资源简介

(共19张PPT)
互联网搜索新发展
第三单元 便捷的互联网服务
目录
CONTENTS
行业PPT模板http://www./hangye/
了解搜索引擎的工作原理。
知道搜索引擎的简单工作过程。
了解网络爬虫等自动化技术给搜索带来的影响。
01
02
03
准备读书节线上活动需要收集资料，但是自行在庞大的网络世界中获取信息，无异于大海捞针。网络中有很多专门提供信息搜索服务的网站，它们被称为搜索引擎。
1. 为什么搜索引擎搜得那么快？
2. 搜索系统是如何完成搜索的？
3. 搜索引擎技术发生了哪些改变？
搜索引擎的工作思路
P
ART01
互联网上有难以计数的网站，搜索引擎需要从这些网站中寻找与关键词相匹配的网页，然后返回搜索结果，应该需要花费很长时间。但实际上，在搜索引擎中输入问题或关键词后，很快就能看到结果，为什么能搜得这么快？
搜索引擎的基本工作原理包括如下三个过程：首先在互联网中发现、搜集网页信息；同时对信息进行提取和组织建立索引库；再由检索器根据用户输入的查询关键字，在索引库中快速检出文档，进行文档与查询的相关度评价，对将要输出的结果进行排序，并将查询结果返回给用户。
学习活动1
实验目的：熟悉搜索引擎的工作过程
实验条件：《简易搜索系统》软件、配套资源中的 Web文件夹
实验步骤：
1. 运行《简易搜索系统》软件，启动搜索服务，然后尝试用关键词“中国探月”进行搜索，查看搜索结果。
2. 把老师提供的 Web 文件夹复制到搜索服务软件所在的文件夹中。
3. 重新运行服务软件后，以“中国探月”为关键词进行搜索
4. 浏览一些网页，并把网页保存到 Web文件夹中。
5. 打开 Web 文件夹中的 pages.csv，记录网页文件的文件名和对应的网址。
6. 继续搜索，看看能否搜到刚刚保存的内容。
实验结论
1. 搜到的信息是（ □ 搜索前放进去的 □ 实时在网络中获取的）。
2. 网页数据都保存在：__________________________________
3. 网页文件跟实际网址的关系，保存在：______________________
4. 参照上图，当前网页排序用的算法是：____________________________________________________
5. 梳理搜索系统的结构组成，把下图补充完整。
A
E
D
C
B
√
Web文件夹
pages.csv
根据关键词出现的次数进行排序，次数越多越靠前
搜索系统的创新改进
P
ART02
通过人工操作来扩充搜索系统中的网页数据比较烦琐，有没有办法更高效地完成相关操作呢？如果让计算机替代人工操作，会极大提升工作效率。
例如，用网络爬虫自动获取相关网页以备查询
1. 输入一个网址后单击“启动网络爬虫”按钮，软件就会自动获取相应的网页
2. 覆盖之前的 spider.pyc 文件即可。覆盖后重新运行会发现，界面中多了与网络爬虫相关的组件
3. 输入要自动获取的网址后单击“启动网络爬虫”按钮，软件除了自动获取网址对应的网页，还会尝试依据该网页含有的超链接，再获取几个网页，并自动维护 pages.csv 文件。
4. 引导学生比较两次搜索的结果，观察变化。
5. 用自动化工具代替人工完成了烦琐的操作，提高了效率
拓
展
与
提
升
进一步创新改进搜索系统
1. 运行《分词测试》软件，输入一个短语进行分词，感受分词的效果。
2. 把 tokenizer.pyc 文件复制到搜索系统文件夹中，运行《简易搜索系统》软件，看看搜索结果的变化。
3. 搜索结果是根据关键词出现的次数进行排序的。请思考除了“关键词出现次数”这一指标，还有哪些指标可以让网页排序更精准？
拓
展
与
提
升
4. 参照图畅想一下，还有什么地方可以改进，然后交流讨论技术创新的推动作用。
感谢您的观看

展开更多......

收起↑