网络搜索与结构的深度剖析
1. 网络搜索算法优化
在网络搜索中，为使算法能更好地适应本地需求，应仅使用最少的自由参数。有如下函数：
RVPA(Dk) = 1+α ·λ β k （α,β > 0）
参数 α 和 β 可作为“调优”参数自由选择。在极限情况下，新算法能生成如 (1.16) 中的现有结果：
lim λi→0 ˆM = M
通过对查询的分析，可增强搜索索引中相关且“最受关注”的内容。这样能提高搜索结果的主观相关性，让用户更易找到所需内容。该算法并非要取代现有的爬行和排名算法，而是让网络搜索更具相关性和效率。
2. 网络搜索引擎的演变
自上世纪九十年代商业和非商业网络搜索引擎出现以来，发生了巨大的演变，涉及结果质量、结果生成方式、网络规模以及索引页面数量等方面。搜索引擎已从单纯的面向文本的信息检索，转向满足查询背后的需求，即从对查询的语法响应转向对查询、网站和用户上下文的语义分析。以下是不同阶段的搜索引擎：
| 代数 | 特点 | 举例 | 可处理查询类型 |
| ---- | ---- | ---- | ---- |
| 第一代 | 主要分析页面内数据，如文本、格式和元标签，使用词频测量对检索页面进行排名 | ALTAVISTA、EXCITE、LYCOS 等 | 信息查询 |
| 第二代 | 增加了页面外、特定于网络的数据，使用链接信息、锚文本和点击数据，引入复杂数学方法进行网页连接性分析 | GOOGLE | 信息查询和导航查询 |
| 第三代 | 使用多数据源回答查询背后的需求，对不同类型查询采用不同处理方式，提供多种用户帮助，支持交易查询 | | 信息查询、导航查询和
)
