定义

工作原理

搜索引擎的分类

未来发展

定义

搜索引擎指自动从Internet搜集信息，经过一定整理以后，提供给用户进行查询的系统。因特网上的信息浩瀚万千，而且毫无秩序，所有的信息象汪洋上的一个个小岛，网页链接是这些小岛之间纵横交错的桥梁，而搜索引擎，则为用户绘制一幅一目了然的信息地图，供用户随时查阅。它可以根据你提供的题目、内容、关键字等在整个网络或指定范围内检索到相关的网点名称、URL地址和摘要等信息。搜索引擎本身存在于提供这一引擎的公司网点上，比如说百度、谷歌（google）等。

工作原理

搜索引擎的工作原理大致可以分为：

搜集信息：搜索引擎的信息搜集基本都是自动的。搜索引擎利用称为网络蜘蛛的自动搜索机器人程序来连上每一个网页上的超链接。机器人程序根据网页链到其中的超链接，就象日常生活中所说的“一传十，十传百……”一样，从少数几个网页开始，连到数据库上所有到其他网页的链接。理论上，若网页上有适当的超链接，机器人便可以遍历绝大部分网页。

整理信息：搜索引擎整理信息的过程称为“建立索引”。搜索引擎不仅要保存搜集起来的信息，还要将它们按照一定的规则进行编排。这样，搜索引擎根本不用重新翻查它所有保存的信息而迅速找到所要的资料。想象一下，如果信息是不按任何规则地随意堆放在搜索引擎的数据库中，那么它每次找资料都得把整个资料库完全翻查一遍，如此一来再快的计算机系统也没有用。

接受查询：用户向搜索引擎发出查询，搜索引擎接受查询并向用户返回资料。搜索引擎每时每刻都要接到来自大量用户的几乎是同时发出的查询，它按照每个用户的要求检查自己的索引，在极短时间内找到用户需要的资料，并返回给用户。目前，搜索引擎返回主要是以网页链接的形式提供的，这样通过这些链接，用户便能到达含有自己所需资料的网页。通常搜索引擎会在这些链接下提供一小段来自这些网页的摘要信息以帮助用户判断此网页是否含有自己需要的内容。

整理信息及接受查询的过程，大量应用了文本检索技术，并根据网络超文本的特点，引入了更多的信息。

搜索引擎的分类

搜索引擎按照方式可以分为三种，分别是“全文搜索引擎”、“目录搜索引擎”及“元搜索引擎”

全文搜索引擎全文搜索引擎是名副其实的搜素引擎，国外最具代表性的全文搜索引擎有Google、Yahoo、AllTheWeb、AltaVista、Inktomi等，而国内比较著名的百度等。它们都是通过从互联网上提取各网站的信息（以网页文字为主）而建立数据库，再从这个数据库中检索与用户查询条件匹配的相关记录，最后把这些记录按照一定的排列返回给用户。从搜索结果来源的角度，全文搜索引擎拥有自己的检索程序（Indexer），俗称“蜘蛛”（Spider） 程序或“机器人”(Robot)程序，并自建网页数据库，搜索结果直接从自身的数据库中调用。

目录搜索引擎目录搜索引擎居然具备搜索引擎功能，但严格地说并不是搜索引擎，仅仅是按照类别向用户展示相关列表的普通网站而已。目录搜索引擎中具有代表性的莫过于雅虎了(Yahoo通过轮番的并购和持续的研发，已经跻身顶尖全文搜索引擎行列)，其它还有ODP（即DMOZ）、LookSmart、About等。元搜索引擎

元搜索引擎在接受用户查询请求时，同事在其他多个引擎上进行搜索，并将结果返回给用户，著名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等。在搜索结果排列方面，有的直接按照来源排列搜索结果，如Dogpile；有的则按自定的规格讲结果重新排列组合，如vivisimo。

未来发展

搜索引擎已成为一个新的研究、开发领域。因为它要用到信息检索、人工智能、计算机网络、分布式处理、数据库、数据挖掘、数字图书馆、自然语言处理等多领域的理论和技术，所以具有综合性和挑战性。又由于搜索引擎有大量的用户，有很好的经济价值，所以引起了世界各国计算机科学界和信息产业界的高度关注，目前的研究、开发十分活跃，并出现了很多值得注意的动向。

1.十分注意提高信息查询结果的精度，提高检索的有效性　用户在搜索引擎上进行信息查询时，并不十分关注返回结果的多少，而是看结果是否和自己的需求吻合。对于一个查询，传统的搜索引擎动辄返回几十万、几百万篇文档，用户不得不在结果中筛选。解决查询结果过多的现象目前出现了几种方法：一是通过各种方法获得用户没有在查询语句中表达出来的真正用途，包括使用智能代理跟踪用户检索行为，分析用户模型；使用相关度反馈机制，使用户告诉搜索引擎哪些文档和自己的需求相关（及其相关的程度），哪些不相关，通过多次交互逐步求精。二是用正文分类（text categorization）技术将结果分类，使用可视化技术显示分类结构，用户可以只浏览自己感兴趣的类别。三是进行站点类聚或内容类聚，减少信息的总量。

2.基于智能代理的信息过滤和个性化服务　信息智能代理是另外一种利用互联网信息的机制。它使用自动获得的领域模型（如web知识、信息处理、与用户兴趣相关的信息资源、领域组织结构）、用户模型（如用户背景、兴趣、行为、风格）知识进行信息搜集、索引、过滤（包括兴趣过滤和不良信息过滤），并自动地将用户感兴趣的、对用户有用的信息提交给用户。智能代理具有不断学习、适应信息和用户兴趣动态变化的能力，从而提供个性化的服务。智能代理可以在用户端进行，也可以在服务器端运行。

3.采用分布式体系结构提高系统规模和性能　搜索引擎的实现可以采用集中式体系结构和分布式体系结构，两种方法各有千秋。但当系统规模到达一定程度（如网页数达到亿级）时，必然要采用某种分布式方法，以提高系统性能。搜索引擎的各个组成部分，除了用户接口之外，都可以进行分布：搜索器可以在多台机器上相互合作、相互分工进行信息发现，以提高信息发现和更新速度；索引器可以将索引分布在不同的机器上，以减小索引对机器的要求；检索器可以在不同的机器上进行文档的并行检索，以提高检索的速度和性能。

4.重视交叉语言检索的研究和开发　交叉语言信息检索是指用户用母语提交查询，搜索引擎在多种语言的数据库中进行信息检索，返回能够回答用户问题的所有语言的文档。如果再加上机器翻译，返回结果可以用母语显示。该技术目前还处于初步研究阶段，主要的困难在于语言之间在表达方式和语义对应上的不确定性。但对于经济全球化、互联网跨越国界的今天，无疑具有很重要的意义。