Jumlah

pengenalan

Beberapa orang kini boleh membayangkan Internet tanpa carian, hasil carian dan sistem carian maklumat (IRS) yang mengatur semuanya. Tetapi sehingga baru-baru ini, semua maklumat Internet dimuatkan ke dalam beberapa direktori, yang namanya masih terkenal (DMOZ, Yahoo).

Hari ini, jumlah maklumat di Internet sangat besar sehingga mustahil untuk memasukkannya ke dalam mana-mana katalog. Untuk memproses, menyimpan maklumat dan mengatur carian, produk perisian yang berkuasa telah dicipta dan terus dicipta, yang kami panggil enjin carian (SE). Setiap enjin carian (enjin carian) mempunyai pangkalan data sendiri, algoritmanya sendiri untuk memproses, mencari, memberi kedudukan dan memaparkan maklumat.

Enjin carian Internet adalah

Takrifan akademik enjin carian berikut boleh diberikan. Sistem carian ialah satu set program dan cara teknikal untuk mengatur carian pengguna di Internet, di mana, apabila menjawab pertanyaan teks, pengguna menerima senarai hasil yang berkaitan (bersesuaian dengan permintaan).

Pengeluaran dibuat dalam bentuk senarai pautan ke sumber maklumat dengan penerangan ringkas (pratonton), kadangkala dengan foto.

Untuk contoh pertama, mari kita ingat ketua carian dunia "Google" dan ketua enjin carian Runet "Yandex". Sebagai tambahan kepada enjin carian ini, anda boleh menamakan sedozen lagi enjin carian sedia ada, yang akan kita bincangkan di bawah.

Pendapat: Enjin carian Google, Yandex dan lain-lain bukanlah penjana (pengeluar) kandungan, tetapi merupakan agregator (pengumpul) kandungan dan, sebahagian besarnya, kandungan orang lain. Perlu diingat bahawa menggunakan kandungan orang lain untuk mencipta trafik anda sendiri dan mengewangkannya boleh dicirikan sebagai "cetak rompak," yang, sudah tentu, tidak berlaku dalam realiti.

Penilaian

• dan Google berkongsi dua tempat pertama pemimpin: kira-kira 49% dan 45%.
• Tempat ketiga: Cari Mail.ru kira-kira 3%;
• Enjin carian lain terapung di bawah 1%.

Saya melihat statistik pada Google Analitis:

• yandex/organik 40.26%
• google/organik 38.93%
• mail.ru/organik 0.60%
• rambler/organik 0.52%
• bing/organik 0.12%

Statistik tidak dapat dielakkan: Carian Yandex digunakan kebanyakannya, dan jika anda menganggap bahawa 3% adalah hasil yang baik berbanding dengan 45%, maka carian Mail.ru boleh dipanggil yang ketiga paling popular.

Dalam hal ini, perbincangan mengenai populariti enjin carian selain Yandex dan Google boleh dikaitkan dengan khurafat, dan promosi khas tapak dalam enjin carian lain (bukan Yandex dan Google) tidak patut diberi perhatian.

Cara enjin carian berfungsi

Persoalan bagaimana enjin carian berfungsi adalah sama seperti soalan "apa warna langit." Jika langit berwarna biru, maka enjin carian mengumpul maklumat di Internet, memprosesnya, menyusunnya dan menghantarnya kepada pengguna berdasarkan pertanyaan carian.

Teori carian Internet adalah lebih luas dan tidak boleh dibentangkan dalam artikel. Walau bagaimanapun, perkara utama akan berguna kepada kami:

Enjin carian Internet tidak menyimpan dokumen, iaitu, mereka tidak memuat turun dan memuat naik dokumen sepenuhnya ke repositori mereka;

IRS menggunakan Internet sebagai repositori dokumen terdesentralisasi. Enjin carian secara berkala merangkak Internet, memilih maklumat yang diperlukan mengikut algoritma mereka dan meletakkan sebahagiannya (maklumat) dalam pangkalan data mereka (Pangkalan Data). Ini membawa kepada beberapa masalah:

• Sistem pencarian maklumat tidak menggunakan semua maklumat di Internet, tetapi hanya sebahagian daripadanya;
• Maklumat Internet sering berubah. Kira-kira 1,500 ribu muka surat ditambah setiap hari, oleh itu kemungkinan "output kosong";
• Terdapat sejumlah besar pendua (kandungan pendua). Malangnya, saya tidak mempunyai data tepat tentang pengambilan, dan angka yang dilaporkan sebanyak 25% daripada pengambilan kelihatan terlalu tinggi;
• Terdapat banyak pengiklanan, yang juga dipintas oleh enjin carian;
• "Mengembara" robot carian pada rangkaian sangat meningkatkan beban sumber (tidak digunakan untuk enjin carian);
• Kebanyakan tapak adalah komersial (kira-kira 83%) dan mempunyai sedikit nilai maklumat.

Atas sebab ini dan beberapa sebab lain, sebahagian besar sistem pencarian maklumat Internet menggunakan skim carian kata kunci (enjin carian), dan bukannya skim carian klasik berdasarkan klasifikasi maklumat.

Ciri-ciri carian kata kunci

Walaupun perubahan algoritma enjin carian, yang pengiklanannya cuba meyakinkan kami bahawa mesin menjadi lebih pintar dan lebih memahami, asas kerja enjin carian adalah carian kata kunci.

Saya suka skim carian kata kunci ini.

Seperti yang anda lihat, kerja enjin carian Internet adalah berdasarkan pencarian dokumen baharu (robot carian Spider + Crawler), mengindeks dokumen yang dikesan (Indexer) dan melaksanakan pertanyaan pengguna (Enjin Hasil Enjin Carian). Nama robot carian yang digunakan untuk tujuan ini disenaraikan dalam kurungan.

Seperti yang saya katakan, kebanyakan enjin carian tidak menyalin teks penuh dokumen ke dalam pangkalan data mereka. Untuk carian, apabila mengindeks dokumen, imej carian dibuat. Untuk mengatur carian dengan , robot pengindeksan mencipta imej dokumen menggunakan kaedah terbitan yang dipanggil. Iaitu, imej dokumen mengandungi tajuk dan satu set kata kunci.

Walau bagaimanapun, boleh dinyatakan dengan tepat bahawa semua IPS memberi perhatian kepada perkara berikut:

• Kehadiran kata kunci dalam