搜索引擎技术

互联网上的信息，在对信息进行组织和处理后，为用户提供检索服务的系统。

从使用者的角度看，搜索引擎提供一个包含搜索框的页面，在搜索框输入词语，通过浏览器提交给搜索引擎后，搜索引擎就会返回跟用户输入的内容相关的信息列表。

互联网发展早期，以雅虎为代表的网站分类目录查询非常流行。网站分类目录由人工整理维护，精选互联网上的优秀网站，并简要描述，分类放置到不同目录下。用户查询时，通过一层层的点击来查找自己想找的网站。也有人把这种基于目录的检索服务网站称为搜索引擎，但从严格意义上讲，它并不是搜索引擎。

网页中的超链接，连续地抓取网页。由于互联网中超链接的应用很普遍，理论上，从一定范围的网页出发，就能搜集到绝大多数的网页。

2、处理网页

搜索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引文件。其他还包括去除重复网页、分析超链接、计算网页的重要度。

3、提供检索服务

用户输入关键词进行检索，搜索引擎从索引数据库中找到匹配该关键词的网页；为了用户便于判断，除了网页标题和URL外，还会提供一段来自网页的摘要以及其他信息。

加拿大麦吉尔大学（University of McGill）计算机学院的师生开发出Archie。当时，万维网（World Wide Web）还没有出现，人们通过FTP来共享交流资源。Archie能定期搜集并分析FTP服务器上的文件名信息，提供查找分别在各个FTP主机中的文件。用户必须输入精确的文件名进行搜索，Archie告诉用户哪个FTP服务器能下载该文件。虽然Archie搜集的信息资源不是网页（HTML文件），但和搜索引擎的基本工作方式是一样的：自动搜集信息资源、建立索引、提供检索服务。所以，Archie被公认为现代搜索引擎的鼻祖。

http://my.yahoo.com），vivisimo的在结果中重新组织自己需要的信息，都是一种实验或者创想，短期内无法成为主流的搜索引擎应用产品。

斯坦福大学（Stanford University）的两名博士生，美籍华人Jerry Yang（杨致远）和David Filo共同创办了Yahoo。随着访问量和收录链接数的增长，Yahoo目录开始支持简单的数据库搜索。因为Yahoo！的数据是手工输入的，所以不能真正被归为搜索引擎，事实上只是一个可搜索的目录。雅虎于2002年12月23日收购inktomi，2003年7月14日收购包括Fast和Altavista在内的Overture，2003年11月，Yahoo全资收购3721公司。

1994年初，华盛顿大学（University of Washington ）的学生Brian Pinkerton开始了他的小项目WebCrawler。1994年4月20日，WebCrawler正式亮相时仅包含来自6000个服务器的内容。WebCrawler是互联网上第一个支持搜索文件全部文字的全文搜索引擎，在它之前，用户只能通过URL和摘要搜索，摘要一般来自人工评论或程序自动取正文的前100个字。

1994年7月，卡内基 梅隆大学（Carnegie Mellon University） 的Michael Mauldin将John Leavitt的spider程序接入到其索引程序中，创建了Lycos。除了相关性排序外，Lycos还提供了前缀匹配和字符相近限制，Lycos第一个在搜索结果中使用了网页自动摘要，而最大的优势还是它远胜过其它搜索引擎的数据量。

1994年底，Infoseek正式亮相。其友善的界面，大量的附加功能，使之和Lycos一样成为搜索引擎的重要代表。

1995年，一种新的搜索引擎形式出现了——元搜索引擎（A Meta Search Engine Roundup）。用户只需提交一次搜索请求，由元搜索引擎负责转换处理，提交给多个预先选定的独立搜索引擎，并将从各独立搜索引擎返回的所有查询结果，集中起来处理后再返回给用户。第一个元搜索引擎，是Washington大学硕士生 Eric Selberg 和 Oren Etzioni 的 Metacrawler。

1995年12月，DEC的正式发布AltaVista。AltaVista是第一个支持自然语言搜索的搜索引擎，第一个实现高级搜索语法的搜索引擎（如AND， OR， NOT等)。用户可以用AltaVista搜索新闻组（Newsgroups）的内容并从互联网上获得文章，还可以搜索图片名称中的文字、搜索Titles、搜索Java applets、搜索ActiveX objects。AltaVista也声称是第一个支持用户自己向网页索引库提交或删除URL的搜索引擎，并能在24小时内上线。AltaVista最有趣的新功能之一，是搜索有链接指向某个URL的所有网站。在面向用户的界面上，AltaVista也作了大量革新。它在搜索框区域下放了“tips”以帮助用户更好的表达搜索式，这些小tip经常更新，这样，在搜索过几次以后，用户会看到很多他们可能从来不知道的的有趣功能。这系列功能，逐渐被其它搜索引擎广泛采用。1997年，AltaVista发布了一个图形演示系统LiveTopics，帮助用户从成千上万的搜索结果中找到想要的。

1995年9月26日，加州伯克利分校助教Eric Brewer、博士生Paul Gauthier创立了Inktomi，1996年5月20日，Inktomi公司成立，强大的HotBot出现在世人面前。声称每天能抓取索引1千万页以上，所以有远超过其它搜索引擎的新内容。HotBot也大量运用cookie储存用户的个人搜索喜好设置。

1997年8月，Northernlight搜索引擎正式现身。它曾是拥有最大数据库的搜索引擎之一，它没有Stop Words，它有出色的Current News、7，100多出版物组成的Special Collection、良好的高级搜索语法，第一个支持对搜索结果进行简单的自动分类。

1998年10月之前，Google只是斯坦福大学（Stanford University）的一个小项目BackRub。1995年博士生Larry Page开始学习搜索引擎设计，于1997年9月15日注册了google.com的域名，1997年底，在Sergey Brin和Scott Hassan、Alan Steremberg的共同参与下，BachRub开始提供Demo。1999年2月，Google完成了从Alpha版到Beta版的蜕变。Google公司则把1998年9月27日认作自己的生日。Google以网页级别（Pagerank）为基础，判断网页的重要性，使得搜索结果的相关性大大增强。Google公司的奇客（Geek）文化氛围、不作恶（Don’t be evil）的理念，为Google赢得了极高的口碑和品牌美誉。2006年4月，Google宣布其中文名称“谷歌”，这是Google第一个在非英语国家起的名字。

Fast（Alltheweb）公司创立于1997年，是挪威科技大学(NTNU)学术研究的副产品。1999年5月，发布了自己的搜索引擎AllTheWeb。Fast创立的目标是做世界上最大和最快的搜索引擎，几年来庶几近之。Fast（Alltheweb）的网页搜索可利用ODP自动分类，支持Flash和pdf搜索，支持多语言搜索，还提供新闻搜索、图像搜索、视频、MP3、和FTP搜索，拥有极其强大的高级搜索功能。（2003年2月25日，Fast的互联网搜索部门被Overture收购）。

1996年8月，sohu公司成立，制作中文网站分类目录，曾有“出门找地图，上网找搜狐”的美誉。随着互联网网站的急剧增加，这种人工编辑的分类目录已经不适应。sohu于2004年8月独立域名的搜索网站“搜狗”，自称“第三代搜索引擎”。

Openfind 创立于1998年1月，其技术源自台湾中正大学吴升教授所领导的GAIS实验室。Openfind起先只做中文搜索引擎，鼎盛时期同时为三大著名门户新浪、奇摩、雅虎提供中文搜索引擎，但2000年后市场逐渐被Baidu和Google瓜分。2002年6月，Openfind重新发布基于GAIS30 Project的Openfind搜索引擎Beta版，推出多元排序(PolyRankTM)，宣布累计抓取网页35亿，开始进入英文搜索领域。

2000年1月，两位北大校友，超链分析专利发明人、前Infoseek资深工程师李彦宏与好友徐勇（加州伯克利分校博士后）在北京中关村创立了百度（Baidu）公司。2001年8月发布Baidu.com搜索引擎Beta版（此前Baidu只为其它门户网站搜狐新浪Tom等提供搜索引擎），2001年10月22日正式发布Baidu搜索引擎，专注于中文搜索。Baidu搜索引擎的其它特色包括：百度快照、网页预览/预览全部网页、相关搜索词、错别字纠正提示、mp3搜索、Flash搜索。2002年3月闪电计划（Blitzen Project）开始后，技术升级明显加快。后推出贴吧、知道、地图、国学、百科、文档、视频、博客等一系列产品，深受网民欢迎。2005年8月5日在纳斯达克上市，发行价为USD 27.00，代号为BIDU。开盘价USD 66.00，以USD 122.54收盘，涨幅353.85%，创下了5年以来美国股市上市新股当日涨幅最高纪录。

2003年12月23日，原慧聪搜索正式独立运做，成立了中国搜索。2004年2月，中国搜索发布桌面搜索引擎网络猪1.0，2006年3月中搜将网络猪更名为IG(Internet Gateway) 。

2005年6月，新浪正式推出自主研发的搜索引擎“爱问”。

竞价排名方式。

现在搜索引擎的主流商务模式（百度的竞价排名、Google的AdWords）都是在搜索结果页面放置广告，通过用户的点击向广告主收费。这种模式最早是比尔 格罗斯（Bill Gross）提出的。他于1998年6月创立GoTo公司（后于2001年9月更名为Overture），实施这种模式，取得了很大的成功，并且申请了专利。这种模式有两个特点，一是点击付费（Pay Per Click），用户不点击则广告主不用付费。二是竞价排序，根据广告主的付费多少排列结果。 2001年10月，Google推出AdWords，也采用点击付费和竞价的方式。2002年，Overture起诉Google侵犯了其专利。2004年8月，和Yahoo！（Yahoo！于2003年7月收购Overture）达成和解，向后者支付了270万普通股（合3亿美元不到）作为和解费。

AdSense是Google于2003年推出的一种新的广告方式。AdSense使各种规模的的第三方网页发布者进入Google庞大的广告商网络。Google在这些第三方网页放置跟网页内容相关的广告，当浏览者点击这些广告时，网页发布者能获得收入。AdSense在blogger中很受欢迎。同时，Google武断地删除一些帐号，引起部分人的不满。类似的广告方式，其他搜索引擎也先后推出。雅虎的广告方式是YPN(Yahoo Publisher Network)，YPN 除了可以在网页上显示与内容相关的广告以外，还可以通过在 RSS 订阅中来显示广告。微软的广告计划叫AdCenter。百度也推出主题推广。

索引器、检索器和用户接口四个部分组成。

①搜索器：其功能是在互联网中漫游，发现和搜集信息；

②索引器：其功能是理解搜索器所搜索到的信息，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；

③检索器：其功能是根据用户的查询在索引库中快速检索文档，进行相关度评价，对将要输出的结果排序，并能按用户的查询需求合理反馈信息；

④用户接口：其作用是接纳用户查询、显示查询结果、提供个性化查询项。

全文索引

全文搜索引擎是名副其实的搜索引擎，国外代表有Google，国内则有著名的百度搜索。它们从互联网提取各个网站的信息(以网页文字为主)，建立起数据库，并能检索与用户查询条件相匹配的记录，按一定的排列顺序返回结果。

根据搜索结果来源的不同，全文搜索引擎可分为两类，一类拥有自己的检索程序(Indexer)，俗称“蜘蛛”(Spider)程序或“机器人”(Robot)程序，能自建网页数据库，搜索结果直接从自身的数据库中调用，上面提到的Google和百度就属于此类；另一类则是租用其他搜索引擎的数据库，并按自定的格式排列搜索结果，如Lycos搜索引擎。

2.目录索引

目录索引虽然有搜索功能，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，不依靠关键词(Keywords)进行查询。目录索引中最具代表性的莫过于大名鼎鼎的Yahoo！、新浪分类目录搜索。

3.元搜索引擎

元搜索引擎(META Search Engine)接受用户查询请求后，同时在多个搜索引擎上搜索，并将结果返回给用户。著名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等，中文元搜索引擎中具代表性的是搜星搜索引擎。在搜索结果排列方面，有的直接按来源排列搜索结果，如Dogpile；有的则按自定的规则将结果重新排列组合，如Vivisimo。

其他非主流搜索引擎形式

(1)集合式搜索引擎:该搜索引擎类似元搜索引擎，区别在于它并非同时调用多个搜索引擎进行搜索，而是由用户从提供的若干搜索引擎中选择，如HotBot在2002年底推出的搜索引擎。

(2)门户搜索引擎:AOL Search、MSN Search等虽然提供搜索服务，但自身既没有分类目录也没有网页数据库，其搜索结果完全来自其他搜索引擎。

(3)免费链接列表(Free For All Links，简称FFA):一般只简单地滚动链接条目，少部分有简单的分类目录，不过规模要比Yahoo！等目录索引小很多。

http://www.baidu.com/ 2, 维基百科 http://www.wikipedia.com 3、雅虎 http://search.cn.yahoo.com/ 4、Google http://www.google.cn/ 5、网易搜索引擎 http://search.163.com/ 6、北京大学天网中英文搜索引擎 http://e.pku.edu.cn/ 7、搜狐搜索引擎 http://www.sogou.com/dir/ 8、新浪网 http://cha.iask.com/ 9、TOM搜索引擎 http://i.tom.com/ 10、21CN.COM http://search.21cn.com/ 11、飞客BT搜索引擎 http://bt.fkee.com/ 12、Souyo http://www.souyo.com/ 13、雅虎易搜 http://www.yisou.com/ 14、麦布搜索引擎 http://www.mybu.net/ 15、中华搜索 sou.china.com http://sou.china.com/ 16、酷亿 http://www.ku68.com 17、搜搜 http://www.soso.com/ 18、络龙医药化工搜索 http://www.lolong.com/ 19、易搜查http://yisoucha.com

http://www.google.com

2、Yahoo http://www.yahoo.com

3、Live http://www.live.com

4、SearchMash http://www.searchmash.com/

5、ASK http://www.ask.com

6、Search http://www.search.com

7、Ask Jeeves http://www.askjeeves.com

8、AllTheWeb.com http://www.alltheweb.com

9、AOL Search http://aolsearch.aol.com(internal) http://search.aol.com/(external)

10、HotBot http://www.hotbot.com

11、MSN Search http://search.msn.com

12、Teoma http://www.teoma.com

13、AltaVista http://www.altavista.com

14、Gigablast http://www.gigablast.com

15、LookSmart http://www.looksmart.com

16、Lycos http://www.lycos.com

17、Open Directory http://dmoz.org/

18、Netscape Search http://search.netscape.com

主要新闻搜索引擎

1、Google News http://news.google.com/

2、Yahoo News http://news.yahoo.com/

3、AllTheWeb News http://www.alltheweb.com/?cat=news

4、AltaVista News http://news.altavista.com/

5、Daypop http://www.daypop.com/

其它新闻搜索引擎

1、Ananova

http://www.ananova.com/

2、Columbia Newsblaster

http://www1.cs.columbia.edu/nlp/newsblaster/

3、Net2one

http://www.net2one.com/

4、Newsknife.com

http://www.newsknife.com

5、NewsNow

http://www.newsnow.co.uk/

6、NewsTrawler

http://www.newstrawler.com/

7、NewsTrove.com

http://www.newstrove.com/

8、Rocketinfo

http://www.rocketnews.com

9、World News Network

http://www.wn.com/

10、DailyEarth.com

http://dailyearth.com/

11、HeadlineSpot

http://www.headlinespot.com/

12、Kiosken

http://www.esperanto.se/kiosk/engindex.html

Blog 搜索引擎

1、Blogdex

http://blogdex.media.mit.edu/

2、Blogdigger

http://www.blogdigger.com/

3、Blogging Headline News

http://blogging-news.info

4、BlogStreet

http://www.blogstreet.com/

5、CRAYON (CReAte Your Own Newspaper)

http://www.crayon.net/

6、Fagan Finder: Weblogs, Journals, &RSS

http://www.faganfinder.com/blogs/

7、Feedster

http://www.feedster.com/

8、NewsIsFree

http://www.newsisfree.com

9、Syndic8.com

http://www.syndic8.com/

10、Technorati

http://www.technorati.com/

杂志、期刊搜索引擎

1、eLibrary

http://ask.elibrary.com/

2、FindArticles.com

http://www.findarticles.com/

3、MagPortal

http://www.magportal.com/

主要购物搜索引擎

1、BizRate

http://www.bizrate.com/

2、DealTime

http://www.dealtime.com

3、Froogle

http://www.froogle.com

4、Kelkoo

http://www.kelkoo.co.uk/

5、MSN Shopping

http://shopping.msn.com/

6、mySimon

http://www.mysimon.com/

7、NexTag

http://www.nextag.com/

8、PriceGrabber.com

http://www.pricegrabber.com/

9、Yahoo Shopping

http://shopping.yahoo.com/

其它购物搜索引擎

1、Buyer’s Index

http://www.buyersindex.com/

2、Dulance

http://www.dulance.com/

3、ePublicEye.com

http://www.epubliceye.com

4、PriceScan

http://www.pricescan.com/

专业搜索引擎

1、AddAll

http://www.addall.com/

2、CatalogCity.com

http://www.catalogcity.com/

3、Google Catalogs

http://catalogs.google.com/

4、Images/Audio/Video

5、AllTheWeb

http://www.alltheweb.com/

6、AltaVista

http://www.altavista.com/

7、Ditto (images only)

http://www.ditto.com/

8、Google Images (images only)

http://images.google.com

9、Kazaa Media Desktop (MP3 only)

http://www.kazaa.com/

10、Lycos Pictures and Sounds

http://multimedia.lycos.com/

11、MIDI Explorer (MIDI sound files only)

http://www.musicrobot.com/

12、The Music Finder (artists &songs, not files)

http://www.music-finder.net/

13、Picsearch (images only)

http://www.picsearch.com/

14、Singingfish (audio/video only)

http://www.singingfish.com/

Radio &TV Programs

15、SpeechBot

http://speechbot.research.compaq.com/

16、PublicRadioFan.Com

http://www.publicradiofan.com/

17、Radio-Locator

http://www.radio-locator.com/

18、TheFeedRoom

http://www.feedroom.com/

儿童搜索引擎

Ask Jeeves For Kids

http://www.ajkids.com/

Ask Jeeves For Kids

http://www.ajkids.com/

KidsClick!

http://www.kidsclick.org/

Yahooligans

http://www.yahooligans.com/

其它儿童搜索引擎及目录

1、Awesome Library

http://www.awesomelibrary.org/

2、Diddabdoo

http://www.dibdabdoo.com/

3、Education World

http://www.education-world.com/

4、Fact Monster

http://www.factmonster.com/

5、Family Source

http://www.family-source.co