搜索引擎概述06682

《搜索引擎概述06682》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、搜索引擎概述 第一部分：搜索引擎发展史第二部分：搜索引擎原理第三部分：常用中英文搜索引擎指南第一部分：搜索引擎发展史　　1990年以前，没有任何人能搜索互联网。　　所有搜索引擎的祖先，是1990年由Montreal的McGillUniversity学生AlanEmtage、PeterDeutsch、BillWheelan发明的Archie(ArchieFAQ)。虽然当时WorldWideWeb还未出现，但网络中文件传输还是相当频繁的，由于大量的文件散布在各个分散的FTP主机中，查询起来非常不便，因此AlanEmtage等想到了开发一个可以用文件名查找文件的系统，于是便有了Archie

2、。Archie是第一个自动索引互联网上匿名FTP网站文件的程序，但它还不是真正的搜索引擎。Archie是一个可搜索的FTP文件名列表，用户必须输入精确的文件名搜索，然后Archie会告诉用户哪一个FTP地址可以下载该文件。　　由于Archie深受欢迎，受其启发，NevadaSystemComputingServices大学于1993年开发了一个Gopher（GopherFAQ）搜索工具Veronica（VeronicaFAQ）。Jughead是后来另一个Gopher搜索工具。　　Robot（机器人）一词对编程者有特殊的意义。ComputerRobot是指某个能以人类无法达到的速度不断

3、重复执行某项任务的自动程序。由于专门用于检索信息的Robot程序象蜘蛛(spider)一样在网络间爬来爬去，因此，搜索引擎的Robot程序被称为spider(SpiderFAQ)程序。世界上第一个Spider程序，是MITMatthewGray的WorldwideWebWanderer，用于追踪互联网发展规模。刚开始它只用来统计互联网上的服务器数量，后来则发展为也能够捕获网址（URL）。　　与Wanderer相对应，1993年10月MartijnKoster创建了ALIWEB（MartijnKosterAnnoucestheAvailabilityofAliweb），它相当于Arch

4、ie的HTTP版本。ALIWEB不使用网络搜寻Robot，如果网站主管们希望自己的网页被ALIWEB收录，需要自己提交每一个网页的简介索引信息，类似于后来大家熟知的Yahoo。　　随着互联网的迅速发展，使得检索所有新出现的网页变得越来越困难，因此，在Wanderer基础上，一些编程者将传统的Spider程序工作原理作了些改进。其设想是，既然所有网页都可能有连向其他网站的链接，那么从一个网站开始，跟踪所有网页上的所有链接，就有可能检索整个互联网。到1993年底，一些基于此原理的搜索引擎开始纷纷涌现，其中最负盛名的三个是：Scotland的JumpStation、Colorado大学Ol

5、iverMcBryan的TheWorldWideWebWorm（FirstMentionofMcBryan'sWorldWideWebWorm）、NASA的Repository-BasedSoftwareEngineering(RBSE)spider。JumpStation和WWWWorm只是以搜索工具在数据库中找到匹配信息的先后次序排列搜索结果，因此毫无信息关联度可言。而RBSE是第一个索引Html文件正文的搜索引擎，也是第一个在搜索结果排列中引入关键字串匹配程度概念的引擎。　　Excite的历史可以上溯到1993年2月，6个Stanford（斯坦福）大学生的想法是分析字词关系，以

6、对互联网上的大量信息作更有效的检索。到1993年中，这已是一个完全投资项目Architext，他们还发布了一个供webmasters在自己网站上使用的搜索软件版本，后来被叫做ExciteforWebServers。（注：Excite后来曾以概念搜索闻名，2002年5月，被Infospace收购的Excite停止自己的搜索引擎，改用元搜索引擎Dogpile）　　1994年1月，第一个既可搜索又可浏览的分类目录EINetGalaxy（TradewaveGalaxy）上线。除了网站搜索，它还支持Gopher和Telnet搜索。　　1994年4月，StanfordUniversity的两名博

7、士生，美籍华人JerryYang（杨致远）和DavidFilo共同创办了Yahoo（JerryYangAlertsaUsenetgrouptotheYahooDatabase，1996年的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。Wanderer只抓取URL，但URL信息含量太小，很多信息难以单靠URL说清楚，搜索效率很低。