Обща сума

Въведение

Малко хора сега могат да си представят Интернет без търсене, резултати от търсене и организиране на всички тези системи за извличане на информация (IPS). Но доскоро цялата информация в Интернет се побираше в няколко директории, чието име все още е добре известно (DMOZ, Yahoo).

Днес обемът на информацията в Интернет е толкова огромен, че не е възможно да се побере в каталози. За обработка, съхраняване на информация, организиране на търсенето са създадени и продължават да се създават мощни софтуерни продукти, които наричаме търсачки (ПС). Всяка търсачка (търсачка) има свои собствени бази данни, свои собствени алгоритми за обработка, търсене, класиране и издаване на информация.

Интернет търсачките са

Можете да дадете следното академично определение на търсачките. Търсачката е набор от програми и хардуер за организиране на потребителско търсене в Интернет, при което за текстова заявка потребителят получава списък с подходящи (съответстващи на заявката) резултати.

Издаването се извършва под формата на списък с връзки към източника на информация с кратко описание (преглед), понякога със снимка.

Като първи пример, нека си спомним световния лидер в търсенето "Google" и лидера на търсачката Runet "Yandex". В допълнение към тези търсачки можете да посочите още дузина съществуващи търсачки, за които ще говорим по-долу.

Мнение: Търсачките Google, Yandex и други не са генератори (производители) на съдържание, а са агрегатори (акумулатори) на съдържание и в по-голямата си част нечие съдържание. Струва си да се помни, че използването на чуждо съдържание за създаване на собствен трафик и монетизиране може да се характеризира като „пиратство“, което, разбира се, не се случва в действителност.

Рейтинг

• и Google споделят първите две места на лидери: около 49% и 45%.
• Трето място: търсене в Mail.ru около 3%;
• Други търсачки се движат под 1%.

Разглеждане на статистиката на Google Analytics:

• yandex / органичен 40,26%
• google / органичен 38,93%
• mail.ru / органичен 0,60%
• rambler / органичен 0,52%
• bing / органичен 0,12%

Статистиката е безпощадна: търсенията в Yandex са най-посещаваните и ако смятате, че 3% са добър резултат в сравнение с 45%, тогава третото най-популярно търсене може да се нарече търсене в Mail.ru.

В тази връзка аргументите за популярността на търсачките, различни от Yandex и Google, могат да бъдат приписани на суеверие и специално популяризиране на сайтове в други търсачки (не Yandex и Google), които не заслужават внимание.

Как работят търсачките

Въпросът как работят търсачките е толкова общ, колкото и въпросът „какъв цвят е небето“. Ако небето е синьо, тогава търсачките събират информация в интернет, обработват я, класират я и я дават на потребителя според заявката за търсене.

Теорията на интернет търсенето е много по-обемна и не може да бъде представена в статията. Но основните точки ще ни бъдат полезни:

Интернет търсачките не съхраняват документи, тоест те не изтеглят и качват документи изцяло в хранилищата си;

ИС използват Интернет като децентрализирано хранилище на документи. Търсачките периодично заобикалят интернет, избират информацията, от която се нуждаят, според своите алгоритми и частично я поставят (информация) в своята база данни (база данни). Оттук и няколко проблема:

• IPS не използват цялата интернет информация за издаване, а само част;
• Интернет информацията се променя често. Приблизително 1500 хиляди страници се добавят на ден, оттук и възможният "празен брой";
• Има голям брой дубликати (дублирано съдържание). За съжаление нямам точни данни за дублиранията, а цифрата от 25% двойки, която се случва, изглежда твърде висока;
• Много реклама, която също се заобикаля от търсачките;
• "Скитането" на роботите за търсене в мрежата значително увеличава натоварването на ресурсите (не се отнася за търсачките);
• Повечето сайтове са комерсиални (около 83%) и имат малка информативна стойност.

Поради тези и някои други причини огромното мнозинство от Интернет IPS използват схема за търсене по ключови думи (търсачки), а не класическата схема за търсене с класификация на информация.

Функции за търсене по ключови думи

Въпреки променящите се алгоритми на търсачките, чиято реклама се опитва да ни убеди, че машините стават все по-умни и интелигентни, търсачките се базират на търсене по ключови думи.

Харесвам тази схема за търсене по ключови думи.

Както можете да видите, работата на интернет търсачките се основава на търсене на нови документи (робот за търсене Spider + Crawler), индексиране на открити документи (Indexer) и изпълнение на потребителска заявка (Search Engine Results Engine). Имената на търсещите роботи, използвани за тези цели, са изброени в скоби.

Както казах, повечето търсачки не копират пълни текстови документи в своята база данни. За търсене, когато индексирате документ, се създава неговото изображение за търсене. За да организира търсене по , индексиращият робот създава изображение на документа, използвайки така наречения метод на извличане (извлечен). Тоест заглавието и набор от ключови думи са посочени в изображението на документа.

Въпреки това може да се каже съвсем точно, че всички IPS обръщат внимание на следното:

• Наличието на ключова дума в