搜索引擎面對的挑戰(zhàn)有哪些？

搜索引擎系統(tǒng)是最復雜的計算系統(tǒng)之一，當今主流搜索引擎服務(wù)商都是有財力、人力的大公司。即使有技術(shù)、人力、財力的保證，搜索引擎還是面臨很多技術(shù)挑戰(zhàn)。搜索引擎誕生后的十多年中，技術(shù)已經(jīng)得到了長足的進步。我們今天看到的搜索結(jié)果質(zhì)量與10年 前相比己經(jīng)好得太多了。不過這還只是一個開始，搜索引擎必然還會有更多創(chuàng)新，提供更多、更準確的內(nèi)容。

總體來說，搜索引擎主要會面對以下幾方面的挑戰(zhàn)
1.頁面抓取需要快而全面
互聯(lián)網(wǎng)是一個動態(tài)的內(nèi)容網(wǎng)絡(luò)，每天有無數(shù)頁面被更新、創(chuàng)建，無數(shù)用戶在網(wǎng)站上發(fā)布內(nèi)容、溝通聯(lián)系，要返回最有用的內(nèi)容，搜索引擎就要抓取最新的頁面，但是由于頁面數(shù)量巨大，搜索引擎蜘蛛更新一次數(shù)據(jù)庫中的頁面要花很長時間，搜索引擎剛誕生時，這個抓取周期往往以幾個月計算，這也就是Google在2003年以前每個月有一次大更新的原因所在。
現(xiàn)在主流搜索引擎都已經(jīng)能在幾天之內(nèi)更新重要頁面，權(quán)重高的網(wǎng)站上的新文件幾小時甚至幾分鐘之內(nèi)就會被收錄，不過，這種快速收錄和更新也只能局限于高權(quán)重網(wǎng)站，很多頁面幾個月不被重新抓取和更新，也是非常常見的。
要返回最好的結(jié)果，搜索引擎也必須抓取盡量全面的頁面，這就需要解決很多技術(shù)問題。一些網(wǎng)站并不利于搜索引擎蜘蛛爬行和抓取，諸如網(wǎng)站鏈接結(jié)構(gòu)的缺陷、大量使用Flash，JavaScript腳本，或者把內(nèi)容放在用戶必須登錄以后才能訪問的部分，都增大了搜索引擎抓取內(nèi)容的難度。
2.海量數(shù)據(jù)存儲
一些大型網(wǎng)站單是一個網(wǎng)站就有百萬千萬個頁面，可以想象網(wǎng)上所有網(wǎng)站的頁面加起來是一個什么數(shù)據(jù)量。搜索引擎蜘蛛抓取頁面后，還必須有效存儲這些數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)必須合理，具備極高的擴展性，寫入及訪問速度要求也很高。
除了頁面數(shù)據(jù)，搜索引擎還需要存儲頁面之間的鏈接關(guān)系及大量歷史數(shù)據(jù)，這樣的數(shù)據(jù)量是用戶無法想象的，據(jù)說Google有幾十個數(shù)據(jù)中心，上百萬臺服務(wù)器，這樣大規(guī)模的數(shù)據(jù)存儲和訪問必然存在很多技術(shù)挑戰(zhàn) 。
我們經(jīng)常在搜索結(jié)果中看到，排名會沒有明顯原因地上下波動，甚至可能刷新一下頁面，就看到不同的排名，有的時候網(wǎng)站數(shù)據(jù)也可能丟失。這些都可能與大規(guī)模數(shù)據(jù)存儲的技術(shù)難題有關(guān)。
3.索引處理快速有效，具可擴展性
搜索引擎將頁面數(shù)據(jù)抓取和存儲后，還要進行索引處理，包括鏈接關(guān)系的計算、正向索引、倒排索引等。由于數(shù)據(jù)庫中頁面數(shù)量大，進行PR之類的迭代計算也是耗時費力的要想及時提供相關(guān)又及時的搜索結(jié)果，僅僅抓取沒有用，還必須進行大量索引計算。由于隨時都有新數(shù)據(jù)、新頁面加入，因此索引處理也要具備很好的擴展性。
4.查詢處理快速準確
查詢是普通用戶唯一能看到的搜索引擎工作步驟。用戶在搜索框輸入關(guān)鍵詞，單擊“搜索”按鈕后，通常不到一秒鐘就會看到搜索結(jié)果。表面最簡單的過程，實際上涉及非常復雜的后臺處理。在最后的查詢階段，最重要的難題是怎樣在不到一秒鐘的時間內(nèi)，快速從幾十萬、幾百萬，甚至幾千萬包含搜索詞的頁面中，找到最合理、最相關(guān)的1000個頁面并且按照相關(guān)性、權(quán)威性排列。
5.判斷用戶意圖及人工智能
應(yīng)該說前4個挑戰(zhàn)現(xiàn)在的搜索引擎都已經(jīng)能夠比較好地解決，但判斷用戶意圖還處在初級階段，不同用戶搜索相同的關(guān)鍵詞，很可能是在尋找不同的東西。比如搜索“蘋果”，用戶到底是想了解蘋果這個水果，還是蘋果電腦?還是電影《蘋果》的信息?沒有上下文，沒有對用戶個人搜索習慣的了解，就完全無從判斷。
搜索引擎目前正在致力于基于用戶搜索習慣及歷史數(shù)據(jù)的了解上，判斷搜索意圖，返回更相關(guān)的結(jié)果。蕪湖網(wǎng)站建設(shè)今后搜索引擎是否能達到人工智能水平，真正了解用戶搜索詞的意義和目的，讓我們拭目以待。

新聞標題：搜索引擎面對的挑戰(zhàn)有哪些？
文章路徑：http://www.muchs.cn/news45/147245.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊、品牌網(wǎng)站設(shè)計、品牌網(wǎng)站制作、外貿(mào)網(wǎng)站建設(shè)、自適應(yīng)網(wǎng)站、標簽優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)