。基于關(guān)鍵詞的自動搜索引擎通常返回太多的低質(zhì)量的匹配。使問題更遭的是，一些廣告為了贏得人們的關(guān)注想方設(shè)法誤導(dǎo)自動搜索引擎。我們建立了一個大型搜索引擎解決了現(xiàn)有系統(tǒng)中的很多問題。應(yīng)用超文本結(jié)構(gòu)，大大提高了查詢質(zhì)量。我們的系統(tǒng)命名為google，取名自googol的通俗拼法，即10的100次方，這和我們的目標(biāo)建立一個大型搜索引擎不謀而合。 1.1網(wǎng)絡(luò)搜索引擎—升級換代（scaling up）：1994-2000 搜索引擎技術(shù)不得不快速升級（scale dramatically）跟上成倍增長的web數(shù)量。1994年，第一個Web搜索引擎，World Wide Web Worm(WWWW)可以檢索到110，000個網(wǎng)頁和Web的文件。到1994年11月，頂級的搜索引擎聲稱可以檢索到2‘000’000（WebCrawler）至100‘000’000個網(wǎng)絡(luò)文件（來自 Search Engine Watch）?？梢灶A(yù)見到2000年，可檢索到的網(wǎng)頁將超過1‘000’000‘000。同時，搜索引擎的訪問量也會以驚人的速度增長。在1997年的三四月份，World Wide Web Worm 平均每天收到1500個查詢。在1997年11月，Altavista 聲稱它每天要處理大約20’000’000個查詢。隨著網(wǎng)絡(luò)用戶的增長，到2000年，自動搜索引擎每天將處理上億個查詢。我們系統(tǒng)的設(shè)計目標(biāo)要解決許多問題，包括質(zhì)量和可升級性，引入升級搜索引擎技術(shù)（scaling search engine technology），把它升級到如此大量的數(shù)據(jù)上。 1.2 Google：跟上Web的步伐（Scaling with the Web）建立一個能夠和當(dāng)今web規(guī)模相適應(yīng)的搜索引擎會面臨許多挑戰(zhàn)。抓網(wǎng)頁技術(shù)必須足夠快，才能跟上網(wǎng)頁變化的速度（keep them up to date）。存儲索引和文檔的空間必須足夠大。索引系統(tǒng)必須能夠有效地處理上千億的數(shù)據(jù)。處理查詢必須快，達(dá)到每秒能處理成百上千個查詢（hundreds to thousands per second.）。隨著Web的不斷增長，這些任務(wù)變得越來越艱巨。然而硬件的執(zhí)行效率和成本也在快速增長，可以部分抵消這些困難。還有幾個值得注意的因素，如磁盤的尋道時間（disk seek time），操作系統(tǒng)的效率（operating system robustness）。在設(shè)計Google的過程中，我們既考慮了Web的增長速度，又考慮了技術(shù)的更新。Google的設(shè)計能夠很好的升級處理海量數(shù)據(jù)集。它能夠有效地利用存儲空間來存儲索引。優(yōu)化的數(shù)據(jù)結(jié)構(gòu)能夠快速有效地存取（參考4.2節(jié)）。進(jìn)一步，我們希望，相對于所抓取的文本文件和HTML網(wǎng)頁的數(shù)量而言，存儲和建立索引的代價盡可能的小（參考附錄B）。對于象Google這樣的集中式系統(tǒng)，采取這些措施得到了令人滿意的系統(tǒng)可升級性（scaling properties）。 1. 3設(shè)計目標(biāo) 1.3.1提高搜索質(zhì)量我們的主要目標(biāo)是提高Web搜索引擎的質(zhì)量。1994年，有人認(rèn)為建立全搜索索引（a complete search index）可以使查找任何數(shù)據(jù)都變得容易。根據(jù)Best of the Web 1994 -- Navigators ，“最好的導(dǎo)航服務(wù)可以使在Web上搜索任何信息都很容易（當(dāng)時所有的數(shù)據(jù)都可以被登錄）”。然而1997年的Web就迥然不同。近來搜索引擎的用戶已經(jīng)證實索引的完整性不是評價搜索質(zhì)量的唯一標(biāo)準(zhǔn)。用戶感興趣的搜索結(jié)果往往湮沒在“垃圾結(jié)果Junk result”中。實際上，到1997年11月為止，四大商業(yè)搜索引擎中只有一個能夠找到它自己（搜索自己名字時返回的前十個結(jié)果中有它自己）。導(dǎo)致這一問題的主要原因是文檔的索引數(shù)目增加了好幾個數(shù)量級，但是用戶能夠看的文檔數(shù)卻沒有增加。用戶仍然只希望看前面幾十個搜索結(jié)果。因此，當(dāng)集合增大時，我們就需要工具使結(jié)果精確（在返回的前幾十個結(jié)果中，有關(guān)文檔的數(shù)量）。由于是從成千上萬個有點相關(guān)的文檔中選出幾十個，實際上，相關(guān)的概念就是指最好的文檔。高精確非常重要，甚至以響應(yīng)（系統(tǒng)能夠返回的有關(guān)文檔的總數(shù)）為代價。令人高興的是利用超文本鏈接提供的信息有助于改進(jìn)搜索和其它應(yīng)用。尤其是鏈接結(jié)構(gòu)和鏈接文本，為相關(guān)性的判斷和高質(zhì)量的過濾提供了大量的信息。Google既利用了鏈接結(jié)構(gòu)又用到了anchor文本（見2.1和2.2節(jié)）。 1.3.2搜索引擎的學(xué)術(shù)研究隨著時間的流逝，除了發(fā)展迅速，Web越來越商業(yè)化。1993年，只有1.5%的Web服務(wù)是來自.com域名。到1997年，超過了60%。同時，搜索引擎從學(xué)術(shù)領(lǐng)域走進(jìn)商業(yè)。到現(xiàn)在大多數(shù)搜索引擎被公司所有，很少技公開術(shù)細(xì)節(jié)。這就導(dǎo)致搜索引擎技術(shù)很大程度上仍然是暗箱操作，并傾向做廣告（見附錄A）。Google的主要目標(biāo)是推動學(xué)術(shù)領(lǐng)域在此方面的發(fā)展，和對它的了解。另一個設(shè)計目標(biāo)是給大家一個實用的系統(tǒng)。應(yīng)用對我們來說非常重要，因為現(xiàn)代網(wǎng)絡(luò)系統(tǒng)中存在大量的有用數(shù)據(jù)（us because we think some of the most interesting research will involve leveraging the vast amount of usage data that is available from modern web systems）。例如，每天有幾千萬個研究。然而，得到這些數(shù)據(jù)卻非常困難，主要因為它們沒有商業(yè)價值。我們最后的設(shè)計目標(biāo)是建立一個體系結(jié)構(gòu)能夠支持新的關(guān)于海量Web數(shù)據(jù)的研究。為了支持新研究，Google以壓縮的形式保存了實際所抓到的文檔。設(shè)計google的目標(biāo)之一就是要建立一個環(huán)境使其他研究者能夠很快進(jìn)入這個領(lǐng)域，處理海量Web數(shù)據(jù)，得到滿意的結(jié)果，而通過其它方法卻很難得到結(jié)果。系統(tǒng)在短時間內(nèi)被建立起來，已經(jīng)有幾篇論文用到了Google建的數(shù)據(jù)庫，更多的在起步中。我們的另一個目標(biāo)是建立一個宇宙空間實驗室似的環(huán)境，在這里研究者甚至學(xué)生都可以對我們的海量Web數(shù)據(jù)設(shè)計或做一些實驗。 2. 系統(tǒng)特點 Google搜索引擎有兩個重要特點，有助于得到高精度的搜索結(jié)果。第一點，應(yīng)用Web的鏈接結(jié)構(gòu)計算每個網(wǎng)頁的Rank值，稱為PageRank，將在98頁詳細(xì)描述它。第二點，Google利用超鏈接改進(jìn)搜索結(jié)果。 2.1 PageRank:給網(wǎng)頁排序 Web的引用（鏈接）圖是重要的資源，卻被當(dāng)今的搜索引擎很大程度上忽視了。我們建立了一個包含518‘000’000個超鏈接的圖，它是一個具有重要意義的樣本。這些圖能夠快速地計算網(wǎng)頁的PageRank值，它是一個客觀的標(biāo)準(zhǔn)，較好的符合人們心目中對一個網(wǎng)頁重要程度的評價，建立的基礎(chǔ)是通過引用判斷重要性。因此在web中，PageRank能夠優(yōu)化關(guān)鍵詞查詢的結(jié)果。對于大多數(shù)的主題，在網(wǎng)頁標(biāo)題查詢中用PageRank優(yōu)化簡單文本匹配，我們得到了令人驚嘆的結(jié)果（從google.stanford.edu可以得到演示）。對于Google主系統(tǒng)中的全文搜索，PageRank也幫了不少忙。 2.1.1計算PageRank 文獻(xiàn)檢索中的引用理論用到Web中，引用網(wǎng)頁的鏈接數(shù)，一定程度上反映了該網(wǎng)頁的重要性和質(zhì)量。PageRank發(fā)展了這種思想，網(wǎng)頁間的鏈接是不平等的。 PageRank定義如下: 我們假設(shè)T1…Tn指向網(wǎng)頁A（例如，被引用）。參數(shù)d是制動因子，使結(jié)果在0，1之間。通常d等于0.85。在下一節(jié)將詳細(xì)介紹d。C（A）定義為網(wǎng)頁A指向其它網(wǎng)頁的鏈接數(shù)，網(wǎng)頁A的PageRank值由下式給出： PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)) 注意PageRank的形式，分布到各個網(wǎng)頁中，因此所有網(wǎng)頁的PageRank和是1。 PageRank或PR（A）可以用簡單的迭代算法計算，相應(yīng)規(guī)格化Web鏈接矩陣的主特征向量。中等規(guī)模的網(wǎng)站計算26‘000’000網(wǎng)頁的PageRank值要花費幾小時。還有一些技術(shù)細(xì)節(jié)超出了本文論述的范圍。 2.1.2直覺判斷 PageRank被看作用戶行為的模型。我們假設(shè)網(wǎng)上沖浪是隨機(jī)的，不斷點擊鏈接，從不返回，最終煩了，另外隨機(jī)選一個網(wǎng)頁重新開始沖浪。隨機(jī)訪問一個網(wǎng)頁的可能性就是它的PageRank值。制動因子d是隨機(jī)訪問一個網(wǎng)頁煩了的可能性，隨機(jī)另選一個網(wǎng)頁。對單個網(wǎng)頁或一組網(wǎng)頁，一個重要的變量加入到制動因子d中。這允許個人可以故意地誤導(dǎo)系統(tǒng)，以得到較高的PageRank值。我們還有其它的PageRank算法，見98頁。另外的直覺判斷是一個網(wǎng)頁有很多網(wǎng)頁指向它，或者一些PageRank值高的網(wǎng)頁指向它，則這個網(wǎng)頁很重要。直覺地，在Web中，一個網(wǎng)頁被很多網(wǎng)頁引用，那么這個網(wǎng)頁值得一看。一個網(wǎng)頁被象Yahoo這樣重要的主頁引用即使一次，也值得一看。如果一個網(wǎng)頁的質(zhì)量不高，或者是死鏈接，象Yahoo這樣的主頁不會鏈向它。PageRank處理了這兩方面因素，并通過網(wǎng)絡(luò)鏈接遞歸地傳遞。 & nbsp; 2.2鏈接描述文字（Anchor Text）我們的搜索引擎對鏈接文本進(jìn)行了特殊的處理。大多數(shù)搜索引擎把鏈接文字和它所鏈向的網(wǎng)頁（the page that the link is on）聯(lián)系起來。另外，把它和鏈接所指向的網(wǎng)頁聯(lián)系起來。這有幾點好處。第一，通常鏈接描述文字比網(wǎng)頁本身更精確地描述該網(wǎng)頁。第二，鏈接描述文字可能鏈向的文檔不能被文本搜索引擎檢索到，例如圖像，程序和數(shù)據(jù)庫。有可能使返回的網(wǎng)頁不能被抓到。注意哪些抓不到的網(wǎng)頁將會帶來一些問題。在返回給用戶前檢測不了它們的有效性。這種情況搜索引擎可能返回一個根本不存在的網(wǎng)頁，但是有超級鏈接指向它。然而這種結(jié)果可以被挑出來的，所以此類的問題很少發(fā)生。鏈接描述文字是對被鏈向網(wǎng)頁的宣傳，這個思想被用在World Wide Web Worm 中，主要因為它有助于搜索非文本信息，能夠用少量的已下載文檔擴(kuò)大搜索范圍。我們大量應(yīng)用鏈接描述文字，因為它有助于提高搜索結(jié)果的質(zhì)量。有效地利用鏈接描述文字技術(shù)上存在一些困難，因為必須處理大量的數(shù)據(jù)?，F(xiàn)在我們能抓到24‘000’000個網(wǎng)頁，已經(jīng)檢索到259‘000’000多個鏈接描述文字。 2.3其它特點除了PageRank和應(yīng)用鏈接描述文字外，Google還有一些其它特點。第一,所有hit都有位置信息，所以它可以在搜索中廣泛應(yīng)用鄰近性（proximity）。第二，Google跟蹤一些可視化外表細(xì)節(jié)，例如字號。黑體大號字比其它文字更重要。第三，知識庫存儲了原始的全文html網(wǎng)頁。 3有關(guān)工作 Web檢索研究的歷史簡短。World Wide Web Worm（）是最早的搜索引擎之一。后來出現(xiàn)了一些用于學(xué)術(shù)研究的搜索引擎，現(xiàn)在它們中的大多數(shù)被上市公司擁有。與Web的增長和搜索引擎的重要性相比，有關(guān)當(dāng)今搜索引擎技術(shù)的優(yōu)秀論文相當(dāng)少。根據(jù)Michael Mauldin（Lycos Inc的首席科學(xué)家）) ，“各種各樣的服務(wù)（包括Lycos）非常關(guān)注這些數(shù)據(jù)庫的細(xì)節(jié)?！彪m然在搜索引擎的某些特點上做了大量工作。具有代表性的工作有，對現(xiàn)有商業(yè)搜索引擎的結(jié)果進(jìn)行傳遞，或建立小型的個性化的搜索引擎。最后有關(guān)信息檢索系統(tǒng)的研究很多，尤其在有組織機(jī)構(gòu)集合（well controlled collections）方面。在下面兩節(jié)，我們將討論在信息檢索系統(tǒng)中的哪些領(lǐng)域需要改進(jìn)以便更好的工作在Web上。 3.1信息檢索信息檢索系統(tǒng)誕生在幾年前，并發(fā)展迅速。然而大多數(shù)信息檢索系統(tǒng)研究的對象是小規(guī)模的單一的有組織結(jié)構(gòu)的集合，例如科學(xué)論文集，或相關(guān)主題的新聞故事。實際上，信息檢索的主要基準(zhǔn)，the Text Retrieval Conference（），用小規(guī)模的、有組織結(jié)構(gòu)的集合作為它們的基準(zhǔn)。大型文集基準(zhǔn)只有20GB，相比之下，我們抓到的24000000個網(wǎng)頁占147GB。在TREC上工作良好的系統(tǒng)，在Web上卻不一定產(chǎn)生好的結(jié)果。例如，標(biāo)準(zhǔn)向量空間模型企圖返回和查詢請求最相近的文檔，把查詢請求和文檔都看作由出現(xiàn)在它們中的詞匯組成的向量。在Web環(huán)境下，這種策略常常返回非常短的文檔，這些文檔往往是查詢詞再加幾個字。例如，查詢“Bill Clinton”，返回的網(wǎng)頁只包含“Bill Clinton Sucks”，這是我們從一個主要搜索引擎中看到的。網(wǎng)絡(luò)上有些爭議，用戶應(yīng)該更準(zhǔn)確地表達(dá)他們想查詢什么，在他們的查詢請求中用更多的詞。我們強(qiáng)烈反對這種觀點。如果用戶提出象“Bill Clinton”這樣的查詢請求，應(yīng)該得到理想的查詢結(jié)果，因為這個主題有許多高質(zhì)量的信息。象所給的例子，我們認(rèn)為信息檢索標(biāo)準(zhǔn)需要發(fā)展，以便有效地處理Web數(shù)據(jù)。 3.2有組織結(jié)構(gòu)的集合（Well Controlled Collections）與Web的不同點 Web是完全無組織的異構(gòu)的大量文檔的集合。Web中的文檔無論內(nèi)在信息還是隱含信息都存在大量的異構(gòu)性。例如，文檔內(nèi)部就用了不同的語言（既有人類語言又有程序），詞匯（[email]地址，鏈接，郵政編碼，電話號碼，產(chǎn)品號），類型（文本，HTML，PDF，圖像，聲音），有些甚至是機(jī)器創(chuàng)建的文件（log文件，或數(shù)據(jù)庫的輸出）?？梢詮奈臋n中推斷出來，但并不包含在文檔中的信息稱為隱含信息。隱含信息包括來源的信譽，更新頻率，質(zhì)量，訪問量和引用。不但隱含信息的可能來源各種各樣，而且被檢測的信息也大不相同，相差可達(dá)好幾個數(shù)量級。例如，一個重要主頁的使用量，象Yahoo 每天瀏覽數(shù)達(dá)到上百萬次，于此相比無名的歷史文章可能十年才被訪問一次。很明顯，搜索引擎對這兩類信息的處理是不同的。 Web與有組織結(jié)構(gòu)集合之間的另外一個明顯區(qū)別是，事實上，向Web上傳信息沒有任何限制。靈活利用這點可以發(fā)布任何對搜索引擎影響重大的信息，使路由阻塞，加上為牟利故意操縱搜索引擎，這些已經(jīng)成為一個嚴(yán)重的問題。這些問題還沒有被傳統(tǒng)的封閉的信息檢索系統(tǒng)所提出來。它關(guān)心的是元數(shù)據(jù)的努力，這在Web搜索引擎中卻不適用，因為網(wǎng)頁中的任何文本都不會向用戶聲稱企圖操縱搜索引擎。甚至有些公司為牟利專門操縱搜索引擎。 4 系統(tǒng)分析（System Anatomy）首先，我們提供高水平的有關(guān)體系結(jié)構(gòu)的討論。然后，詳細(xì)描述重要的數(shù)據(jù)結(jié)構(gòu)。最后，主要應(yīng)用：抓網(wǎng)頁，索引，搜索將被嚴(yán)格地檢查。 Figure 1. High Level Google Architecture 4.1Google體系結(jié)構(gòu)概述這一節(jié)，我們將看看整個系統(tǒng)是如何工作的（give a high level），見圖1。本節(jié)不討論應(yīng)用和數(shù)據(jù)結(jié)構(gòu)，在后幾節(jié)中討論。為了效率大部分Google是用c或c++實現(xiàn)的，既可以在Solaris也可以在Linux上運行。 Google系統(tǒng)中，抓網(wǎng)頁（下載網(wǎng)頁）是由幾個分布式crawlers完成的。一個URL服務(wù)器負(fù)責(zé)向crawlers提供URL列表。抓來的網(wǎng)頁交給存儲服務(wù)器storeserver。然后，由存儲服務(wù)器壓縮網(wǎng)頁并把它們存到知識庫repository中。每個網(wǎng)頁都有一個ID，稱作docID，當(dāng)新URL從網(wǎng)頁中分析出時，就被分配一個docID。由索引器和排序器負(fù)責(zé)建立索引index function。索引器從知識庫中讀取文檔，對其解壓縮和分析。每個文檔被轉(zhuǎn)換成一組詞的出現(xiàn)情況，稱作命中hits。Hits紀(jì)錄了詞，詞在文檔中的位置，最接近的字號，大小寫。索引器把這些hits分配到一組桶barrel中，產(chǎn)生經(jīng)過部分排序后的索引。索引器的另一個重要功能是分析網(wǎng)頁中所有的鏈接，將有關(guān)的重要信息存在鏈接描述anchors文件中。該文件包含了足夠的信息，可以用來判斷每個鏈接鏈出鏈入節(jié)點的信息，和鏈接文本。 URL分解器resolver閱讀鏈接描述anchors文件，并把相對URL轉(zhuǎn)換成絕對URL，再轉(zhuǎn)換成docID。為鏈接描述文本編制索引，并與它所指向的docID關(guān)聯(lián)起來。同時建立由docID對組成的鏈接數(shù)據(jù)庫。用于計算所有文檔的PageRank值。用docID分類后的barrels，送給排序器sorter，再根據(jù)wordID進(jìn)行分類，建立反向索引inverted index。這個操作要恰到好處，以便幾乎不需要暫存空間。排序器還給出docID和偏移量列表，建立反向索引。一個叫DumpLexicon的程序把這個列表和由索引器產(chǎn)生的字典結(jié)合在一起，建立一個新的字典，供搜索器使用。這個搜索器就是利用一個Web服務(wù)器，使用由DumpLexicon所生成的字典，利用上述反向索引以及頁面等級PageRank來回答用戶的提問。 4.2主要數(shù)據(jù)結(jié)構(gòu)經(jīng)過優(yōu)化的Google數(shù)據(jù)結(jié)構(gòu)，能夠用較小的代價抓取大量文檔，建立索引和查詢。雖然近幾年CPU和輸入輸出速率迅速提高。磁盤尋道仍然需要10ms。任何時候Google系統(tǒng)的設(shè)計都盡可能地避免磁盤尋道。這對數(shù)據(jù)結(jié)構(gòu)的設(shè)計影響很大。 4.2.1大文件大文件BigFiles是指虛擬文件生成的多文件系統(tǒng)，用長度是64位的整型數(shù)據(jù)尋址。多文件系統(tǒng)之間的空間分配是自動完成的。BigFiles包也處理已分配和未分配文件描述符。由于操縱系統(tǒng)不能滿足我們的需要，BigFiles也支持基本的壓縮選項。 4.2.2知識庫 Figure 2. Repository Data Structure 知識庫包含每個網(wǎng)頁的全部HTML。每個網(wǎng)頁用zlib（見RFC1950）壓縮。壓縮技術(shù)的選擇既要考慮速度又要考慮壓縮率。我們選擇zlib的速度而不是壓縮率很高的bzip。知識庫用bzip的壓縮率接近4：1。而用zlib的壓縮率是3：1。文檔一個挨著一個的存儲在知識庫中，前綴是docID，長度，URL，見圖2。訪問知識庫不需要其它的數(shù)據(jù)結(jié)構(gòu)。這有助于數(shù)據(jù)一致性和升級。用其它數(shù)據(jù)結(jié)構(gòu)重構(gòu)系統(tǒng)，我們只需要修改知識庫和crawler錯誤列表文件。 4.2.3文件索引文件索引保存了有關(guān)文檔的一些信息。索引以docID的順序排列，定寬ISAM（Index sequential access mode）。每條記錄包括當(dāng)前文件狀態(tài)，一個指向知識庫的指針，文件校驗和，各種統(tǒng)計表。如果一個文檔已經(jīng)被抓到，指針指向docinfo文件，該文件的寬度可變，包含了URL和標(biāo)題。否則指針指向包含這個URL的URL列表。這種設(shè)計考慮到簡潔的數(shù)據(jù)結(jié)構(gòu)，以及在查詢中只需要一個磁盤尋道時間就能夠訪問一條記錄。還有一個文件用于把URL轉(zhuǎn)換成docID。它是URL校驗和與相應(yīng)docID的列表，按校驗和排序。要想知道某個URL的docID，需要計算URL的校驗和，然后在校驗和文件中執(zhí)行二進(jìn)制查找，找到它的docID。通過對這個文件進(jìn)行合并，可以把一批URL轉(zhuǎn)換成對應(yīng)的docID。URL分析器用這項技術(shù)把URL轉(zhuǎn)換成docID。這種成批更新的模式是至關(guān)重要的，否則每個鏈接都需要一次查詢，假如用一塊磁盤，322‘000’000個鏈接的數(shù)據(jù)集合將花費一個多月的時間。 4.2.4詞典詞典有幾種不同的形式。和以前系統(tǒng)的重要不同是，詞典對內(nèi)存的要求可以在合理的價格內(nèi)?，F(xiàn)在實現(xiàn)的系統(tǒng)，一臺256M內(nèi)存的機(jī)器就可以把詞典裝入到內(nèi)存中。現(xiàn)在的詞典包含14000000詞匯（雖然一些很少用的詞匯沒有加入到詞典中）。它執(zhí)行分兩部分—詞匯表（用null分隔的連續(xù)串）和指針的哈希表。不同的函數(shù)，詞匯表有一些輔助信息，這超出了本文論述的范圍。 4.2.5 hit list hit list是一篇文檔中所出現(xiàn)的詞的列表，包括位置，字號，大小寫。Hit list占很大空間，用在正向和反向索引中。因此，它的表示形式越有效越好。我們考慮了幾種方案來編碼位置，字號，大小寫—簡單編碼（3個整型數(shù)），緊湊編碼（支持優(yōu)化分配比特位），哈夫曼編碼。Hit的詳細(xì)信息見圖3。我們的緊湊編碼每個hit用2字節(jié)。有兩種類型hit，特殊hit和普通hit。特殊hit包含URL，標(biāo)題，鏈接描述文字，meta tag。普通hit包含其它每件事。它包括大小寫特征位，字號，12比特用于描述詞在文檔中的位置（所有超過4095的位置標(biāo)記為4096）。字號采用相對于文檔的其它部分的相對大小表示，占3比特(實際只用7個值，因為111標(biāo)志是特殊hit)。特殊hit由大小寫特征位，字號位為7表示它是特殊hit，用4比特表示特殊hit的類型，8比特表示位置。對于anchor hit八比特位置位分出4比特用來表示在anchor中的位置，4比特用于表明anchor出現(xiàn)的哈希表hash of the docID。短語查詢是有限的，對某些詞沒有足夠多的anchor。我們希望更新anchor hit的存儲方式，以便解決地址位和docIDhash域位數(shù)不足的問題。

四、搜索引擎包含與不包含哪些內(nèi)容

搜索引擎的正確使用方法

網(wǎng)絡(luò)真可謂是信息的海洋。在因特網(wǎng)上獲取信息量的多少，往往取決于查詢的方法適當(dāng)與否。如果想要及時而又準(zhǔn)確地找出自己需要的資料，搜索引擎就是一件必不可少的上網(wǎng)利器。

近幾年，因特網(wǎng)在我國的發(fā)展可謂一日千里，速度之快、新網(wǎng)民數(shù)量之多都處在世界前列。剛剛上網(wǎng)的“菜鳥”，第一件該做的事情，就是學(xué)會使用搜索引擎。也許有人要問：搜索很簡單嘛，不就是在搜索欄中敲入自己想要找的東東不就得了，有必要學(xué)嗎？當(dāng)然。實際上，很多網(wǎng)蟲對搜索引擎的使用是相當(dāng)有限的，甚至是不正確的。而且搜索引擎的升級換代速度很快，不學(xué)就會出現(xiàn)用老秤稱新貨的情況。既然要學(xué)，我們就來學(xué)個徹底，由淺入深地細(xì)細(xì)過它一遍。

搜索引擎的最大用途就是搜索，而說到搜索就不能不提到 keyword （關(guān)鍵字），每一個搜索引擎的制作過程都離不開 keyword ，無論是給一個主類別做分目錄，還是管理個人站點，都需要這些關(guān)鍵字，目錄下包括的關(guān)鍵字越多、越精確，搜索也就越方便、越準(zhǔn)確。這就是有的搜索引擎好用，有的不好用的原因。所以在進(jìn)行搜索之前，找對、找準(zhǔn) keyword 至關(guān)重要。

使用搜索引擎的分類索引沒什么技巧，只要找準(zhǔn)類別后，一層一層打開即可。下面重點要說的是現(xiàn)有著名搜索引擎的搜索器的使用方法。希望能免去大家的查找之苦，同時也能為大家省點上網(wǎng)費用。

雅虎中國

首先在檢索欄內(nèi)輸入你所需要的關(guān)鍵字，按下 Search 鍵， YAHOO! 就會自動搜尋其中的分類類目、網(wǎng)站、資料庫信息及新聞資料庫，并依此為你列出所找到的信息。列出資料的排列次序是根據(jù)與 keyword 的匹配程度高低為序，而新聞資料的排列還綜合了更新時間的因素。除了這種簡單的查詢方式之外， YAHOO ！還支持進(jìn)階檢索方式，想使用這種檢索就要先了解它特定的語法：

1 ．使用雙引號查詢網(wǎng)站，例如輸入了“電腦音樂”之后，就只會出現(xiàn)電腦音樂的網(wǎng)站，而忽略包含“電腦與MP3音樂”的網(wǎng)站，注意雙引號必須是半角字符。

2 ．加字母指定關(guān)鍵字出現(xiàn)的段落，如在關(guān)鍵字前加“ t ： " ，搜索引擎僅會查詢網(wǎng)站的名稱 ; 而在關(guān)鍵字前加“ u ： " ，搜索引擎就會只查詢所需的網(wǎng)址。

3 ．利用“＋”、“－”號來限定結(jié)果，加了“＋”號的關(guān)鍵字一定要在結(jié)果中出現(xiàn)；而加了“－”號的關(guān)鍵字就一定不要出現(xiàn)在查詢結(jié)果中。

搜狐

升級后的中文搜狐檢索系統(tǒng)又增加了新的功能，解決了中文的分詞問題，如輸入“電腦”之后，以前會把帶有“電子”、“大腦”的詞的網(wǎng)站也檢索出來。而現(xiàn)在就能精確定位，節(jié)省了使用者的時間和精力。該系統(tǒng)還設(shè)有用戶字典，允許自行定義詞的名稱、詞性及對應(yīng)的大五碼字體，并將該詞加入到詞庫中。具體的使用方法是：在檢索文本欄中輸入要查詢的關(guān)鍵字，在按下“搜索”鈕后，搜狐中文檢索系統(tǒng)會從以下四方面檢索結(jié)果：

搜狐分類：查詢符合條件的分類類目。

搜狐網(wǎng)站：查詢符合條件的搜狐數(shù)據(jù)庫中收錄的網(wǎng)站。

全球網(wǎng)頁：搜索 Internet 上符合條件的網(wǎng)頁。

搜狐新聞：查詢符合條件的搜狐新聞的內(nèi)容。

影響檢索結(jié)果的因素，是關(guān)鍵字出現(xiàn)在頁面的位置、頻率及關(guān)鍵字本身的詞性等。對于新聞而言則要參考其更新的日期了，一般新聞檢索只包含近三個月的內(nèi)容。與雅虎相同的是，搜狐也包含了自己的檢索語法：

1 ．在前后兩個關(guān)鍵字之間加上 AND ，表示這兩個詞是“與”的邏輯關(guān)系，搜索出的結(jié)果就會是同時包含了這兩個關(guān)鍵字的頁面。

2 ．在前后兩個關(guān)鍵字間加 OR ，就表示這兩個詞是“或”的邏輯關(guān)系，搜索的結(jié)果更多、更廣，只要是包含了這兩個關(guān)鍵字中任何一個關(guān)鍵字的頁面都會出現(xiàn)，這對查詢概念模糊的內(nèi)容十分適用。

新浪搜索

新浪搜索目前共分 15 大類，一萬多細(xì)目十余萬個站點。新浪網(wǎng)的搜索器查詢順序依次為：目錄搜索、網(wǎng)站搜索、網(wǎng)頁全文檢索。

1 ．新浪搜索引擎在關(guān)鍵字查詢框中允許單個詞或多個詞查詢，有多種符號都是表示“且”的關(guān)系，如 : 空格、逗號、加號和 & 。

2 ．新浪搜索引擎還包含了進(jìn)階搜索方式 : 在 keyword 前加“ t ： " ，表示僅搜索網(wǎng)站標(biāo)題 ; 在 keyword 前加“ u ： " ，則表示搜索網(wǎng)站的網(wǎng)址。除此之外，新浪搜索還能更好地支持對數(shù)字的查詢。

中文 Excite

中文 Excite 搜索引擎目前只進(jìn)行網(wǎng)頁的搜索，這一點對要找資料的網(wǎng)友很方便，但對于想查找網(wǎng)站的人來說，就毫無用處了。雖然如此，但我還是要詳細(xì)介紹中文 Excite ，因為它是目前資料及信息最全的網(wǎng)頁搜索引擎。這里收集了共兩百萬個網(wǎng)頁，并提供了五個“高性能檢索平臺”幫助查詢者進(jìn)行查找。最有特點的是檢索結(jié)果是按你提問的相關(guān)程度來排序，一般來說，越排在前面，相關(guān)程度越高。如果你發(fā)現(xiàn)某一檢索結(jié)果很符合你的檢索要求，按一下 " 檢索更多類似該網(wǎng)頁的文獻(xiàn)”鍵， Excite 中文檢索引擎會檢索出更多與此類似的網(wǎng)頁。使用比較專指的提問詞進(jìn)行檢索，就可以搜索到更多想要找的文獻(xiàn)。例如：“電腦雜志”比“報刊雜志”能檢索到更多有關(guān)電腦信息的資料。有時，許多檢索結(jié)果都是來自同一網(wǎng)站，但分散在不同的目錄下。只要按一下“按網(wǎng)站顯示檢索結(jié)果”功能鍵，檢索結(jié)果就會變成一個按網(wǎng)站排列的目錄，在每個網(wǎng)站名稱下面，按相關(guān)程度列出該網(wǎng)站內(nèi)所有與提問相關(guān)的網(wǎng)頁。利用“高性能檢索平臺”，還能像職業(yè)信息專家一樣快捷準(zhǔn)確地搜索到更多相關(guān)的文獻(xiàn)。我們還可以自己指定檢索數(shù)據(jù)庫（全部中文網(wǎng)頁數(shù)據(jù)庫，中國網(wǎng)頁數(shù)據(jù)庫，香港網(wǎng)頁數(shù)據(jù)庫，臺灣網(wǎng)頁數(shù)據(jù)庫，新加坡網(wǎng)頁數(shù)據(jù)庫，以及西方語言網(wǎng)頁）來控制檢索結(jié)果的數(shù)量和顯示方式，并能十分容易地使用所有高級檢索功能。檢索時最常用的技巧如下：

1 ．輸入關(guān)鍵字， Excite 的搜索引擎會自定檢索到符合信息需求的文獻(xiàn)。

2 ．“詞組檢索”也稱“完全符合檢索”，檢索結(jié)果必須含有與提問式完全一樣 ( 包括次序 ) 的字串。在搜索比較專指的文獻(xiàn)時，就要使用雙引號進(jìn)行詞組檢索。

3 ．在檢索詞或字前面加上“＋”來表示該詞或字一定要出現(xiàn)在檢索結(jié)果中；在檢索詞或字前面加上“－”來表示該詞或字一定不能出現(xiàn)在檢索結(jié)果中。使用時有一點十分重要，在“＋”和“－”與其后面的檢索詞之間不能留有空格。

4 ．使用布爾檢索符號。布爾檢索符號包括 AND （檢索結(jié)果必須含有所有用 AND 連接起來的關(guān)鍵字）， OR （檢索結(jié)果必須至少含有一個用 OR 連接起來的關(guān)鍵字）， NOT （檢索結(jié)果不能含有緊接在 NOT 后面的關(guān)鍵字）和()（表示要求檢索結(jié)果含有所有輸入的關(guān)鍵字）。這些符號必須大寫，而且前后要有一個空格。如果你使用了布爾檢索式， Excite 檢索引擎會自動停止概念分析的檢索功能，而檢索到與關(guān)鍵字吻合的網(wǎng)頁。

以上介紹了幾個最常用的搜索引擎使用技巧及方法，相信通過上述的學(xué)習(xí)，絕大部分網(wǎng)蟲都能正確而且高效率的使用這些搜索引擎。參考資料：http://www.acms.com.cn/news/25/2005-10-29_35126.html

以上就是關(guān)于以下哪些是與搜索引擎相關(guān)的術(shù)語相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。