國內(nèi)搜索引擎大全（國內(nèi)搜索引擎大全網(wǎng)站）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于國內(nèi)搜索引擎大全的問題，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SEO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、所有的中文搜索引擎

• 2、十大搜索引擎是什么

• 3、目前常用的網(wǎng)絡(luò)搜索引擎有哪些

• 4、常用的搜索引擎有哪些？

一、所有的中文搜索引擎

7大中文頂尖搜索引擎排名

百度更新速度慢：也許這就是百度引擎特性中其一的特定特色。門坎貌似挺高，但卻不然，那只是新站沒有掌握把握好百度關(guān)建詞排名的優(yōu)化特性。

引擎名稱：★★★★

騰訊搜搜更新速度在所有搜索引擎里屬第一，技術(shù)也不賴，頁面正常清析。因?yàn)楝F(xiàn)代株多網(wǎng)民習(xí)慣性愛查找查看新出爐的東西，所以騰迅搜搜使用率直升，有望成為中文搜索引擎的第一巨頭。

引擎名稱：★★★

谷歌引擎，搜索技術(shù)渾厚，但因自身服務(wù)器的因素，網(wǎng)民使用指數(shù)會大跌。

引擎名稱：★★★

搜狗引擎，搜業(yè)的新星，不可渺視，網(wǎng)民使用率在上升。

引擎名稱：★★

雅虎引擎，老網(wǎng)民使用指數(shù)保持原地，新網(wǎng)民使用指數(shù)緩慢。

引擎名稱：★★★★

有道引擎，網(wǎng)民使用指數(shù)在上升，走勢挺好。

引擎名稱：★★★★

必應(yīng)引擎，網(wǎng)民使用指數(shù)在上升，前景不錯。

引擎名稱：★★★★★。

百度搜索將在今后三年內(nèi)處于正常高峰。

騰訊搜搜將在今后三年越過谷搜，使用走勢不遜百度。

搜狗，有道，必應(yīng)，步伐也不慢，大有搶頭之勢。

雅虎好象變老了，反應(yīng)顯得有點(diǎn)遲鈍了。

谷歌，由于自身本來的技術(shù)廣源。約下滑一個階位。

常用使用印象排名：

1，百度，2，騰訊搜搜，3，必應(yīng)4，搜狗，5，有道，6，雅虎，7，谷歌。

二、十大搜索引擎是什么

全球十大搜索引擎 Google 全球最大的 （機(jī)器）搜索引擎。主要搜索結(jié)果將列入AOL, Netscape, iwon和Go. Google在對網(wǎng)站進(jìn)行排名時不僅衡量關(guān)鍵詞與頁面的匹配度，也考慮外部鏈接。某個網(wǎng)站擁有越多的外部鏈接，說明它越受歡迎。于是，Google將其作主要因素來考慮，并發(fā)明了PageRank來專門衡量該外部鏈接。>> Yahoo 世界最早的分類目錄，也是最大的門戶網(wǎng)站。它的搜索結(jié)果最初來自于Google，后采用Inktomi（已被雅虎收購）提供的結(jié)果。Yahoo現(xiàn)在開發(fā)了自己的搜索技術(shù)，稱為Yahoo Search Technology (YST)。搜索結(jié)果個數(shù)與Google相當(dāng)，>> 更多 MSN 錄屬于微軟 公司。MSN提供的Hotmail和MSN Message極受歡迎。但MSN沒有自己的搜索引擎，一直采用其他搜索引擎的結(jié)果。比如，MSN主要搜索結(jié)果來自于Inktomi，競價廣告原由LookSmart提供，但于2004年初改由Overture提供。 AOL 即美國在線，是美國也是世界上最早的門戶網(wǎng)站之一，幾年前已與時代公司合并，成為美國在線-時代華納公司。AOL目前的主營業(yè)務(wù)是ISP。其搜索結(jié)果 全部來自于Google 提供。也就是說，有良好的Google排名也有良好的AOL排名。 Lycos 西班牙公司，全稱為Terry Lycos，是全世界最早的搜索引擎之一。但目前，Lycos已放棄自己開發(fā)的搜索技術(shù)，而主要搜索結(jié)果來自于Alltheweb。另外，其競價排名結(jié)果來自于Google的右側(cè)廣告。 Ask Jeeves 規(guī)模不大，但很有特色的搜索搜索。Ask是DirectHit的母公司，于2001年收購Teoma搜索引擎，并全部采用其搜索結(jié)果。奇怪的是，Ask的競價排名結(jié)果卻仍然來自于Google的右側(cè)廣告。 Overture 最早的付費(fèi)搜索引擎（競價排名搜索引擎）。搜索結(jié)果被Yahoo, MSN等采用。Overture收購了Google的對手Inktomi后被Yahoo收購，是Google AdWords目前最大的競爭對手。 如何在Overture做競價排名廣告 MrDou 即豆子先生公司，MrDou最初被廣大用戶認(rèn)知是因?yàn)樗囊魳匪阉鳌２⑷坎捎闷渌阉鹘Y(jié)果。有證據(jù)表明，MrDou正在開發(fā)一種叫做"MrDou Hot"的自己的搜索引擎 >> AltaVista 全世界最古老的搜索引擎之一，中國網(wǎng)民很難訪問。該搜索引擎已于2003年被Yahoo收購。同時被Yahoo收購的還有AllTheWeb。 微迪認(rèn)為，AltaVista不久可能銷聲匿跡，因?yàn)閅ahoo并沒有采用AltaVista、Alltheweb或者Inktomi的搜索結(jié)果，而是重新開發(fā)全新的搜索技術(shù)。 Inktomi 不向終端用戶開放，只對搜索引擎提供搜索結(jié)果。于2003年被Overture收購（Overture后又被Yahoo收購）。在2004年Yahoo開發(fā)自己全新的搜索引擎技術(shù)之前，Inktomi還是全球第二大搜索引擎，其搜索結(jié)果被Hotbot, MSN等著名的網(wǎng)站采用。 國內(nèi)十大主流的搜索引擎 1，百度。全球最大的中文搜索引擎。擁有自己的核心技術(shù)--超鏈接分析技術(shù)。通過分析的鏈接的多少和質(zhì)量來評價被鏈接網(wǎng)站的網(wǎng)站質(zhì)量。這保證了用戶在百度搜索的時候，越受歡迎的網(wǎng)站排名越前。所以我想讓廣州seo的網(wǎng)站排名好的話，增加多點(diǎn)高質(zhì)量帶網(wǎng)站關(guān)鍵字鏈接："廣州網(wǎng)站優(yōu)化""廣州網(wǎng)站推廣"。作為最大的中文搜索引擎，對網(wǎng)頁的收錄數(shù)量，收錄速度，收錄范圍自然最具優(yōu)勢的。另外遍布全國各地的服務(wù)器，也能以最快的速度，將用戶所要尋找的信息展示給用戶。另外百度是非常符合中國人的使用習(xí)慣的。為中文用戶度身定做百度深刻理解中文用戶搜索習(xí)慣，開發(fā)出關(guān)鍵詞自動提示：用戶輸入拼音，就能獲得中文關(guān)鍵詞正確提示。 百度還開發(fā)出中文搜索自動糾錯；如果用戶誤輸入錯別字，可以自動給出正確關(guān)鍵詞提示。百度還有其它多項(xiàng)體貼普通用戶的功能，包括相關(guān)搜索、中文人名識別、簡繁體中文自動轉(zhuǎn)換、網(wǎng)頁預(yù)覽等。 百度已增加了專業(yè)的MP3搜索、Flash搜索、新聞搜索、信息快遞搜索，并正在快速發(fā)展其它用戶喜歡的搜索功能。百度搜索引擎，將發(fā)展為最全面的搜索引擎，為所有中文用戶打開互聯(lián)網(wǎng)之門。另外 www.xy539.com 的“廣州百度推廣”排名還不錯。 2、谷歌。谷歌雖然已經(jīng)推出中國大陸，但是還是有一定數(shù)量的用戶。這里只是提一句，谷歌自創(chuàng)的“pagerank”技術(shù)目前認(rèn)識很多站長評價網(wǎng)站的一種重要標(biāo)準(zhǔn)，雖然有傳言說谷歌要取消pr值。 3、中國雅虎。中國雅虎開創(chuàng)性地將全球領(lǐng)先的互聯(lián)網(wǎng)技術(shù)與中國本地運(yùn)營相結(jié)合，成為中國互聯(lián)網(wǎng)界位居前列的搜索引擎社區(qū)與資訊服務(wù)提供商。中國雅虎一直致力于以創(chuàng)新、人性、全面的網(wǎng)絡(luò)應(yīng)用，為億萬中文用戶帶來最大價值的生活體驗(yàn)，成為中國互聯(lián)網(wǎng)的“生活引擎”。 4、搜狗。 搜狗搜索是由國內(nèi)著名的門戶網(wǎng)站搜狐SOHU.COM運(yùn)作的，搜狐是國內(nèi)最早提供搜索服務(wù)的站點(diǎn)。互聯(lián)網(wǎng)概念在國內(nèi)的普及，搜狐功不可沒。在2001年年初由CNAZ（中文網(wǎng)站評估認(rèn)證網(wǎng)）舉辦的搜索引擎網(wǎng)絡(luò)專項(xiàng)功能排名調(diào)查中，搜狐名列第一。搜狗設(shè)有獨(dú)立的目錄索引，并采用百度搜索引擎技術(shù)，提供網(wǎng)站、網(wǎng)頁、類目、新聞、黃頁、中文網(wǎng)址、軟件等多項(xiàng)搜索選擇。搜狐搜索范圍以中文網(wǎng)站為主，支持中文域名。 5、中搜。 中國搜索聯(lián)盟成立于2002年9月，由中國互聯(lián)網(wǎng)新聞中心、慧聰國際共同發(fā)起的一個以搜索引擎應(yīng)用為核心的開放型聯(lián)合體，聯(lián)盟號召各成員網(wǎng)站使用共同的搜索引擎，通過搜索引擎技術(shù)應(yīng)用尋求共同有效的經(jīng)營模式，整合優(yōu)勢資源真正實(shí)現(xiàn)資源共通共享，進(jìn)而推動各成員的網(wǎng)站發(fā)展。 6、騰訊搜搜。搜搜的主要優(yōu)勢在于他有龐大的即時通訊客戶，可以用qq號碼直接登錄搜搜進(jìn)行問答等一些列活動，所以搜搜推出之始就有1.5億用戶了。另外搜搜更加注重年輕網(wǎng)民的需要。 7、有道搜索。 自2007年7月，網(wǎng)易搜索正式由網(wǎng)易自主研發(fā)的“有道搜索”提供服務(wù)，希望提供給用戶更多樣的產(chǎn)品，更創(chuàng)新的體驗(yàn)，更優(yōu)質(zhì)的服務(wù)。 8、新浪愛問。“愛問iAsk”是新浪完全自主研發(fā)的搜索產(chǎn)品，采用了目前最為領(lǐng)先的智慧型互動搜索技術(shù)，充分體現(xiàn)人性化應(yīng)用的產(chǎn)品理念，為廣大網(wǎng)民提供全新搜索服務(wù)。作為首個中文智慧型互動搜索引擎，“愛問”突破了由GOOGLE、百度為代表的算法致勝的搜索模式。 9、bing，中文反映“必應(yīng)”，有求必應(yīng)之意。2009年正式在中國開放。是微軟取代live search的搜索引擎。 10、tom搜索引擎，主要提供網(wǎng)頁，網(wǎng)站，圖片，mp3，新聞搜索，以及其他網(wǎng)頁的搜索服務(wù)。

三、目前常用的網(wǎng)絡(luò)搜索引擎有哪些

1、百度搜索

百度搜索是2000年1月由李彥宏、徐勇兩人創(chuàng)立于北京中關(guān)村，致力于向人們提供“簡單，可依賴”的信息獲取方式。 “百度”二字源于中國宋朝詞人辛棄疾的《青玉案》詩句：“眾里尋他千百度”，象征著百度對中文信息檢索技術(shù)的執(zhí)著追求。

2、360綜合搜索

屬于元搜索引擎，是通過一個統(tǒng)一的用戶界面幫助用戶在多個搜索引擎中選擇和利用合適的搜索引擎來實(shí)現(xiàn)檢索操作，是對分布于網(wǎng)絡(luò)的多種檢索工具的全局控制機(jī)制。而360搜索+，屬于全文搜索引擎，是奇虎360公司開發(fā)的基于機(jī)器學(xué)習(xí)技術(shù)的第三代搜索引擎，具備“自學(xué)習(xí)、自進(jìn)化”能力和發(fā)現(xiàn)用戶最需要的搜索結(jié)果。

3、搜狗搜索引擎

是搜狐公司強(qiáng)力打造的第三代互動式搜索引擎，憑借搜狐公司強(qiáng)大的技術(shù)實(shí)力，“搜狗”搜索引擎將使您的網(wǎng)站用戶不離開您的網(wǎng)站就可以體驗(yàn)到一流的全球互聯(lián)網(wǎng)搜索結(jié)果，借助智能的“搜狗”搜索找到他們真正需要的信息。

4、中國搜索引擎

是盤古搜索和即刻搜索合并而成，是“搜索國家隊(duì)”重新整合后新推出的產(chǎn)品，和普通商業(yè)搜索相比增加國情、理論等垂直搜索內(nèi)容。

5、網(wǎng)易搜索引擎

2000年9月，網(wǎng)易正式推出了全中文搜索引擎服務(wù)，并擁有國內(nèi)唯一的互動型開放式目錄管理系統(tǒng)（ODP）。2004年6月底，網(wǎng)易搜索和全球領(lǐng)先的搜索技術(shù)提供商Google簽訂戰(zhàn)略合作協(xié)議，成為當(dāng)時國內(nèi)唯一采用Google網(wǎng)頁搜索技術(shù)的門戶網(wǎng)站。

四、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(shí)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?，F(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(fèi)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?yàn)橐蛱鼐W(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(xiàng)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(yùn)用超文本中的附加信息，建立一個大型實(shí)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(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)的代價高，升級慢，不能包括所有深奧的主題?；陉P(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?。▍⒖?.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?。▍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（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(shí)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(shí)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(diǎn)相關(guān)的文檔中選出幾十個，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。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(shí)用的系統(tǒng)。應(yīng)用對我們來說非常重要，因?yàn)楝F(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?yàn)樗鼈儧]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(shí)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(shí)驗(yàn)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(shí)驗(yàn)。 2. 系統(tǒng)特點(diǎn) Google搜索引擎有兩個重要特點(diǎn)，有助于得到高精度的搜索結(jié)果。 第一點(diǎn)，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(diǎn)，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(fèi)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(diǎn)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(diǎn)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?yàn)樗兄谒阉鞣俏谋拘畔ⅲ軌蛴蒙倭康囊严螺d文檔擴(kuò)大搜索范圍。我們大量應(yīng)用鏈接描述文字，因?yàn)樗兄谔岣咚阉鹘Y(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?yàn)楸仨毺幚泶罅康臄?shù)據(jù)。現(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(diǎn)除了PageRank和應(yīng)用鏈接描述文字外，Google還有一些其它特點(diǎn)。 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)。”雖然在搜索引擎的某些特點(diǎn)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(shí)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(diǎn)。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?yàn)檫@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(diǎn) 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(yù)，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(shí)上，向Web上傳信息沒有任何限制。靈活利用這點(diǎn)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?yàn)榫W(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(shí)現(xiàn)的，既可以在Solaris也可以在Linux上運(yùn)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(diǎn)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(xiàng)。 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(yàn)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(yàn)和與相應(yīng)docID的列表，按校驗(yàn)和排序。要想知道某個URL的docID，需要計算URL的校驗(yàn)和，然后在校驗(yàn)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(xiàng)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(fèi)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)。現(xiàn)在實(shí)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?，F(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(shí)際只用7個值，因?yàn)?11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。

以上就是關(guān)于國內(nèi)搜索引擎大全相關(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。

推薦閱讀：

國產(chǎn)鋼琴排行榜（國內(nèi)鋼琴品牌排行榜）

國內(nèi)奶粉銷量排行榜（國內(nèi)奶粉銷量排行榜前十位）

國內(nèi)鋰電池廠家排行榜（國內(nèi)鋰電池廠家排行榜最新）

射手網(wǎng)關(guān)閉字幕怎么下載

如何快速尋找借貸客戶（如何快速尋找借貸客戶電話）