Поиск по индексу
Поиск по индексу заключается в том, что пользователь формирует запрос и передает его поисковой машине. В случае когда у пользователя имеется несколько ключевых слов, весьма полезно использование булевых операторов2).
Наиболее часто используемые булевы операторы:
- AND - все термины, соединенные "AND", должны присутствовать в предлагаемом документе. Большинство поисковых систем используют значок "+" вместо "AND";
- OR - как минимум одно из ключевых слов, соединенных "OR", должно присутствовать в искомом документе;
- NOT - ключевое слово (слова), следующее за "NOT", не должно появляться в искомом документе. Некоторые поисковые системы используют значок "-" вместо "NOT";
- FOLLOWED BY - одно из ключевых слов должно следовать непосредственно за другим;
- NEAR - одно из слов должно отстоять на определенное количество слов от другого;
- Кавычки - слова внутри кавычек - это фраза, которая целиком должна быть найдена в пределах документа или файла.
Текст, в пределах которого проверяется действие логических операторов, называется единицей поиска. Это может быть предложение, абзац или весь документ. В разных поисковых системах могут использоваться различные единицы поиска. Например, можно искать документы, в которых два слова - "электрический" и "счетчик" - находятся одновременно в пределах предложения или в пределах всего документа. Соответственно поиск в пределах предложения возможен для тех систем, которые имеют в индексе подробный адрес.
Синтаксис языка запросов в разных поисковых системах может отличаться, обычно в справочных данных на поисковом сервере приводится информация о синтаксисе запросов. В качестве примера в табл. 4.2. приводится синтаксис языка запросов, принятый в поисковой машине Yandex.
| Пробел или & | Логическое И (в пределах предложения) | Лечебная физкультура |
| && | Логическое И (в пределах документа) | Рецепты && (плавленый сыр) |
| | | Логическое ИЛИ | Фото | фотография | снимок | фотоизображение |
| + | Обязательное наличие слова в найденном документе (работает также в применении к стоп-словам3)) | +Быть или +не быть |
| () | Группирование слов | (Технология | изготовление) (сыра | творога) |
| ~ | Оператор И НЕ (в пределах предложения) | Банки ~ закон |
| ~~или~ | Оператор И НЕ (в пределах документа) | Путеводитель по Парижу ~~ (агентство | тур) |
| /(n m) | Расстояние в словах (~ назад +вперед) | Поставщики /2 кофе музыкальное /(-2 4) образование вакансии ~/+1 студентов |
| << << | Поиск фразы | <<Красная шапочка>> (эквивалентно красная /+1 шапочка) |
| &&/(n m) | Расстояние в предложениях (-назад +вперед) | Банк && /1 налоги |
Многие поисковые системы имеют режим "расширенный поиск".
Например, в наиболее популярной на сегодня поисковой системе Google (www.google.com) этот режим дает возможность искать документы на определенном языке, измененные в определенное время или представленные в определенном формате, например Word-документ или презентацию Power Point.
После того как пользователь передал запрос поисковой системе, она обрабатывает синтаксис запроса и сравнивает ключевые слова со словами в индексе. После этого составляется список сайтов, отвечающих запросу, они ранжируются по релевантности и формируется результат поиска, который и выдается пользователю.
Несмотря на то что человек человеку всегда лучше объяснит, что же он ищет, нельзя сказать, что современные поисковые машины - это примитивные системы, которые, кроме как найти некоторую последовательность символов, ничего не могут. Напротив, существуют, например, поисковые системы позволяющие решать проблему различных словоформ. А это далеко не тривиальная задача. Если мы ищем документ по ключевому слову "стол", то, вероятно, документ, содержащий фразу "столы для кухни" - это то, что нам нужно. Однако "стол" и "столы" для системы, осуществляющей формальное сравнение, - это разные слова. Поиск, учитывающий словоизменения, называется морфологическим поиском.
