中文搜索引擎数据库容量、响应速率和技术的比较研究

中文搜索引擎数据库容量、响应速率和技术的比较研究

1广域网检索技术的发展现状根据相关数据，2010年底，中国互联网用户达到4.57亿，排名世界第一。互联网已成为人们获取信息的最重要方式。但因特网上的信息浩如烟海,快速有效地查询信息是一项艰巨的任务,这个需求直接导致了广域网信息检索技术的快速发展,各类搜索引擎层出不穷。如何选择最符合需要的搜索引擎,通过其在因特网上找到我们所需要的信息,也是一个需要研究和解决的课题。基于这个目的,本文对目前因特网上市场占有率达前三甲的中文搜索引擎即百度、谷歌、搜狗作一个粗浅的比较,以期抛砖引玉,使现有的中文搜索引擎发展得更快更好。2大搜索引擎的特点比较搜索引擎优劣的指标有许多,这里我们暂且将搜索引擎的数据库容量、响应速率和核心技术作为比较指标,来研究一下三大搜索引擎各自的特点和特色。2.1志的第一要素网上信息量呈几何级数增长,为提高查全率,各搜索引擎都在努力扩大自己的数据库。作为搜索引擎,必须要有相当多的库容量才具有一定的代表性和实用性。可以说搜索引擎可搜索的数据库容量大小是搜索引擎质量标志的第一要素。虽然各搜索引擎对自己的数据库容量的具体数据是保密的,但我们还是可以用一些特殊的方法来对其数据库容量的大小进行一番比较。发端于2011年6月的“郭美美红十字会事件”在8月初达到了高潮,吸引着广大网民的眼球。因图片消耗数据库资源较多,同时相关数据库的积累还不庞大,所以可以用人工的方法来比较求证一下搜索引擎数据库容量的大小。笔者在8月5日用“王军中红博爱”作为关键词在三大搜索引擎上作图片搜索,结果谷歌显示了相关图片51700张,百度显示了相关图片656张,搜狗显示了相关图片260张。相关数据佐证了谷歌的数据库容量是最大的,百度的其次,搜狗的数据库容量则是最小的。2.2“现有网络地台”的信息分析所谓响应速率是指用户从检索词的输入到搜索引擎显示相关页面所用的时间及页面首页所显示的相关信息的数量。缪荃孙被称为中国近代图书馆之父。笔者分别在谷歌、百度、搜狗中输入关键词“中国近代图书馆之父”,结果谷歌出现了2190000条相关结果,用时0.19秒,首页出现了6条“缪荃孙”字样的相关网页信息;在百度出现了2060000条相关结果,用时数不祥,首页出现了4条“缪荃孙”字样的相关网页信息;在搜狗出现了62492条相关结果,用时0.075秒,首页出现了7条“缪荃孙”字样的相关信息。由于电脑网络硬件设备的更新换代,一般用户单次检索所花费的搜索时间都在1秒之内,但还是搜狗所用的时间最短,同时搜狗页面首页所显示的相关信息的数量也是最多。这可能与搜狗数据库容量较小,同时人工智能的算法参与较多有关。2.3超链分析技术核心技术是搜索引擎可持续发展的生命线,是区别于其它搜索引擎从而获得持续竞争优势的能力。从硬件到软件,各搜索引擎的核心技术不一而足,但最关键的还是网页搜索方面的核心技术。百度的核心技术是超链分析。超链分析技术是新一代搜索引擎的关键技术,百度总裁李彦宏就是超链分析专利的唯一持有人。超链分析就是通过分析链接网站的多少来评价被链接的网站质量,这保证了用户在百度搜索时,越受用户欢迎的内容排名越靠前。谷歌搜索技术所依托的软件可以同时进行一系列的运算,且只需片刻即可完成所有运算。谷歌使用PageRank技术检查整个网络链接结构,并确定哪些网页重要性最高,然后进行超文本匹配分析,以确定哪些网页与正在执行的特定搜索相关。在综合考虑整体重要性以及与特定查询的相关性之后,谷歌可以将最相关最可靠的搜索结果放在首位。PageRank技术使用网上反馈的综合信息来确定某个网页的重要性。搜索结果没有人工干预或操纵,这也是为什么谷歌会成为一个广受用户信赖、不受付费排名影响且公正客观的信息来源之重要原因。搜狗在产品研发的过程中追求技术创新。搜狗以一种人工智能的新算法,分析和理解用户可能的查询意图,对不同的搜索结果进行分类,对相同的搜索结果进行聚类,在用户查询和搜索引擎返回结果的人机交互过程中,引导用户快速准确定位自己所关注的内容。互联网搜索服务市场潜力巨大,但企业以液压手段为视角根据艾瑞公司最新研究数据显示,目前三大中文搜索引擎网页搜索请求量中,百度占有73.2%的市场份额,谷歌占有20.7%,而搜狗仅占有3.5%的市场份额。Google是中国搜索引擎市场的开拓者。凭借着Google的技术优势和品牌优势,谷歌在中国网民中拥有了很高知名度。但由于谷歌和中国政府有关部门对搜索引擎在网页搜索、新闻搜索、图片搜索等方面关于审查过滤概念的不同意见,2010年3月23日,谷歌将其搜索引擎的服务器搬到了香港。中国大陆用户用谷歌搜索引擎进行搜索时经常会出现访问速度变慢或暂时无法访问的情况,这也导致了谷歌在中国市场占有率的下降。百度恰如其分地抓住了中国互联网搜索服务市场的高增长周期,并针对中国市场特点进行了产品与服务创新,如“百度知道”“百度百科”等后续产品的开发使人们在网络资料的获取上增强了对百度的依赖度,从而取得中文搜索领域内占据主导地位的市场份额。当然,由于百度一度追求的竞价排名,也使它的品牌声誉有所下降。搜狗之所以能在搜索引擎市场上占有一定的市场份额,主要归功于搜狐号称是中国最大的门户网站所带来的大量的访问量,以及通过技术研发使其检索页面显示出的简洁与快捷。但要在搜索引擎市场上保持或占据更多的市场份额,搜狗还有更艰巨的路要走。互联网的高速发展,使得网上可以搜寻的网页变得愈来愈多,而网页内容的质量亦变得良莠不齐。人们在网上查询自己所需的信息资料也会变得越来越费时。