第七讲 internet资源检索与利用

Contents 1 搜索引擎的概念及其工作原理 2 搜索引擎的分类 3 搜索引擎检索技巧 4 网络资源的评价

5.1搜索引擎的概念及工作原理 概念:（Search Engine）从广义上讲是用来对网络信息资源管理和检索的一系列软件，在Internet网上查找信息的工具或系统。

5.1搜索引擎工作原理 自动搜索程序如spider、robot等 抓取网页 在索引数据库中排序 建立索引数据库 输入关键词 提取网页信息 URL 抓取网页 在索引数据库中排序 建立索引数据库 对关键词进行标引 DB 输入关键词 检索程序在索引数据库中查找 将检索结果返回给用户

Google的工作过程：

搜索引擎的组成 ★ 搜索程序（如spider、crawler、robot，采集 新出现的信息） ★ 检索数据库，（记录标引和逻视软件采集的信息） ★ 检索代理（用来处理用户的检索请求）

5.2搜索引擎的分类： 根据工作方式 类型 特点 典型 目录式分类搜索引擎 将信息进行归类，适合那些希望了解某一方面信息但又没有明确目的的用户；查准率较高，查全率较低 Yahoo、Sohu、Open Directory 全文搜索引擎 能够对网页中的每个单字进行搜索；搜索范围较广，提供的信息多，但缺乏清晰的层次结构，重复链接比较多 Google、百度 元搜索引擎(Metasearch Engines) 调用独立搜索引擎的引擎 C4、Dogpile、 MetaFind 、SavvySearch 、MetaCrawler

5.31 基本语法 1)布尔逻辑: 逻辑”与”:AND.(注关键词之间的空格默认为逻辑与) 如:墨攻 AND 鸡犬不宁 逻辑”或”:OR, | (注:不可以用小写的or,否则被忽略) 如:墨攻 OR 鸡犬不宁 逻辑”非”:-(注:-前面有空格,后面没有空格;不用NOT或not,否则被作 为检索的一部分) 如:张艺谋 –大红灯笼高高挂 2)短语搜索: “to be or not to be” “beijing university of technology” 3)通配符:* 如:beijing * university 4)英文大小写不敏感

5.32 限定条件 1)link:含某个链接的网页如:link:http://www.bjut.edu.cn 2)site:域名中包 如:site:edu.cn 3)Intitle:标题搜索. 如:intitle:休斯顿火箭队 4)Intext:正文检索.如:intext:像素 600万 5)Inurl:搜索url.如: inurl:mp3 6)filetype:文件格式. 如:filetype:pdf

5.33搜索策略 选择合适的关键词 利用高级检索功能（包括布尔算符，限定文件类型、时间、语言等）

下面是一篇文章的题目：Compressive behavior of concrete at high strain rates 使检索目标具体化（“ ”） 下面是一篇文章的题目：Compressive behavior of concrete at high strain rates 试试以下两种不同的检索方法，体会一下两者的不同： 1） 2）

尝试不同的搜索方法和搜索引擎 例如：智能控制的翻译西班牙语

使用目录式搜索引擎 有目标范围，但是没有确定目标信息时适用

举例： 想了解“法国戛纳电影节”,目标较为具体,用全文式搜索引擎，快速而准确

想了解世界电影节的情况,具体有哪什么电影节并不清楚。 用目录式搜索引擎可以获得较多的提示。

一、从分类找到”电影”:

二、找到电影节

三、可以看到这么多电影节，挑你感兴趣的了解吧 不过，不一定所有的电影节都列在了这里，比如威尼斯电影节就没有，所以目录式搜索引擎搜索的范围还是有限的

如果用google直接搜索呢？我们来对比一下

用google搜索，结果多，但杂乱、结构不清晰，需要耐心地挑选一阵子

帮助文件对学习搜索引擎有很大的好处

帮助文件对学习搜索引擎有很大的好处

学术搜索引擎: 学术搜索引擎对网上的信息进行了过滤,更适合搜索学术文章. http://scholar.google.com

相当于逻辑”与” 精确检索 相当于逻辑”或” 相当于逻辑”非” 限制项

其他设置

图书 搜索结果 在参考文献中找到 全文(一般为PDF格式)

http://www.scirus.com/

高级搜索

其他设置

检索结果

帮助系统

识别从网上得到的信息: 网页来源(有时可判断出该网页出自哪个国家,什么机构) 内容大小 网页更新日期

统一资源定位器(URL：Uniform Resource Locator)： 协议类型/服务器名/文件路径 http:// 超文本传输协议 ftp:// 文件传输协议 telnet:// 计算机远程登陆方式 gopher://　 wais:// news://　

协议类型/服务器名/文件路径 域名: 计算机在internet上的名字，标识团体、组织或个人在internet上的地址 常见的标明组织机构类型的“一级域名”： .com --商业机构（commercial organizations）地址 .edu --教育（education）及研究机构地址 .gov --政府机构（government agencies）地址 .net --主要网络服务机构地址 .org --专业团体组织（organizations） .mil --用于军事领域 新出的域名： .aero -- 航空运输业 .museum -- 博物馆的专用顶级域名 .coop -- 商业合作社 .biz --可以替代.com的通用顶级域名，适用于商业公司 .info --可以替代.com的通用顶级域名，适用于提供信息服务的企业

国家代码： .cn - China .au - Australia .cl - Chile .br - Brazil .de - Germany .ca - Canada .eg - Egypt .ch - Switzerland .jp - Japan .mx - Mexico .nl - Netherlands .nz - New Zealand .uk - United Kingdom

如：http://www.bjut.edu.cn/department/odp/aycg.htm 北京工业大学 教育机构 中国 文档路径 超文本传输协议 北京工业大学的服务器 文档路径 教育机构 中国 北京工业大学

推荐学习网址：中文搜索引擎指南网 http://www.sowang.com

通过图书馆主页可免费访问的网络整合资源有：本校网络资源导航

国家科技图书文献中心整合资源

网络资源的评价 作者: 作者具有撰写这一主题文章的专业水平吗？ 出版年代:这篇文献所包含的信息是最新的吗？ 出版者:是什么样的机构?执行什么样的出版政策?出版目的? 他人对文章的评论:对于你查到的这些资料，人们是怎么评论的呢? 内容:你所找的资料适合你的研究吗？这篇文献对你的研究有多大参考价值呢？