搜索引擎核心技术讲解：搜索引擎的进化史

史前时代：分类目录的一代

这个时代也可以称为“导航时代”，Yahoo和国内hao123是这个时代的代表。通过人工收录整理，把属于各个类别的高质量网站或者网页分门别类罗列，用户可以根据分级目录来查找高质量的网站。这种方式是纯人工的方式，并未采取什么高深的技术手段。

采取分类目录的方式，一般被收录的网站质量都比较高，但是这种方式可扩展性不强，绝大部分网站不能被收录。

第一代：文本检索的一代

文本检索的一代采用经典的信息检索模型，比如布尔模型，向量空间模型或者概率模型，来计算用户查询关键词和网页文本内容的相关程序。网页之间有丰富的链接关系，而这一代搜索引擎并未使用这些信息。早期的很多搜索引擎比如Altavista、Excite等大都采取这种模式。

相比分类目录，这种方式可以收录大部分网页，并能够按照网页内容和用户查询的匹配程度进行排序。但是总体而言，搜索结果质量不是很好。

第二代：链接分析的一代

这一代的搜索引擎充分利用了网页之间的链接关系，并深入挖掘和利用了网页链接所代表的含义。通常而言，网页链接代表了一种推荐关系，所以通过链接分析可以在海量内容中找出重要的网页。这种重要性本质上是对网页流行程序的一种衡量，因为被推荐次数多的网页期实代表了更具有流行性，搜索引擎通过结合网页流行性和内容相似性来改善搜索质量。

Google率先提出并使用PageRank链接分析技主，并大获成功，这同时引起了学术界和其他商业搜索引擎的关注。后来学术界陆续提出了很多改进的链接分析算法。目前几乎所有的商业搜索引擎都采取了链接分析技术。

采用链接分析能够有效改善搜索结果质量，但是这种搜索引擎并未考滤用户的个性化要求，所以只要输入的查询请求相同，所有用户都会获得相同的搜索结果。另外，很多网站拥有者为了获得更高的搜索排名，针对链接分析算法提出了不少的作弊方案，这样导致搜索结果质量变差。

第三代：用户中心的一代

目前的搜索引擎大都可以归入第三代，即以理解用户需求为核心。不同用户即使输入同一个查询关键词，但其目的也有可能不一样。比如同样输入“苹果”作为查询词，一个追捧iPhone的时尚青年和一个果农的目的会有相当大的差距。即使是同一个用户，输入相同的查询词，也会因为所有的时间和场合不 ，需坟有所变化。而目前搜索引擎大都致力于解决如下问题：如何能够理解用户发出的某处很短小的查询词背后包含的真正需求，所以这一代搜索引擎称之为以用户为中心的一代。

为了能够获得用户的真实需求，目前搜索引擎大都做了很多技术方面的尝试。比如利用用户发送查询词时的时间和地理位置信息，利用用户过去发出的查询词及相应的点击记录等历史信息等技术手段，来试图理解用户此时此地的真正需求。