搜索引擎维护的两类信息：
网页相关信息（通过信息获取部分获取）；用户行为信息（通过log记录获取）
传统IR技术：（information retrieval）
文档的向量空间模型
Tf*idf算法
―――利用web信息本身的特点和用户行为信息补充
―――分析网页通过超连接形成的有向图
Google 随机冲浪模型 pagerank技术排序
Ibm clever 权威型&目录型网页 HITS计算权值
天网 LHN（link hit number）计算权值
用户经验少但是数量巨大――利用direct技术跟踪用户对检索结果的后续行为
Gray Cullis搜索引擎信息分类：
网页本身信息；链接信息；人工编目信息；用户行为信息。
基本的用户行为特征:
查询词分布情况统计
雷同查询的衰减
相邻n项查询词的偏差分析
翻页情况统计
用户点击url的分布情况统计
网页入度； 镜像度； 域名深度 
|
本类阅读TOP10