搜索引擎建立網頁索引，處理的對象是文本文件。對于搜索引擎爬蟲來說，抓取下來的網頁包括各種格式，如html、圖片、doc、pdf,多媒體、動態網頁及其他格式等。這些文件抓取下來后，需要把這些文件中的文本信息提取出來。準確提取這些文檔的信息，一方面對搜索
……[查看詳情]Robots協議是Web站點和搜索引擎爬蟲交互的一種方式，Robots.txt是存放在站點根目錄下的一個純文本文件。該文件可以指定搜索引擎爬蟲只抓取指定的內容，或者是禁止搜索引擎爬蟲抓取網站的部分或全部內容。當一個搜索引擎爬蟲訪問一個站點時，它會首先檢查該站
……[查看詳情]Robots協議是Web站點和搜索引擎爬蟲交互的一種方式，Robots.txt是存放在站點根目錄下的一個純文本文件。該文件可以指定搜索引擎爬蟲只抓取指定的內容，或者是禁止搜索引擎爬蟲抓取網站的部分或全部內容。當一個搜索引擎爬蟲訪問一個站點時，它會首先檢查該站
……[查看詳情]DMOZ是國外權威的目錄搜索引擎，DMOZ對于搜索引擎優化起到的作用一向被SEOer推崇。但是因為DMOZ收錄網站的時間過長，更新信息過慢，導致DMOZ所收錄的信息沒有及時呈現出來。DMOZ的中文類別的某些目錄，更是長期處于不更新狀態。 因為DMOZ是權威的目錄，它所
……[查看詳情]DMOZ是國外權威的目錄搜索引擎，DMOZ對于搜索引擎優化起到的作用一向被SEOer推崇。但是因為DMOZ收錄網站的時間過長，更新信息過慢，導致DMOZ所收錄的信息沒有及時呈現出來。DMOZ的中文類別的某些目錄，更是長期處于不更新狀態。 因為DMOZ是權威的目錄，它所
……[查看詳情]網絡資源數量巨大，種類多樣。任何搜索引擎要采集所有的網絡資源，既不可能，也沒有必要。如何根據鏈接結構及對網絡數據的分析確定適用的訪問策略，是信息采集的關鍵。常見的訪問策略包括常規遍歷算法和優化遍歷算法兩類。 常規遍歷形式，通常包括廣度優先算
……[查看詳情]網絡資源數量巨大，種類多樣。任何搜索引擎要采集所有的網絡資源，既不可能，也沒有必要。如何根據鏈接結構及對網絡數據的分析確定適用的訪問策略，是信息采集的關鍵。常見的訪問策略包括常規遍歷算法和優化遍歷算法兩類。 常規遍歷形式，通常包括廣度優先算
……[查看詳情]搜索引擎的一個突出問題是，關鍵詞搜索返回的網絡資源數量過多，用戶很難完整地瀏覽，研究發現，多數普通用戶在檢索時，只瀏覽前一、兩頁的網絡資源。因此如何在檢索結果提供時，將最符合檢索要求的資源在排列中靠前，成為提高檢準率的重要手段。針對這一情
……[查看詳情]搜索引擎的一個突出問題是，關鍵詞搜索返回的網絡資源數量過多，用戶很難完整地瀏覽，研究發現，多數普通用戶在檢索時，只瀏覽前一、兩頁的網絡資源。因此如何在檢索結果提供時，將最符合檢索要求的資源在排列中靠前，成為提高檢準率的重要手段。針對這一情
……[查看詳情]搜索引擎如何鑒別鏡像網站 有一個客戶向思億歐咨詢說，2個同類型的站，產品一樣，主題風格一樣，不一樣的是結果，不同的系統生成靜態。谷歌會如何分出重要的那個網站？ 從內容上判斷 判斷某個網站內容的豐富性、權威性、更新頻率等。哪一個網站的內容比另外
……[查看詳情]搜索引擎如何鑒別鏡像網站 有一個客戶向思億歐咨詢說，2個同類型的站，產品一樣，主題風格一樣，不一樣的是結果，不同的系統生成靜態。谷歌會如何分出重要的那個網站？ 從內容上判斷 判斷某個網站內容的豐富性、權威性、更新頻率等。哪一個網站的內容比另外
……[查看詳情]雖然現代搜索引擎已經取得了很大的成功，但是我們也應當看到，現代搜索引擎仍然存在很多不足之處，主要表現為以下幾個方面： 首先，它缺乏信息收集和信息檢索的同步性。搜索引擎在檢索時依據的是利用爬蟲程序事先遍歷互聯網后得到的網頁索引信息，而由于遍歷
……[查看詳情]雖然現代搜索引擎已經取得了很大的成功，但是我們也應當看到，現代搜索引擎仍然存在很多不足之處，主要表現為以下幾個方面： 首先，它缺乏信息收集和信息檢索的同步性。搜索引擎在檢索時依據的是利用爬蟲程序事先遍歷互聯網后得到的網頁索引信息，而由于遍歷
……[查看詳情]不同的Web信息檢索系統在工作原理上各不一樣，下面就結合搜索引擎來具體說明一下一般Web信息檢索系統的特點。雖然各個搜索引擎的具體實現不盡相同，但一般包含爬蟲程序、分析程序、索引程序、檢索程序和用戶接口界面5個基本部分，而且大致的工作原理是相同的
……[查看詳情]不同的Web信息檢索系統在工作原理上各不一樣，下面就結合搜索引擎來具體說明一下一般Web信息檢索系統的特點。雖然各個搜索引擎的具體實現不盡相同，但一般包含爬蟲程序、分析程序、索引程序、檢索程序和用戶接口界面5個基本部分，而且大致的工作原理是相同的
……[查看詳情]
