22
Chương I : TỔNG QUAN VỀ HỆ THỐNG SEARCH ENGINE 1. Khái niệm chung về bộ công cụ Search Engine 1.1. Khái niệm về Search Engine Search Engine là một công cụ thực hiện việc tìm kiếm và sắp xếp thông tin giúp người dung tìm kiếm thông tin cần thiết trên kho dữ liệu khổng lồ Internet . Các Search Engine phải đáp ứng được hai yêu cầu cơ bản : Thông tin mà các Search Engine tìm được phải thỏa mãn yêu cầu người dung và thời gian tìm kiếm phải ở mức có thể chấp nhận được . Người sử dụng luôn mong muốn ở các Search Engine những thông tin cần thiết không thật rõ ràng nhưng lại yêu cầu kết quả trả về các Search Engine là các thông tin mà mình mong muốn một cách chính xác nhanh chóng và có cấu trúc hợp lí . Do đó , các Search Engine ngày càng phát triển hơn, càng hoàn thiện hơn để đáp ứng các yêu cầu người dung . Các Search Engine được đánh giá theo các chuẩn sau : Hiệu quả trong việc định vị và phân loại các tài liệu định dạng web Phạm vi tìm kiếm

Chương 1 - Tổng Quan Về Search Engine

Embed Size (px)

DESCRIPTION

Hot

Citation preview

Chng I : TNG QUAN V H THNG SEARCH ENGINE1. Khi nim chung v b cng c Search Engine

1.1. Khi nim v Search EngineSearch Engine l mt cng c thc hin vic tm kim v sp xp thng tin gip ngi dung tm kim thng tin cn thit trn kho d liu khng l Internet . Cc Search Engine phi p ng c hai yu cu c bn : Thng tin m cc Search Engine tm c phi tha mn yu cu ngi dung v thi gian tm kim phi mc c th chp nhn c . Ngi s dng lun mong mun cc Search Engine nhng thng tin cn thit khng tht r rng nhng li yu cu kt qu tr v cc Search Engine l cc thng tin m mnh mong mun mt cch chnh xc nhanh chng v c cu trc hp l . Do , cc Search Engine ngy cng pht trin hn, cng hon thin hn p ng cc yu cu ngi dung . Cc Search Engine c nh gi theo cc chun sau : Hiu qu trong vic nh v v phn loi cc ti liu nh dng web Phm vi tm kim Cp nht c nhng thay i trn Internet kp thi Giao din thn thin vi ngi dung Kt qu tm kim c ngha v tin dng Giao din h thng ph hp vi ngi dung truy vn

1.2. Cu trc c bn ca Search EngineTrong thc t , cc Search Engine hin nay s dng kin trc c 2 thnh phn chnh : L giao din vi ngi dung gm giao din truy vn v b x l truy vn L b tm kim d liu web gm : b trnh duyt v b to ch mcCc thnh phn ny c th c thit lp tp trung mt ni hay phn tn ring l nhiu ni v c tn gi khc nhau nhng u c hu ht cc Search Engine.Kin trc c bn ca Search Engine :

Hnh : Kin trc ca mt Search EngineTy theo thit k ca tng Search Engine m vic t chc c s d liu ca chng c phc tp khc nhau v c chia thnh cc thnh phn khc nhau nhn chung mi Search Engine u c c s d liu nh sau : CSDL v cc URL CSDL v cc ti liu trc v sau khi chuyn i CSDL v d liu c to ch mc CSDL phc v cho cc mc ch c bit nh lp lch thu thp URL , cc t khng c to ch mc cc t ng ngha . Do cc Search Engine lm vic vi Internet nn c rt nhiu ngi c th truy xut cng lc v ng thi thc hin cc cng vic khc nhau. Th nn CSDL ca cc Search Engine cng nh cc chng trnh truy vn CSDL phi c thit k sao cho c th p ng c yu cu ny . Ngi ta s dng c ch phn chia d liu thnh cc phn nh tng tc truy vn . Cc t to ch mc c phn phi vo cc kho cha d liu khc nhau v cc kho ny c nh a ch nhm gip vi truy vn nhanh hn. Trong lc Search Engine thc hin vic tm kim , cng mt thi im c th c nhiu kho cha khc nhau truy vn .

2. Cc b phn cu thnh Search Engine2.1. B tm kim d liu web

2.1.1. B thu thp thng tin Robot ( Hay Crawler ) Robot l mt chng trnh t ng duyt qua cc cu trc siu lin kt thu thp ti liu & mt cch quy n nhn v tt c ti liu c lin kt vi ti liu ny. Robot c bit n di nhiu tn gi khc nhau : spider, web wanderer hoc web worm, Nhng tn gi ny i khi gy nhm ln, nh t spider, wanderer lm ngi ta ngh rng robot t n di chuyn v t worm lm ngi ta lin tng n virus. V bn cht robot ch l mt chng trnh duyt v thu thp thng tin t cc site theo ng giao thc web. Nhng trnh duyt thng thng khng c xem l robot do thiu tnh ch ng, chng ch duyt web khi c s tc ng ca con ngi.2.1.2. B lp ch mc Index H thng lp ch mc hay cn gi l h thng phn tch v x l d liu, thc hin vic phn tch, trch chn nhng thng tin cn thit (thng l cc t n , t ghp , cm t quan trng) t nhng d liu m robot thu thp c v t chc thnh c s d liu ring c th tm kim trn mt cch nhanh chng, hiu qu. H thng ch mc l danh sch cc t kho, ch r cc t kho no xut hin trang no, a ch no.2.1.3. B tm kim thng tin Search EngineSearch engine l cm t dng ch ton b h thng bao gm b thu thp thng tin, b lp ch mc & b tm kim thng tin. Cc b ny hot ng lin tc t lc khi ng h thng, chng ph thuc ln nhau v mt d liu nhng c lp vi nhau v mt hot ng. Search engine tng tc vi user thng qua giao din web, c nhim v tip nhn & tr v nhng ti liu tho yu cu ca user. Ni nm na, tm kim t l tm kim cc trang m nhng t trong cu truy vn (query) xut hin nhiu nht, ngoi tr stopword (cc t qu thng dng nh mo t a, an, the,). Mt t cng xut hin nhiu trong mt trang th trang cng c chn tr v cho ngi dng. V mt trang cha tt c cc t trong cu truy vn th tt hn l mt trang khng cha mt hoc mt s t. Ngy nay, hu ht cc search engine u h tr chc nng tm c bn v nng cao, tm t n, t ghp, cm t, danh t ring, hay gii hn phm vi tm kim nh trn mc, tiu , on vn bn gii thiu v trang web,.. Ngoi chin lc tm chnh xc theo t kho, cc search engine cn c gng hiu ngha thc s ca cu hi thng qua nhng cu ch do ngi dng cung cp. iu ny c th hin qua chc nng sa li chnh t, tm c nhng hnh thc bin i khc nhau ca mt t. V d : search engine s tm nhng t nh speaker, speaking, spoke khi ngi dng nhp vo t speak.2.2. Giao din vi ngi s dngSearch Engine l mt cng c tm kim , nn cc Search Engine cng khng th thiu phn giao din ngi dung. Do tnh c th ca Search Engine l lm vic trn Internet v lng thng tin trn Internet a dng v phong ph nn phn giao din ca Search Engine vi ngi dung phi c thit k thch hp . Giao din vi ngi dng khng ch lm vic tt vi cc module ca Search Engine m cn phi d s dng v t hiu qu trc quan cao . Phn ln ngi s dng tm kim thng tin trn Internet thng qua cc trnh duyt nn phn giao din nhn yu cu v giao din tr kt qu v thng thit k theo khun dng file *.html .C nhiu k thut c s dng nhn cc cu truy vn t ngi s dng .Chng c chia lm hai nhm chnh : Nhm c tng tc vi ngi s dng v nhm khng tng tc. Vi nhm c tng tc : Search Engine a ra cc cu hi n gin ngi s dng tr li . Thng thng ngi s dng tr li bng cch chn mt trong cc cu tr li nh sn nh : tm kim c phn bit ch hoa, ch thng khng ? Vi nhm khng tng tc : ngi s dng ch cn a thng tin v ra lnh tm kim .C nm k thut ch yu c s dng tr kt qu tm kim cho ngi s dng l : Hin th kt qu tm thy dng hyperlink : khi ngi s dng chn mt trong cc kt qu th trnh duyt s chuyn n a ch URL . Nu dng k thut ny th thng tin v kt qu s ngho nn v kh cho ngi s dng la chn nu c nhiu kt qu tr v . Hin th kt qu tr v ni dung mt hay nhiu dng vn bn tm thy trong ti liu : do kch thc hn ch ca mn hnh nn mi mn hnh thng hin th 10 kt qu . Ngi s dng phi dng cc thanh cun c cc trang tip theo . Hin th s lng kt qu tm thy : thng tin tr v ca cc Search Engine l s lng kt qu tm thy gip ngi s dng quyt nh c nn thu hp hay m rng phm vi tm kim hay khng ? Hin th mc tng t ca ti liu tm thy so vi yu cu tm kim : cho trc quan , tng t khng nhng c th hin qua nhng con s t l phn trm m cn th hin qua cc hnh nh i km . Hin th t kha tm thy trong ti liu : ngi s dng quyt nh c phi l ti liu mnh cn khng ? K thut ny rt hu dng trong trng hp a cc t kha khng chnh xc .Mt ni dung khng th thiu c trong giao din vi ngi s dng ca cc Search Engine l mc tr gip s dng . Do mi Search Engine c cu trc khc nhau nn vic h tr ngi s dng l cn thit , gip ngi s dng dng Search Engine , bit cch nhp vo chnh xc thng tin cn tm kim , gii hn hay m rng phm vi tm kim . Vic tr gip ny cung cp , hng dn ngi s dng dng cc tnh nng nng cao ca Search Engine .

3. C ch hot ng ca Search Engine

ng vi hai thnh phn chnh ca Search Engine l b Crawler v b Indexer, c ch hot ng c chia thnh hai hot ng c bn : th nht l hot ng thu nhp v phn loi thng tin . Th hai l hot ng to ch mc thng tin . u tin ngi qun tr cung cp mt hay nhiu a ch URL cc Web Crawler tm n my ch cha cc a ch ny ly trang web tng ng . Thng tin v cc URL mi cha trong trang web c lu tr vo c s d liu URL tm ra cc trang web mi . Nhng thng tin m ngi dng c th tm kim c chuyn sang phn Indexer . Ngoi cc URL trch lc t cc trang web, Search Engine cn cho php ngi qun tr cp nht thng tin v cc URL mi b sung vo c s d liu v cc URL .

Hnh : Xc nh cc URL mi t cc trang web c tng nng sut truy cp , cc Search Engine c th c nhiu Crawler hot ng theo c ch a lung. Nh k thut ny m nhiu a ch , nhiu site khc nhau c th truy cp ng thi theo chiu su . C ch truy cp theo chiu su : Web Crawler xc nh a ch ca mt site v truy cp ht cc trang ca site ny cho n khi khng th truy cp c na , sau mi sang site khc. C ch ny thng cho php cp nht v nhng lnh vc ca site m n truy cp. Tc truy cp ph thuc vo tc ng truyn v kh nng p ng ca site . C ch truy cp theo chiu rng : Web Crawler truy cp tt c cc trang Web c a ch trong trang hin thi . Cc a ch ny ph thuc vo nhiu site khc nhau .C ch ny cho php cc Search Engine c th truy cp thng tin b thay i mt cch nhanh chng, tri rng trn nhiu lnh vc, tc truy cp n nh.Cc ti liu thu c t cc Crawler s qua mt s bc x l nh chuyn i khun dng , lc b nhng thng tin d tha, phn loi ni dung . Chng c b Indexer to ch mc . D liu to ch mc c dng cho vic tm kim ti liu nhanh chng v chnh xc .Hnh v sau y m t c ch hot ng ca Search Engine :

Hnh : C ch hot ng ca Search Engine

4. Phn loi cc Search EngineHin nay c nhiu Search Engine c dng trn Internet . Mi Search Engine dng cc k thut tm kim khc nhau .Shi nanhi chia ra lm su loi cng ngh khc nhau l : hyperlink expiration , information retrieval , metsearches, sql approaches , content base multimedia searches v cc loi khc . y Search Engine chia lm hai loi chnh theo phng php tm kim l tm kim thng thng v siu tm kim .

4.1. Tm kim thng thngCc loi Search Engine phc v yu cu tm kim theo ng tng nguyn thy ca n tc l : thu nhp ti liu v phn loi , to ch mc. Chng gm hai loi : Search Engine s dng th mc ch . Search Engine phn loi v to ch mc t ng .

4.1.1. Cc Search Engine s dng th mc ch Cc th mc ch l mt hnh thc phn loi cc site trn Internet theo ch v theo cp hn ch . Cp ch thp thng l mt chuyn ngnh hay lnh vc rng . Cc ch cp cao hn l ch hp ca ch trn n . Cp ch cui cng s ch n ti liu theo kin ch quan ca ngi phn loi . Vic phn loi ny cho php ngi s dng chn mt ch truy cp v khi cc trang web hin th loi ch m ngi s dng chn . Ngi s dng tm kim thng tin m mnh cn bng cch chn mt ch no , sau i su vo ch n cp cao hn thu hp phm vi tm kim cho n khi thy ch ca mnh v cc ta liu trong ch . Do c to bi con ngi nn th mc ch thng chnh xc hn v c c s d liu nh hn c s d liu ca cc Search Engine s dng cng ngh t ng phn loi.4.1.2. Cc Search Engine phn loi v to ch mc ti liu t ngSau khi thu thp cc ti liu t cc trang web khc , da vo cc t kha tm thy trong ti liu v khung dng ti liu , cc Search Engine s phn loi ti liu v to ch mc mt cch t ng . Khi c mt yu cu tm kim , Search Engine s dng cng ngh tm kim trn file to ch mc xc nh ti liu c lin quan nht ti yu cu tr kt qu cho ngi s dng . Do c phn loi v to ch mc t ng nn thi gian tm kim trn cc Search Engine ny thng nhanh hn nhng kt qu tr v thng c chnh xc khng cao bng cch phn loi theo ch .

4.2. Siu tm kim Cng mt yu cu tm kim , nhng ta nhn thy rng cc Search Engine khc nhau tr v cc kt qu khc nhau , v cc thng tin , ti liu m mi Search Engine thu thp c khng hon ton ging nhau v c ch tm kim trn cc ti liu c nh ch mc ca chng cng khc nhau . Mi mt Search Engine c mt chin lc v tiu chun tm kim khc nhau . V vy tm kim c nhiu ti liu cn thit , chng ta phi tm kim trn nhiu Search Engine khc nhau . Khi chng ta phi mt nhiu thi gian tm hiu cch s dng Search Engine . khc phc cc nhc im trn ca cc Search Engine thng thng cc Metearch c to ra Metasearch cng l mt cng c tm kim trn Internet . Chng lm nhim v tm kim thng tin trn chnh cc Search Engine v trn cc Webn Directory ti cng mt thi im tm ra cc ti liu ph hp nht t tt cc cc ti liu tm c . Thc cht ca Metasearch l mt cng c chuyn i cu truy vn ca ngi s dng sang khun dng ph hp cho mi Search Engine chng c th tm kim c, sau tch hp cc kt qu tr v t cc Search Engine . 5. Mt s vn lin quan ti Search Engine5.1. Nhng tr ngi ca vic tm kim thng tin trn InternetC hai vn c t ra cho vic tm kim trn web l : d liu ca web v ngi dng s dng Search Engine. D liu web c nhng kh khn : Phn b d liu : d liu c phn b rng khp th gii . N c t cc ni khc nhau , trn mi h iu hnh v khng c mt nh dng chung . Tnh khng n nh ca d liu cao : cc ti liu c th c them vo hoc xa b mt cch d dng. Lu tr d liu : d liu tng theo hm m gy tr ngi cho vic lu tr S d tha v khng c cu trc d liu : cc thng tin a ln trang web khng nht thit dng siu vn bn , c rt nhiu kiu d liu vi cu trc khc nhau, nn khng th xem chng c cu trc chung . tin cy ca d liu : d liu cc trang web c th ng, c th sai , qu hn hoc ni dung ngho nn, cc ni dung ny khng m bo bi cc nh pht hnh. D liu khng ng nht : cc ti liu trn trang web c vit di nhiu nh dng khc nhau : video, hnh nh, vn bn ,. S tng tc gia ngi s dng v Search Engine Nhn thng tin truy vn d liu t d liu ngi s dng : ngi s dng nhp thng tin cn tm kim , cc Search Engine cn phi x l cc thng tin m ngi s dng yu cu tr v cc thng tin tm c lin quan n cu lnh truy vn . Tr v kt qu tm c : Search Engine cn phi tr v cc thng tin tm c trong mt khun dng thch hp ngi dng c th xc inh c ti liu mong mun. Cc Search Engine tt cn c th c nh gi v sp xp kt qu theo mt vi ch tiu no .

5.2. H thng tm kimCc Search Engine truyn thng tiu biu dng cc tp tin ch mc c xy dng trc c lu tr trn sever . Cc tp tin ch mc thc s ny lm cho qu trnh tm kim ca cc Search Engine rt hiu qu trong phn ln cc trang web, nhng kt qu tr v khng m bo rng vn cn c gi tr bi v cc trang web thng thay i ni dung sau khi c to ch mc . T ra i khi nim tm kim trn web ng . Trong cch tip cn ny , cc Search Engine khng phi thu thp ch mc trc . Thay vo , khi ngi s dng yu cu truy vn th h thng lt nhanh qua cc trang web v pht hin ra cc thng tin lin h cc lin kt .Hnh sau ch ra kin trc ca Dynamic Search Engine n gm c : Phn giao din , Spider v Cassifier

Hnh : Cu hnh ca Dynamic Search EngineGiao din giao tip vi ngi s dng , cn Crawler giao tip vi cc trang web . Crawler c iu khin bi Classifier . Classifier s nh gi v c lng cc a ch URL m s c truy cp hoc khng c truy cp da trn tn sut xut hin t trong mi ti liu v da trn cu trc lin kt thu c bi Crawler . Mt khi ngi s dng ch r s kt qu cn thit thu nhp hoc thi gian gii hn ca ngi dng ht th Crawler s ngng vic truy cp trang web v tr kt qu v cho ngi s dng. Tng qut , Dynamic Search Engine gi s rng truy vn ngi dng l truy vn tm kim theo t kha trng vi mt URL gc . URL gc c g l root page. Khi bt u tm kim , Dynamic Search Engine truy cp cc ta liu cng vi ng dn lin kt ca trang root page , c gng trnh nhng trang web khng lin quan ti yu cu ngi s dng v em nhng d liu c lin quan n truy vn tm kim. ngha bn cht trong tm kim ng l ng dn lin kt c s u tin, bt u t root page v truy vn c yu cu . mi bc nhng trang cha c truy cp c u tin cao nht c truy cp bi Crawler v c phn tch bi Classifier. Classifier chu trch nhim cho vic nghin cu th nhn ti liu c lin quan t cc trang cung cp bi ngi dng v xem xt trn cc trang thu thp c quyt nh hng m rng lin kt . Nu mt trang c tm thy c lin quan th nhng lin kt trang s c nh gi l c u tien cao v s c chn vo danh sch hng i cc URL s c truy cp .

5.3. Cc cu lnh truy vn Cc cu lnh truy vn i vi Search Engine c hiu l cc thng tin v yu cu tm kim c ngi s dng a vo . Cu trc ca Search Engine, c bit l phn Indexer c quan h cht ch vi vic qun l cc cu lnh truy vn. Mi mt m hnh Search Engine thng thch hp vi mt kiu truy vn xc nh .

5.3.1. X l cc cu lnh truy vnX l cc cu lnh truy vn l ch cch chuyn i cc yu cu ngi s dng sang khun dng m Search Engine c th hiu c. Mc u tin lin quan n khun dng cc thng tin thng l cc t m ngi s dng a vo . l cc cu hi hoc danh sch cc t nhp vo vi lin kt , rng buc khc nhau. Mc tip theo l cc Search Engine cn phi chuyn nhng t ny thnh cc th (Token). Mc ny kim tra khun dng chnh t . Cui cng mc 3 l dng cc th ny tm ti liu .

Hnh : Mc x l cc cu lnh truy vn

5.3.2. Truy vn s dng ton t BooleanCc cu lnh truy vn s dng ton t Boolean l cc cu lnh s dng ton t AND,OR,NOT lin kt cc t . Nu ngi s dng mun tm kim cc ti liu c cha c hai t search v string th cu lnh nhp vo s l search OR string. Truy vn s dng ton t Boolean cho phsp m rng hay thu hp phm vi tm kim mt csc d dng . im yu cu chng l khng phi ngi s dng no cng c th s dng thnh tho ton t Boolean mc d rt n gin .

5.3.3. Truy vn s dng ngn ng t nhinTruy vn s dng ngn ng t nhin l cc truy vn m ngi s dng a ra yu cu thng qua cc cu hi hay tr li cc cu hi m Search Engine a ra. x l cu lnh truy vn s dng ngn ng t nhin , Search Engine phi phn tch cu lnh , xc inh cc t no trong truy vn c d liu c to ch mc , t no khng cn thit tm kim. Kiu truy vn ny thun tin cho ngi s dng nhng kh cho my tnh x l v n kh xc nh c ngha ca t trong mt ng cnh c th .

5.3.4. Truy vn s dng t inTruy vn s dng t in l kiu truy vn m ngi s dng chn cc t truy vn t mt tp cc t c xc ng trc bi Search Engine . Kiu truy vn ny thng c s dng tm kim mt chuyn ngnh hp vi cc thut ng ca ngnh . u im ca kiu ny l bc x li u tin c l t ng cho ngi s dng.

5.3.5. Truy vn khng chnh xcTruy vn khng chnh xc l kiu truy vn m cc cu lnh truy vn c cc t kha c hiu theo ngha ny , ngha khc, t ny ,t khc. Cc t trong cu lnh truy vn c tch phn gc t , kim tra li chnh t, so snh vi cc t c to ch mc tm kim cc t , cc ti liu ph hp .

5.3.6. Truy vn theo lnh vc xc sut - thng kTruy vn theo lnh vc xc sut - thng k lin quan n cc thc Search Engine xc nh mc lin quan ca ti liu vi cu lnh truy vn . Truy vn ny s dng mt hm thng k nh tnh s t xut hin trong ti liu, tm cc t ng ngha,.. xc nh kt qu tr v cho ngi truy vn .