* كيف يعمل محرك البحث :
ماكنة البحث التعبير الشعبي لإسترجاع معلومات (آي آر) نظام. بينما يلقي الباحثين والمطوّرين نظرة أوسع من أنظمة آي آر، يفكّر مستهلكون بهم أكثر من ناحية الذي يريدون الأنظمة أن تعمل — يعني بحث الذي الويب، أو إنترانت، أو قاعدة بيانات. في الحقيقة مستهلكون يفضّلون محرّك إكتشاف حقا، بدلا من ماكنة بحث.
تجاري مكائن البحث الإستفسارات ضدّ دليل الذي يخلقون. يتضمّن الدليل الكلمات في كلّ الوثيقة، زائدا مؤشرات إلى مواقعهم ضمن الوثائق. هذا يدعى ملف معكوس. تشمل ماكنة بحث أو نظام آي آر أربع وحدات ضرورية:
معالج وثيقة
معالج إستفسار
بحث ووظيفة مماثلة
قابلية كبيرة
بينما يركّز المستعملين على "بحث، "البحث والوظيفة المماثلة فقط أحد أربع وحدات. كلّ واحدة من هذه الوحدات الأربع قد تجعل النتائج المتوقّعة أو الغير متوقّعة ذلك المستهلكين يصبحون عندما يستعملون ماكنة بحث.
معالج وثيقة
معالج الوثيقة يستعدّ، يعالج، ويدخل الوثائق، يرقّم صفحات، أو يحدّد موقع ذلك المستعملين يبحثون ضدّ. يؤدّي معالج الوثيقة البعض أو كلّ الخطوات التالية:
يطبّع جدول الوثيقة إلى صيغة معرّفة.
يكسر جدول الوثيقة في الوحدات القابلة للإسترجاع المطلوبة.
تعزل وقطع metatags وثيقة الثانوية.
تميّز عناصر indexable محتملة في الوثائق.
تحذف تمنع كلمات من.
شروط جذوع.
تفهرس المقتطفات المداخل.
تحسب الأوزان.
ينشئ ويجدّد الملف المعكوس الرئيسي ضدّ أيّ عمليات بحث ماكنة البحث لكي تجاري الإستفسارات إلى الوثائق.
خطوات 1-3: الإعداد. بينما ضروري ومهم فعلا في التأثير على نتيجة بحث، توحّد هذه الخطوات الأولى الثلاث الصيغ المتعدّدة ببساطة صادفت متى تشتقّ الوثائق من المجهزون المختلف أو تعالج مواقع ويب مختلفة. تخدم الخطوات لدمج كلّ البيانات في تركيب بيانات ثابت واحد التي كلّ العمليات النهائية يمكن المعالجة. إنّ الحاجة لصيغة ثابتة مشكّلة بشكل جيد من الأهمية النسبية في النسبة المباشرة إلى تطوّر الخطوات التالية لمعالجة الوثيقة. خطوة إثنان مهمة لأن المؤشرات خزنت في الملف المعكوس سيمكّن نظام لإسترجاع الوحدات بحجم المختلفة — أمّا موقع، يرقّم صفحات، يوثّق، يقسّم، يفقّر، أو يحكم.
خطوة 4: تميّز العناصر للفهرسة. تمييز الإمكانية indexable عناصر في الوثائق تؤثّر على الطبيعة بشكل مثير ونوعية تمثيل الوثيقة التي المحرّك سيبحث ضدّ. في تصميم النظام، نحن يجب أن نعرّف الكلمة "تعبير." هل هو أشخاص ألفا العددي بين الفراغات أو الترقين الفارغ؟ إذا كان الأمر كذلك، ماذا عن عبارات غير تركيبية (يعبّر في أي الكلمات المنفصلة لا تحمل معنى العبارة، "مثل أعمال الظربان "أو" المقانق المقلية")، أسماء علم متعددة كلمة، أو رموز بين كلمة مثل الشرطات أو الفواصل التي يمكن الدلالة على الإختلاف بين "رجال أعمال صغيرة" مقابل رجال الأعمال الصغيرة." تعتمد كلّ ماكنة البحث على مجموعة القواعد التي معالج وثيقته يجب أن تنفّذ لتقرير ما عمل أن يؤخذ من قبل "tokenizer، "وبمعنى آخر: . البرامج تستعمل لتعريف تعبير مناسب للفهرسة.
خطوة 5: حذف يمنع كلمات من. هذه الخطوة تساعد على إنقاذ مصادر النظام بإزالة من المعالجة الأخرى، بالإضافة إلى الإمكانية يجاري، تلك الشروط التي لها قيمة صغيرة في إكتشاف الوثائق المفيدة ردّا على إستفسار زبون. هذه الخطوة تستعمل لهمّ أكثر من أنّه يعمل الآن متى ذاكرة أصبحت أرخص كثيرا وأنظمة أسرع كثيرا، لكن منذ كلمات توقّف قد يشمل بحدود 40 بالمائة من كلمات النصّ في وثيقة، هو ما زال له بعض الأهمية. تتضمّن قائمة كلمة توقّف تلك فئات الكلمات نموذجيا عرفت لحمل معنى جوهري إلى حدّ ما، مثل المقالات (،)، إرتباطات (، ولكن)، أقحام (أوه، لكن)، حروف جرّ (في، على)، ضمائر (هو، هو)، وأشكال "أن يكون" فعل (،). لحذف كلمات التوقّف، تقارن خوارزمية مرشّحي تعبير دليل في الوثائق ضدّ قائمة كلمة توقّف وتزيل بعض الشروط من الإدراج في الدليل للتفتيش.
خطوة 6: إستئصال التعبير. يزيل إستئصال لواحق كلمة، ربّما بشكل تكراري في الطبقة بعد طبقة معالجة. العملية لها هدفان. من ناحية الكفاءة، يستأصل يخفّض عدد الكلمات الفريدة في الدليل، الذي تباعا يخفّض سعة الخزن تطلّبت للدليل ويسرّع عملية البحث. من ناحية التأثير، يستأصل يحسّن إستدعاءا بتحويل كلّ أشكال الكلمة إلى قاعدة أو إستأصل شكلا. على سبيل المثال، إذا مستعمل يسأل عن يحلّل، هم قد يريدون الوثائق أيضا التي تحتوي التحليل، تحليل، محلّل، يحلّل، وحلّل. لذا، يستأصل معالج الوثيقة شروط وثيقة إلى بشكل شرجي لكي توثّق أيّ تتضمّن أشكال مختلفة بشكل شرجي سيكون عندها إمكانية مساوية تسترجع؛ هذا لا يحدث إذا فهرس محرّك أشكال المغاير فقط منفصلا وتطلّب المستعمل لدخول كلّ. بالطبع، إستئصال له جانب سلبي. هو قد يؤثّر على الدقّة سلبيا في تلك كلّ أشكال جذع سيجاري، عندما، في الحقيقة، إستفسار ناجح للمستعمل كان سيجيء من مجاراة فقط شكل الكلمة إستعمل في الحقيقة في الإستفسار.
الأنظمة قد تطبّق أمّا خوارزمية إستئصال قوية أو خوارزمية إستئصال ضعيفة. خوارزمية إستئصال قوية ستنزع كلتا اللواحق الإعرابية (-s, es, ed) ولواحق derivational (قادرة , aciousness، قدرة)، بينما خوارزمية إستئصال ضعيفة ستنزع فقط اللواحق الإعرابية (-s, es, ed).
خطوة 7: مداخل دليل مقتطف. بعد أن أكمل الخطوات 1 إلى الـ6، ينتزع معالج الوثيقة المداخل الباقية من الوثيقة الأصلية. على سبيل المثال، تشوّف الفقرة التالية النصّ الكامل أرسل إلى