网络信息检索一基础与搜索引擎教案

《网络信息检索一基础与搜索引擎教案》由会员分享，可在线阅读，更多相关《网络信息检索一基础与搜索引擎教案（54页珍藏版）》请在装配图网上搜索。

1、网络信息检索一基础与搜索引擎 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望信息检索能力的三个层次信息检索能力的三个层次1.知道在哪里能找到信息（了解不同的信息源）2.能从信息源中检索出合适的信息（课题分析和检索技术）3.能对检索结果进行评价和分析（选择、综合利用）2网络社会网络社会 在现在的网络信息环境下，网络信息资源是我们学习、工作、生活中利用率最高的信息资源之一。对网络信息资源的利用是终身学习的需要，也是个人信息素养中的重要内容。相对与本馆纸质文献信息资源和

2、数字资源的检索利用，其对人的影响更为深远。所以在本课程中不仅仅介绍网络信息资源及其利用，还对网络融入生活、网络融入学习与方面的内容做了介绍。3聚沙成塔：网摘工具聚沙成塔：网摘工具-收集网页信息，收集网页信息，v天天网摘：http:/ 认识认识IP地址地址v人们为了通信的方便给每一台计算机都事先分配一个类似我们日常生活中的电话号码一样的标识地址，称作网络协议地址，是分配给主机的一个32位地址，由4个字节组成。分为动态IP地址和静态IP地址两种。动态IP地址指的是每次连线所取得的地址不同，而静态IP地址是指每次连线均为同样固定的地址。如在图书馆无线上网就是动态IP地址，每次所取得的地址不同。v静态

3、地址如学校网站的IP10.80.96.202通常一经设定，变动较少。81.2 网络地址和网络地址和认识认识域名域名v虽然可以通过IP地址来访问每一台主机，但是要记住那么多枯燥的数字串显然是非常困难的，为此，Internet提供了域名(DomainName）。v域名也由若干部分组成，各部分之间用小数点分开，例如我校主机的域名是：“”。v域名前加上传输协议信息及主机类型信息就构成了网址(URL），例如我校www主机的URL就是：“http:/”。v通常，进行网络访问时，域名的www可以省略。如http:/ 网络地址网络地址-网址网址-URLv网络地址是URL（UniformResourceLoca

4、tor）的俗称，一般由三个部分构成，各个部分如下：服务器标识符通过选择服务器标识符能够确定将要访问的服务器的类型，URL中的服务器标识符可以有HTTP:/、FTP:/、GOPHER:/、TELNET:/、NWES:/等等类型，分别指定为采用超文本传输协议连接、采用文件传输协议连接、与GOPHER服务器连接、与TELNET会话连接、与USENET新闻组相连接。信息资源地址信息资源地址是由两部分构成的，一是机器名称，如是用来指示资源所存在的机器，另一个是通信端口号，如HTTP的标准端口号为80，TELNET的标准端口号为23，FTP的标准端口号为21等等。路径名路径名是给出资源在所在机器上的完整文

5、件名.v如：http:/ 域名与网络信息资源有什么关系？域名与网络信息资源有什么关系？由于Internet最初是在美国发源的，因此最早的域名并无国家标识，人们按用途把它们分为几个大类，它们分别以不同的后缀结尾：随着Internet向全世界的发展，除了edu、gov、mil、一般只在美国专用外，另外三个大类com、org、net则成为全世界通用，因此这三大类域名通常称为国际域名。ac代表科研机构由于国际域名资源有限，各个国家、地区在域名最后加上了国家标识段，由此形成了各个国家、地区自己的国内域名，如：中国的商业.org.hk香港的组织.net.jp日本的网络对网络信息资源的获取与评价有参考作用.

6、com 商业公司.org 组织、协会等.net 网络服务.edu 教育机构.gov.政府部门.mil 军事领域11全世界为美国打工全世界为美国打工 v目前，全世界共有13台根服务器，其中10台在美国，而且2台由美军使用，1台由美国国家航空航天局使用。也就是说，每天世界各地的电子邮件有很多要先由美国人“过目”之后才能去它该去的地方。此外，美国私营公司掌握着全世界互联网域名的分配大权。假如美国与日本的关系急剧恶化，只要美国通过技术手段删去日本的域名“.jp”，日本马上就会成为“网上孤岛”，无法通过网络与外界联系。全世界的网络用户都要向美国支付费用，“全世界都在为美国打工”。v中国已经建成了世界第一

7、个同时也是规模最大的纯IPv6网12更多更多vwwwwww指的是什么？指的是什么？即是万维网(WWW-World Wide Web)：是基于超文件的、方便用户在因特网上搜索和浏览信息的信息服务系统。它将位于全世界因特网上不同地点的相关数据信息有机地纺织在一起。媒体形式可以是文本、图片、动画、声音等，可以跳转，“网上冲浪”。v浏览浏览webweb信息的网络浏览器有哪些信息的网络浏览器有哪些?微软IE(Internet Explorer)遨游(maxthon)火狐(FireFox)网景(Netscape)腾讯TT浏览器13更多更多v在以后的上机和课余时间，欢迎就更多的计算机基础知识和网络话题进行探

8、讨，我很乐意同大家一起学习。v今后的社会，网络是一个基本要素，它将对社会经济、科技教育、国防乃至政治产生决定性的影响142 网络信息资源概念、类型、特点网络信息资源概念、类型、特点2.1 概念概念网络信息资源网络信息资源是指信息资源以电子数据的形式存放在非印刷型的介质中，并通过网络通信手段，在计算机等终端上再现的信息的总和。152.2 网络信息资源的类型网络信息资源的类型按信息内容的表现形式和内容划分可分为按信息内容的表现形式和内容划分可分为按信息内容的表现形式和内容划分可分为按信息内容的表现形式和内容划分可分为v全文型信息全文型信息：它指直接在网上发行的电子期刊，网上报纸，印刷型期刊的电子版

9、，网络学院的各类教材，政府出版物，标准全文等；v事实型信息事实型信息：天气预报，节目预告，火车车次，飞机航班，城市或景点介绍，工程实况、IP地址等；v数值型信息数值型信息：主要是指各种统计数据；v数据库类信息数据库类信息：如DIALOG，万方等，是传统数据库的网络化；v微信息（微信息（web2.0特征）特征）：如博客、播客，BBS，聊天，邮件讨论组，网络新闻组等。v其它类型其它类型：投资行情和分析，图形图象，影视广告等。16按所采用的网络传输协议可分为按所采用的网络传输协议可分为vWWW网络资源网络资源：因特网信息资源的主流，它使用http协议，使用简单，功能强大，能方便迅速的浏览和传递分布于

10、网络各处的文字、图象、声音和多媒体超文本信息。vFTP信息资源信息资源：它使用ftp协议，该协议主要用语连网计算机之间传输文件。FTP相当于在网络上两个主机之间复制文件。目前仍是发布、传递软件和长文件的主要方法。vTELNET信息资源信息资源：telnet是远程登陆协议。telnet信息资源包括硬件资源硬件资源和软件资源软件资源。许多机构都提供远程登陆的信息系统，如图书馆的公共目录系统，信息服务机构的综合信息系统等。v用户服务组资源用户服务组资源：包括新闻组，电子邮件组等。这些电子通信组形式所传递和交流的信息资源是网络上最自由、最具有开放性的资源。news172.3 网络信息资源的特点网络信息

11、资源的特点v复杂性：网络信息资源具有大数量、多类型、多媒体、非规范、跨时间、跨地域、跨行业、多语种等特点。v在很大程度上网络的增长和信息资源的动态快速增加是由用户驱动的，但缺乏有效的统一管理机制，信息安全和信息质量的不均衡性。v信息分布和构成缺乏结构和组织，信息源不仅分散无序，而且其更跌和消亡也往往无法预测，因此增大了信息资源管理和利用的难度。v信息发布具有很大的自由性和任意性，隐私型信息进入了公共信息传播渠道；由于缺乏必要的过滤、质量控制和管理机制，不仅学术信息、商业信息，政府信息、个人信息、不合适（反动、黄色）的信息混为一体，质量良莠不齐。增加了信息识别和利用的难度。30个月全球网站数量翻

12、一番总数已突破1亿大关【2006年11月03日】18续续v正式出版物和非正式信息交流交织在一起，使传统的人类信息交流链的格局被打破，各方在网络上既可以是信息的生产者、发布者，也可以是传播者和使用者，对学术交流环境和信息利用产生了深刻的影响。v网络营造了“地球村”，既极大地促进了人类信息资源的共享，又带来了一些意想不到的问题，如文化冲突、信息侵略、信息威慑等。v使用成本低v共享程度高v是信息资源的宝库193 网络信息资源的评价与选择网络信息资源的评价与选择相同内容的信息资源的载体形态或利用、获取的方式不同，可以根据需要选择。网络信息资源的评价与选择主要是针对信息源。网络信息资源的评价与选择主要是

13、针对信息源。v内容因素。内容是评价与选择的核心和重点，从中可以反映网络信息资源的本质。评价网络信息资源的内容因素主要有：权威性、完备性、可靠性、原创性、新颖性、稳定性等。v形式因素。形式指标反映了外部特征以及操作使用等方面，是为提示内容服务的，主要包括：美观性、条理性、查检性、帮助性、快捷性、低耗性等。v定量的评价：Google的pagerank，星数评价等级。20权威性权威性v在本学科领域具有一定的影响、具有较高的学术水平、具有较高的知名度；Google网页级别评价作为重要的指标，非独特性资源网页级别需3/10以上。v主要关注如下问题：所采集的网站（页）的主办者是否为有声誉的大学、学会/协会

14、、实验室？网站是否通过权威评价机构评价过？所选的站点是否被多个internet站点链接？网站是由某公司、机构还是某领域的著名的权威或专家赞助？信息提供者的教育背景和职业背景及其研究方向？责任者有知名的出版物吗？信息是否经过过滤？信息是否经同行评议过？资源是否由相关的权威推荐？是否有与权威机构的页面的共同链接？出版社是否知名和有声望？出版社是否是公认的出版界的权威？出版社是否是大学的出版社？是否有任何原创作品？选择的资源与其它作品有相关性吗？21准确性准确性v信息资源需严肃正规、准确无误、完整规范。一方面是内容的准确性，另一方面是格式和链接的准确性。对资源的导航需能正常访问。v主要考虑所选网站（

15、页）提供的信息是否准确？是否提供了信息的来源和出处以备用户进一步核查；网页引证的书目或提供的参考能否证实信息的准确性？页面的句法和拼写是否准确？有否排印错误？提供的信息是否完整规范？22稳定性稳定性v信息资源需有较长的稳定期或有稳定运行的保障机制。v主要看所选网站（页）提供信息的时间、更新频率、最近的修改日期，链接速度，断线率等。是否能持续提供给用户使用？23可获得性可获得性v信息资源揭示信息的层次中，至少一个能无障碍地获得。主要要考虑的是题名信息还是文摘信息或全文信息?是否有对信息结论的阐述标准？是否给出了表明信息内容的关键词或主题词？希望在该网页上找到何种信息？主题的涵盖面是否全？索引或目

16、次页是否隐含了综合性的内容？是否免费？是否注册？是否国际流量？是否符合标准？是否有其它格式或镜像?某种类型的信息有使用期限制吗？访问资源的方式是否依赖用户使用的设备？是否需要专门软件（如浏览器）？是否有方便的导航？是否容易链接所需的信息？是否有清晰的链接标签？是否能分别打印页面和文献的某一部分？是否能发送到电子邮箱？是否提供多种检索方式？检索信息的效率如何？244 网络信息检索工具v当已经知道地址时直接通过地址访问。v当不知道地址的时候，需要借助检索工具4.1搜索引擎4.2网络资源目录4.3信息门户4.4搜索软件254.1 搜索引擎搜索引擎P41v搜索引擎指自动从因特网搜集信息，经过一定整理以

17、后，提供给用户进行查询的系统。获取更多定义：define:搜索引擎v“机器人”工作机理起始URL-分析页面-URL-新页面26都有哪些搜索引擎都有哪些搜索引擎v中文搜索引擎指南网搜网：http:/ 水平门户_综合搜索引擎中文中文常用搜索引擎中文常用搜索引擎v百度中文搜索引擎：http:/ 水平门户_综合搜索引擎英文国外英文常用搜索引擎国外英文常用搜索引擎vGoogle以搜索精度高、速度快成为最受欢迎的搜索引擎，是目前搜索界的领军人物。vFast/AllTheWeb总部位于挪威的搜索引擎后起之秀，风头直逼google。vAltaVista曾经的搜索引擎巨人，目前仍被认为是最好的搜索引擎之一。vO

18、verture最著名的搜索引擎广告商，竞价排名的始作俑者，也是全文搜索引擎。vLycos发源于西班牙的搜索引擎，网络遍布世界各地。vHotBot隶属于LycosNetworks，搜索结果来自其他搜索引擎及目录索引。294.1.2 垂直搜索引擎v垂直搜索引擎：即专业或专用搜索引擎，它专门用来检索某一主题范围或某一类型信息,追求专业性与服务深度是它的特点。v垂直搜索引擎不但可保证此领域信息的收录齐全与更新及时,而且检索深度和分类细化远远优于综合搜索引擎。垂直搜索引擎的检出结果虽可能较综合搜索引擎少,但检出结果重复率低、相关性强、查准率高，适合于满足较具体的、针对性强的检索要求。目前已经涉及到购物，

19、旅游，汽车，工作，房产，交友等行业。30垂直搜索引擎举例：垂直搜索引擎举例：1 找工作的搜索引擎：http:/ Search 比价购物搜索引擎：http:/ http:/ http:/ 人脉搜索引擎：http:/ https:/ 论坛搜索引擎：http:/ 综合搜索引擎的专门化趋势综合搜索引擎的专门化趋势v搜狗(Sogou)人物、音乐、购物、图片、地图http:/ Searching|Computer Search Engines Domain Searching|Financial Search Engines Government Search|Invisible Web Legal Se

20、arch Engines|Mailing Lists Medical Search Engines|Newsgroup Search Science Search Engines|Shopping Search Travel Search Engines|WAP Search Engines 更多搜索引擎：更多搜索引擎：344.1.4 元搜索引擎元搜索引擎v元搜索引擎（matesearch）又称集合型搜索引擎，将多个单一搜索引擎集成在一起，提供统一的检索界面，将用户的检索提问一次搜索多个搜索引擎，并将结果返回给用户。有的直接按来源引擎排列搜索结果，如Dogpile，有的则按自定的规则将结果重新

21、排列组合。优点：能同时搜索多个搜索引擎，能在一定程度上提高查询的广度。缺点：因为有时后并不能对一个搜索引擎全部查完，有时后也会漏掉一些重要信息。35中文元搜索引擎中文元搜索引擎v早期的元搜索引擎metaFisher中文元搜索引擎http:/ 搜索引擎举例：搜索引擎举例：GOOGLEA.通用检索法则：关键词的选择是核心。Google的关键词检索，所使用的关键词可以是字、单词，也可以是短语、词组或句子。使用Google进行检索非常简单，只要在搜索框内输入一个关键字，然后点击下面的“Google搜索”按钮（或者直接回车），结果就出来了。单个关键字搜索得到的信息量巨大，会带出海量的不相关信息，通常检索

22、多是使用词语作为关键词。复杂课题检索，主题分析后就要进行正确选词。使用Google,不同关键词的选择,将决定检索结果排列不同，而且选词不准，无法发挥Google强大的检索功能，影响检索效率。Google搜索技巧2005http:/ 的经典歌曲“showmelove”输入：showmeloveinurl:mp3，直接找到这首歌的下载页面45C.利用inurl搜软件inurl:download，直接查找某个软件的下载页面，亦十分方便例：搜索firefox下载页面，输入：firefoxinurl:download，Google直接送上Mozilla的官方下载页面D：利用inurl当黑客inurl/i

23、ntitile/intext三个指令能够直接从网页结构来挖掘信息，很多被Google蜘蛛抓取的隐藏网页内容也无处遁形，从某种意义上，也为我们的“Google入侵”创造了条件。如：intitle:“indexofpasswd”，inurl:service.pwd467.allinanchor：搜索网页内部链接,即在页面的链接锚点进行搜索。8.link:搜索与该网页存在链接的网页,如:link:9.related:搜索类似网页的网页;如related:10.site:针对特定网站的搜索.如site:11.info用来显示与某链接相关的一系列搜索，提供cache、link、related和完全包含该

24、链接的网页的功能。12.时间段搜索,如公务员考试2005.20084713.搜索定义define:blog14.特定文档搜索filetype:pdffiletype:doc48更多功能更多功能vGoogle智能化的“手气不错”功能，提供可能最符合要求的网站；v高级搜索(如使用权限/)v汉语拼音自动转换功能v搜索词输入列表功能v利用一些特色服务，查询特殊的信息结果，例如：货币转换计算器股票查询英汉互译天气查询邮编区号手机号码定义49练习练习vGoogle有多少台服务器?v55种用Google找乐子的方法v网络搜索大赛资格选拔赛赛题504.2 网络资源目录v由人工采集网上信息,然后按照一定分类标准

25、,比如学科类型、主题等，建立网站分类目录，并将筛选后的信息分门别类放入各类目中供用户进行浏览。v优点：1.信息组织的专题性较强,满足族性检索要求;2.使用简单,只要选择相关类目,依照页面之间的超链接指引很快就能到达目的信息,适于检索不熟悉的领域或建议不熟悉网络的用户使用.v缺点：1.人工采集信息的收录范围小，更新慢；2.受主观因素影响,类目设置不够科学，缺少规范51v搜索引擎目录目录索引：新浪目录http:/ 信息门户信息门户v学科信息门户、政府信息门户、商业信息门户、公司信息门户学科信息门户列表v如导航库请用“学科导航库”在搜索引擎搜索534.4 搜索软件（工具）搜索软件（工具）v中华搜索宝http:/