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(shí)不斷有毫無經(jīng)驗(yàn)的新用戶來體驗(yàn)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(jià)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(gè)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(gè)大型搜索引擎不謀而合。
1.1網(wǎng)絡(luò)搜索引擎—升級換代（scalingup）：
1994-2000搜索引擎技術(shù)不得不快速升級（scaledramatically）跟上成倍增長的web數(shù)量。1994年，第一個(gè)Web搜索引擎，WorldWideWebWorm(WWWW)可以檢索到110，000個(gè)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(gè)網(wǎng)絡(luò)文件（來自SearchEngineWatch）?？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(shí)，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，WorldWideWebWorm平均每天收到1500個(gè)查詢。在1997年11月，Altavista聲稱它每天要處理大約20′000′000個(gè)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(gè)查詢。我們系統(tǒng)的設(shè)計(jì)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)（scalingsearchenginetechnology），把它升級到如此大量的數(shù)據(jù)上。
1.2Google：
跟上Web的步伐（ScalingwiththeWeb）建立一個(gè)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（keepthemuptodate）。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(gè)查詢（hundredstothousandspersecond.）。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(gè)值得注意的因素，如磁盤的尋道時(shí)間（diskseektime），操作系統(tǒng)的效率（operatingsystemrobustness）。在設(shè)計(jì)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(jì)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(jià)盡可能的?。▍⒖几戒汢）。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（scalingproperties）。
1.3設(shè)計(jì)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（acompletesearchindex）可以使查找任何數(shù)據(jù)都變得容易。根據(jù)BestoftheWeb1994—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(shí)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(shí)索引的完整性不是評價(jià)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Junkresult”中。實(shí)際上，到1997年11月為止，四大商業(yè)搜索引擎中只有一個(gè)能夠找到它自己（搜索自己名字時(shí)返回的前十個(gè)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(gè)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(gè)搜索結(jié)果。因此，當(dāng)集合增大時(shí)，我們就需要工具使結(jié)果精確（在返回的前幾十個(gè)結(jié)果中，有關(guān)文檔的數(shù)量）。由于是從成千上萬個(gè)有點(diǎn)相關(guān)的文檔中選出幾十個(gè)，實(shí)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(jià)。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)）。

當(dāng)前名稱：網(wǎng)站優(yōu)化之Google搜索引擎原理
轉(zhuǎn)載注明：http://www.kartarina.com/news13/33663.html

網(wǎng)站建設(shè)、網(wǎng)絡(luò)推廣公司-創(chuàng)新互聯(lián)，是專注品牌與效果的網(wǎng)站制作，網(wǎng)絡(luò)營銷seo公司；服務(wù)項(xiàng)目有Google等

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)