求真百科欢迎当事人提供第一手真实资料,洗刷冤屈,终结网路霸凌。

目录搜索引擎查看源代码讨论查看历史

事实揭露 揭密真相
跳转至: 导航搜索
目录搜索引擎

中文名: 目录搜索引擎

外文名: Directory search engine

应 用: 人工方式或半自动方式搜集信息

面向对象: 网站

本 质: 按目录分类的网站链接列表

目录搜索引擎是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。[1]


功能

目录搜索引擎虽然有搜索功能,但严格意义上不能称为真正的搜索引擎,只是按目录分类的网站链接列表而已。用户完全可以按照分类目录找到所需要的信息。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。


主要技术

一个搜索引擎由搜索器、索引器、检索器和用户接口等四个部分组成。


搜索器

搜索器的功能是在互联网中漫游,发现和搜集信息。它常常是一个计算机程序,日夜不停地运行。它要尽可能多、尽可能快地搜集各种类型的新信息,同时因为互联网上的信息更新很快,所以还要定期更新已经搜集过的旧信息,以避免死连接和无效连接。有两种搜集信息的策略:


● 从一个起始URL集合开始,顺着这些URL中的超链(Hyperlink),以宽度优先、深度优先或启发式方式循环地在互联网中发现信息。这些起始URL可以是任意的URL,但常常是一些非常流行、包含很多链接的站点(如雅虎)。


● 将Web空间按照域名IP地址或国家域名划分,每个搜索器负责一个子空间的穷尽搜索。


搜索器搜集的信息类型多种多样,包括HTML、XML、Newsgroup文章、FTP文件、字处理文档、多媒体信息。


搜索器的实现常常用分布式、并行计算技术,以提高信息发现和更新的速度。商业搜索引擎的信息发现可以达到每天几百万网页。


索引器

索引器的功能是理解搜索器所搜索的信息,从中抽取出索引项,用于表示文档以及生成文档库的索引表。


索引项有客观索引项和内容索引项两种:客观项与文档的语意内容无关,如作者名、URL、更新时间、编码、长度、链接流行度(Link Popularity)等等;内容索引项是用来反映文档内容的,如关键词及其权重、短语、单字等等。内容索引项可以分为单索引项和多索引项(或称短语索引项)两种。单索引项对于英文来讲是英语单词,比较容易提取,因为单词之间有天然的分隔符(空格);对于中文等连续书写的语言,必须进行词语的切分。


在搜索引擎中,一般要给单索引项赋与一个权值,以表示该索引项对文档的区分度,同时用来计算查询结果的相关度。使用的方法一般有统计法、信息论法和概率法。短语索引项的提取方法有统计法、概率法和语言学法。


索引表一般使用某种形式的倒排表(Inversion List),即由索引项查找相应的文档。索引表也可能要记录索引项在文档中出现的位置,以便检索器计算索引项之间的相邻或接近关系(proximity)。


索引器可以使用集中式索引算法或分布式索引算法。当数据量很大时,必须实现即时索引(Instant Indexing),否则不能够跟上信息量急剧增加的速度。索引算法对索引器的性能(如大规模峰值查询时的响应速度)有很大的影响。一个搜索引擎的有效性在很大程度上取决于索引的质量。


检索器

检索器的功能是根据用户的查询在索引库中快速检出文档,进行文档与查询的相关度评价,对将要输出的结果进行排序,并实现某种用户相关性反馈机制。


检索器常用的信息检索模型有集合理论模型、代数模型、概率模型和混合模型四种。


用户接口

用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。主要的目的是方便用户使用搜索引擎,高效率、多方式地从搜索引擎中得到有效、及时的信息。用户接口的设计和实现使用人机交互的理论和方法,以充分适应人类的思维习惯。 用户输入接口可 以分为简单接口和复杂接口两种。


简单接口只提供用户输入查询串的文本框;复杂接口可以让用户对查询进行限制,如逻辑运算(与、或、非;+、-)、相近关系(相邻、NEAR)、域名范围(如。edu、。com)、出现位置(如标题、内容)、信息时间、长度等等。一些公司和机构正在考虑制定查询选项的标准。


特点

首先,搜索引擎属于自动网站检索,而目录索引则完全依赖手工操作。用户提交网站后,目录编辑人员会亲自浏览你的网站,然后根据一套自定的评判标准甚至编辑人员的主观印象,决定是否接纳你的网站。


其次,搜索引擎收录网站时,只要网站本身没有违反有关的规则,一般都能登录成功。而目录索引对网站的要求则高得多,有时即使登录多次也不一定成功。尤其象Yahoo这样的超级索引,登录更是困难。


此外,在登录搜索引擎时,我们一般不用考虑网站的分类问题,而登录目录索引时则必须将网站放在一个最合适的目录(Directory)。


最后,搜索引擎中各网站的有关信息都是从用户网页中自动提取的,所以用户的角度看,我们拥有更多的自主权;而目录索引则要求必须手工另外填写网站信息,而且还有各种各样的限制。更有甚者,如果工作人员认为你提交网站的目录、网站信息不合适,他可以随时对其进行调整,当然事先是不会和你商量的。


目录索引,顾名思义就是将网站分门别类地存放在相应的目录中,因此用户在查询信息时,可选择关键词搜索,也可按分类目录逐层查找。如以关键词搜索,返回的结果跟搜索引擎一样,也是根据信息关联程度排列网站,只不过其中人为因素要多一些。如果按分层目录查找,某一目录中网站的排名则是由标题字母的先后顺序决定(也有例外)。


搜索引擎与目录搜索引擎有相互融合渗透的趋势。一些纯粹的全文搜索引擎也提供目录搜索,如Google就借用Open Directory目录提供分类查询。而像 Yahoo! 这些老牌目录索引则通过与Google等搜索引擎合作扩大搜索范围(注)。在默认搜索模式下,一些目录搜索引擎首先返回的是自己目录中匹配的网站,如国内搜狐新浪网易等;而另外一些则默认的是网页搜索,如Yahoo。


应用趋减

分类目录的信息有效性下降意味着其网络营销价值的降低,登录分类目录的网站难以获得有效的访问量。与技术型的搜索引擎自动收录网站、自动更新网站索引信息相比,网站信息不能及时更新正是分类目录的致命缺陷 。由于已经收录的网站信息无法自动更新,即使分类 目录中的一些网站已经关闭,或者域名被用于其他完全无关的领域,但显示在分类目录网站上的信息仍然是最初登录的内容。即使分类目录网站提供了用户自行修改网站信息的功能,但有些网站因关闭或者其他原因,通常也不会主动更新信息,因此结果造成分类目录网站信息有效性降低,使得用户查找信息非常不便,最终影响了分类目录作为网站推广方法的效果。


网络营销

1、通常只能收录网站首页(或者若干频道),而不能将大量网页都提交给分类目录;


2、网站一旦被收录将在一定时期内保持稳定,有些分类目录允许用户自行修改网站介绍等部分信息;


3、无法通过“搜索引擎优化”等手段提高网站在分类目录中的排名;


4、对于付费分类目录登录,通常需要交纳年度费用;


5、在高质量的分类目录登录,对于提高网站在搜索引擎检索结果中的排名有一定价值;


6、由于分类目录收录大量同类网站,并且多数用户更习惯于用搜索引擎直接检索,因此仅靠分类目录被用户发现的机会相对较小,难以 带来很高的访问量,通常还需要与其他网站推广手段共同使用。


参考来源