互聯(lián)網(wǎng)上除一般網(wǎng)頁(yè)外，還如PDF,DOC,RTF,xls,PPT(S)等的文檔文件,雖然這些文件不象 HTM文件那樣多，但這些文件通常會(huì)包含一些別處沒(méi)有的重要資料,因此具有獨(dú)特的價(jià)值和吸引力!所以對(duì)網(wǎng)絡(luò)中這部分資源的挖掘和利用也是搜索引擎的一個(gè)重要功能.對(duì)網(wǎng)絡(luò)的這部分資源的挖掘和分析的水平也成了衡量一個(gè)搜索引擎完整與否,成熟與否的重要指標(biāo).多文檔搜索是高級(jí)搜索的重要內(nèi)容,與其他高級(jí)搜索功能一起,構(gòu)成高級(jí)搜索功能體系.
我們就一些搜索案例的比較來(lái)給大家展示一些網(wǎng)絡(luò)文檔搜索的技巧,并對(duì)主要提供文檔搜索的搜索引擎百度和google做一比較,這些比較和方法也許會(huì)對(duì)你進(jìn)一步準(zhǔn)確獲得你想要的信息有幫助!
主要比較文檔數(shù)量,語(yǔ)法使用的靈活性,準(zhǔn)確性,多語(yǔ)法混合使用等等
|
數(shù)據(jù)
Query
|
參比引擎
|
|
百度
|
Google
|
|
filetype:doc 搜索引擎
|
1050
|
743
|
|
filetype:doc 計(jì)算語(yǔ)言學(xué)
|
546
|
214
|
|
filetype:doc 計(jì)算機(jī)檢索
|
17700
|
6080
|
|
filetype:ppt課件
|
13900
|
1480
|
|
filetype:ppt 軟件開(kāi)發(fā)模型
|
560
|
697
|
|
919000
|
697
|
|
filetype:pdf xml高級(jí)編程
|
55
|
116但是匹配的質(zhì)量很差，由各自不同的分次特點(diǎn)決定的。
|
|
filetype:pdf 服務(wù)器安全
|
17800
|
6240
|
|
filetype:xls 報(bào)名
|
9940
|
1890
|
|
filetype:xls 名單
|
32300
|
3000
|
表1 文檔數(shù)量比較
|
性能
功能
|
參比引擎
|
|
百度
|
Google
|
|
靈活性
|
支持三種方式查詢
1 filetype:格式 關(guān)鍵詞
2 關(guān)鍵詞filetype:格式
3 在高級(jí)搜索里選擇
|
支持三種方式查詢
1 filetype:格式 關(guān)鍵詞
2關(guān)鍵詞 filetype:格式
3 在高級(jí)搜索里選擇
|
|
準(zhǔn)確性 整體上講根網(wǎng)頁(yè)搜索的效果差不多 ，由于各自分詞的特點(diǎn)不同，所以對(duì)中文語(yǔ)義的理解上就會(huì)出現(xiàn)差異，所以在結(jié)果的數(shù)量并不是全部，但是對(duì)大多數(shù)關(guān)鍵詞來(lái)說(shuō)，百度的結(jié)果還是比較符合搜索目標(biāo)的，而個(gè)別google的搜索結(jié)果就不太能令人滿意。這也是由于google的強(qiáng)行前臺(tái)分詞造成的，結(jié)果數(shù)量多，并不精準(zhǔn)。對(duì)于文檔搜索來(lái)說(shuō)準(zhǔn)確恰當(dāng)才是最重要的，數(shù)量只是其次。
|
|
多語(yǔ)法混用
|
一般的邏輯搜索：+ - | 均能很好的支持
filetype:doc 演講稿 吳敬璉
filetype:doc 演講稿 - 教師
filetype:doc 演講稿 | 演講
|
|
其他高級(jí)搜索指令：
吳敬璉 filetype:doc site:pku.edu.cn
歷史 filetype:doc inurl:org
經(jīng)濟(jì) filetype:doc inurl:title 目前網(wǎng)絡(luò)上很少有中文文件夾所以這樣的檢索也是沒(méi)有意義的。
|
|
其他支持
|
1 支持對(duì)所有文檔類型的搜索，filetype:all
2 支持把原來(lái)文檔轉(zhuǎn)換成html格式文檔瀏覽
3 不支持對(duì)更多文檔類型的擴(kuò)展，但是可以在mp3搜索中選擇flash類型搜索，但是百度支持在網(wǎng)頁(yè)搜索中輸入“mp3:劉德華”“flash:小兵”來(lái)搜索歌曲
|
1 不支持對(duì)所有文檔類型的搜索，
2 支持把原來(lái)文檔轉(zhuǎn)換成html格式文檔瀏覽
3支持對(duì)更多文檔類型的擴(kuò)展，如swf/xml 目前google還不支持更多
|
|
|
|
|
|
表2其他參數(shù)比較
一搜也提供文檔搜索，目前支持的文件類型不多，文檔的數(shù)量也不夠（或者可檢出的數(shù)量不夠），而且使用習(xí)慣與其他的不同(google，altavista，alltheweb等)所以不列入比較范圍。
總體評(píng)價(jià)，百度多文檔搜索無(wú)論從搜索的質(zhì)量和數(shù)量都是要與google相當(dāng)，甚至超出google，說(shuō)明，中文搜索引擎在應(yīng)用的深層次挖掘上已經(jīng)不再落后于外來(lái)服務(wù)商。
我們有理由相信百度會(huì)提供更多更好的功能！
