搜索引擎是信息檢索（IR）系統(tǒng)的通俗叫法。雖然研究和開發(fā)人員看待IR系統(tǒng)的眼光更寬一些，但用戶想到它們更多的是根據(jù)他們期望系統(tǒng)能做的功能 — 即搜索網(wǎng)絡(luò)，或者企業(yè)內(nèi)部網(wǎng)，或者一個數(shù)據(jù)庫。

事實上用戶會更喜歡一個發(fā)現(xiàn)引擎，而不僅僅是一個搜索引擎。

搜索引擎匹配查詢到它們創(chuàng)建的索引上。這個索引包含每個文檔的單詞，和能指向文兒當(dāng)?shù)刂返闹羔槨＿@被叫做倒排索引文件【 inverted file】。一個搜索引擎或者IR系統(tǒng)包括四個基本的模塊：

一個文檔處理器

一個查詢處理器

一個搜索和匹配功能

一個排名能力

雖然用戶關(guān)注的點是“搜索”，但是搜索和匹配功能僅僅是這四個模塊里的其中之一。這四個模塊中的每一個都可能導(dǎo)致用戶在使用搜索引擎時獲得預(yù)期或意外的結(jié)果。

文檔處理器

文檔處理器準(zhǔn)備，處理和輸入用戶搜索的文檔，頁面或站點。文檔處理器執(zhí)行以下部分或全部步驟：

將文檔流規(guī)范化為預(yù)定義格式。

將文檔流分解為所需的可檢索單元。

隔離和元標(biāo)記每個子文檔塊。

標(biāo)識文檔中潛在的可索引元素。

刪除停用詞。

詞根化檢索詞。

提取索引條目。

計算權(quán)重。

創(chuàng)建并更新搜索引擎搜索的主要倒排索引文件，以便將查詢與文檔進行匹配。

第1-3步：預(yù)處理。 雖然是必不可少的步驟并且可能對影響搜索結(jié)果很重要，但前三個步驟只是簡單地標(biāo)準(zhǔn)化了各種來源或者處理各種網(wǎng)站時遇到的多種文件格式。這些步驟用于將所

總結(jié)

以上是生活随笔為你收集整理的扒一扒搜索引擎是如何工作的？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。