A-A+

站内搜索引擎真伪鉴别

2008年12月24日 学习随笔 暂无评论 阅读 1 次
     有很多网站都在网页上加个“站内搜索引擎”、“搜索引擎”、“全文检索”等等相关字样。
     用户一用,结果发现,既不能多关键组合查询,也不能支持国际语法,甚至不能支持全文检索,就更别谈不支持相关性排序等真正的搜索引擎具备的功能了。这些搜索和真正的站内搜索引擎有和区别呢?
     真正的全文检索应具备 相关性排序技术分词索引功能。 如果需要进行互联网的信息抓取和采集那么还需要网络蜘蛛模块。 分词、索引、排序这是全文检索的基本和核心,缺一不可。全文检索至少需要具备中文分词、索引、相关性排序功能。
     所以简单考查一个站内搜索引擎的真伪只需要知道:能否实现相关性排序、国际标准的搜索语法、动态摘要、飘红、支持海量数据多并快速发查询、搜索耗时极短。
(当然这只是全文检索的基本内容,一个全文检索的搜索引擎的品质好坏还和相关的技术水平、各种技术的结合、产品的管理有很大关系。 评价全文检索的标准是用户体验度,今后我们会提供相关方面的内容)
常用的站内搜索技术比较:

  基于数据库的搜索 基于spider抓取的站内搜索 全文检索者站内搜索软件系统
原理 数据库搜索 通过Spider抓取网页,经html解析,分词,索引实现网页式站内搜索。 对数据库数据进行html解析、图片缩略,分词,索引,实现站内搜索。
检索效率 非常低下 消耗大量硬件资源 高效 高效
检索范围 无法完成全文检索(可以用sql的单字索引功能最简单的完成索引功能实现最低级的全文检索),只能进行标题检索。 数据库效率太低,无法开展各种附加功能。 网页检索 优点:不需要做各种工作,直接即可使用 缺点: 1.有大量的不必要的信息影响搜索结果的排序和显示的效果。严重影响精确度。 2.部分页面无法抓取到。 3.用户对搜索范围和内容以及体现的结果无法精确控制 标题+内容 基于内容分析的排序方法。基于内容分析排序是最佳的排序方法。 标题和内容可控制,搜索结果准确到位。 内容可控,用户可对搜索的内容范围和体现的结果进行精确的控制
检索语法 支持标准的国际搜索语法。 支持标准的国际搜索语法。
动态摘要 摘要内容不清晰各种垃圾信息过多 提供动态摘要,摘要清晰精确,便于用户快速寻找到需要的信息。
关键词飘红
内容的范围 可控制 不可有效控制,动态网页抓取效果不佳,没有链接的网页无法抓取,页面出现杂乱信息影响搜索结果。对于时间控制也无法做到精准,对于栏目的归属无法做到准确。 可有效控制,您可以把多个字段拆分合并,可以确定那些需要,哪些不需要。所有动态网页和没有链接的网页均可有效收入。 栏目控制精准。
图片缩略
同义词
相关性排序
其他 低效率低质量的平台无法开展增值服务 二次研发成本高 具有持续不断的升级能力和良好的售后服务。
成本 价格高 以产品形式运作,多家客户分摊成本,成本相对低廉。运维成本低。
维护成本  不大 维护量不大。 程序维护无须投入,但是需要进行一定量的内容维护。 经过简单培训即可胜任。

给我留言

Copyright © 浩然东方 保留所有权利.   Theme  Ality 07032740

用户登录