?sorter

sorter發(fā)音

英：['s?:t?]　　美：['s?:t?]

英：　　美：

sorter中文意思翻譯

n. 分類程序, 分類機(jī), 整理者

sorter常見例句

1 、It's a poor sort of memory that only work backwards.───只會(huì)向后作用的記憶力可就差勁了。

2 、What sort of medicine do you take?───你吃的是什么藥？

3 、Let's leave the two of them to sort themselves out.───咱們讓他們倆自己把相互間的誤解好好澄清一下吧。

4 、What sort of car would you like to hire?───你想租那一類的車?

5 、No, actually, that sort of thing isn't for me.───不，實(shí)際上，那種事不合我的口味。

6 、She never meant anything of the sort.───她決沒有那種意思。

7 、She's not such a bad sort.───她不是這樣壞的人。

8 、Don't spend your time writing this sort of squibs.───不要花時(shí)間寫這類的諷刺短文了。

9 、Your act doesn't sort ill with your status.───你的行為不太符合你的身份。

10 、He's not he sort of man to be trusted.───他不是一個(gè)可信賴的人。

11 、He led off with his companion in a sort of quick-step.───他和他的舞伴帶頭跳一種快步舞。

12 、He protested that he had no views of that sort.───他分辯說，他沒有這種看法。

13 、What sort of classic the concert will have tonight?───今晚音樂會(huì)上將有哪種古典音樂?

14 、What soup do you have? What sort of soup is there?───你們有些什么湯?

15 、I'd need a cell sorter to get really get a look.─── 我需要用細(xì)胞分選儀仔細(xì)看看

16 、The illiberality of parents, in allowance towards their children, is an harmful error; makes them base; acquaints them with shifts; makes them sort with mean company; and makes them surfeit more when they come to plenty.───在子女小時(shí)不應(yīng)對他們過于苛吝。否則會(huì)使他們變得卑賤，甚至投機(jī)取巧，以至墮入下流，即使后來有了財(cái)富時(shí)也不會(huì)正當(dāng)利用。

17 、He do not want any special sort.───他不想要任何特別種類的。

18 、He's the sort of man whom setbacks weigh very heavily.───他是那種碰到挫折就萬分苦惱的人。

19 、He's not the sort of man who would go back on his word.───他不是那種會(huì)食言的人。

20 、What sort of food do you like best?───你最喜歡吃什么樣的食物?

21 、He is in essence a reclusive sort.───他本質(zhì)上具有一種隱士的氣質(zhì)

22 、"She is very unhappy, and-and that sort of thing, " Jose urged.───喬斯慫恿地說："她可憐得很呢，還有-還有許多其他倒霉的事情。

23 、That sort of work wants a lot of patience.───做這樣工作需要很大的耐心。

24 、He is a downright sort of person.───他是那種直爽的人。

25 、A card stacker in card sorter.───卡片分類機(jī)中的一種接卡箱。

26 、He's a real good sort.───他是個(gè)性情很溫和的人。

27 、All of his relations were a sort of Royal Family.───他的家族都是皇親國戚。

28 、David, in his secret heart, had visions of a sort of sublimated summer resort.───大衛(wèi)在他心里設(shè)想著一個(gè)類似理想的避暑地。

29 、He is sort of, er, in low spirits.───他有點(diǎn)兒，呃，精神不振。

30 、He's the sort of person I really dislike.───他這種人我真不喜歡。

31 、She never immersed herself in that sort of trivia.───她從來不沉湎于往日瑣事。

32 、A veterinary surgeon is a doctor of a sort.───獸醫(yī)是一個(gè)一般的醫(yī)生行當(dāng)。

33 、No buyers can buy this sort of product.───任何買主都不能購買這種產(chǎn)品。

34 、He's the sort of person who would pull the wings off a fly just for kicks.───他就是那種人，會(huì)把的蒼蠅的翅膀拉下來逗人玩。

35 、She hardly ever hit any sort of mark.───他幾乎從來沒有打中過什么目標(biāo)。

36 、Most people know a sort of puzzle called rebus.───大多數(shù)人都知道有一種稱為畫謎的猜謎。

37 、He had a sort of instinctive chivalry in him.───在他身上有一種天生的騎士精神。

38 、He's a bit tight with his money; definitely not the sort of man you can touch for a few bob.───他對錢有點(diǎn)吝嗇，你肯定不能從他這種人那里討到錢的。

39 、He is a sort of person who doesn't care two hoots what other people think.───他就是一個(gè)別人怎么想他毫不在乎的那種人。

40 、They seemed to love the land and the people with a sort of fierce egoism.───他們似乎是帶著強(qiáng)烈的利己主義來愛這里的人和土地的。

41 、Don't worry about price-I'm sure we can come to some sort of arrangement.───別擔(dān)心價(jià)格——我敢肯定我們能夠達(dá)成某種協(xié)議。

42 、He's pulling some sort of trick.───他不定在耍什麼花招。

43 、What sort of people does he think we are?───他把我們看成什么樣的人了?

44 、It seems to be a nasty sort of day,is not it?───似乎天氣惡劣，對吧?

45 、"What sort of a noise?" asked the cook.───“那是什么樣的響聲?”廚娘問道。

46 、There's some sort of sticky fluid on the kitchen floor.───廚房的地上有一種發(fā)黏的液體。

47 、You need a professional to sort out your finances .───你需要專業(yè)人士替你管理財(cái)務(wù)。

48 、He is not the sort of person ever to draw back.───他不是逃避責(zé)任的那種人。

49 、That sort of life style has come to stay whether you approve of it or not.───不管你贊成與否，那種生活方式已成為時(shí)尚。

50 、What sort of book do you want?───你要哪一類的書？

51 、The duchess sang a sort of lullaby to the baby.───公爵夫人對孩子唱了一首催眠曲一樣的歌子。

52 、We must sort out the good apples from the bad.───咱們得把好蘋果揀出來，同壞的分開。

53 、He's a friendly chatty sort of person.───他這個(gè)人挺和善，很愛講話。

54 、Dad seemed to take your going sort of hard.───你父親看來非常舍不得離開你。

55 、It is necessary that he (should) sort out the information for my reference.───他有必要整理些資料供我參考。

56 、What sort of books is most popular?───什么書最流行？

57 、He had such a funny friendly sort of face.───他的面孔是那么和善有趣。

58 、We have a private job to revamp their viticulture technology with selective harvesters and optical sorters.─── 我們接了私活兒 去幫他們改造收割機(jī)和光照揀選機(jī) 以改進(jìn)他們的葡萄栽培技術(shù)

59 、Do you mean you still have some other sort of room?───你是說還有其他樣子的房間嗎？

60 、He is an unapproachable sort of person.───他是個(gè)不易親近的人。

61 、Can you sort me out on how to write this preface?───你能對怎樣寫這個(gè)前言給我提點(diǎn)建議嗎？

62 、Let's sort the names alphabetically.───咱們把名字按字母順序歸類。

63 、Their lukewarm welcome gave me an all-over sort of feeling.───他們不冷不熱的歡迎使我覺得渾身不舒服。

64 、He appeared to be in a spasmodic sort of hurry.───他那副樣子好象非常匆促似的。

65 、You may find this sort of job rather difficult.───你會(huì)感到這種工作相當(dāng)難做。

66 、You must stop, and at once, this sort of behaviour.───你必須而且馬上停止這種行為。

67 、I wonder what sort of a bargain you'll make.───不知道你想賣個(gè)啥價(jià)錢。

68 、What sort of qualifications do you need for the job?───做這項(xiàng)工作需要什么資格？

69 、He's not the sort of man you can put one over on.───他可不是能用花言巧語打動(dòng)的人。

70 、She's a happy-go-lucky sort.───她是個(gè)樂天派。

71 、In another year, Wilma could manage a sort of hop.───又過了一年，威爾瑪好容易才能夠單足蹦跳。

72 、Poison of some sort must be operating in her.───一定有什么毒素在對她起作用。

73 、People have propose all sort of hypotheses to explain why dinosaur have become extinct.───人們提出種種假設(shè)，試圖說明恐龍為什么會(huì)滅絕。

74 、What sort of play do you like best?───你最喜歡哪種戲劇?

75 、They served coffee of a sort.───他們供應(yīng)的咖啡很差。

76 、He is a very active sort of person and cannot bear to see others idling about.───他是那種積極肯干的人，看不慣別人懶懶散散。

77 、Let me put on my thinking cap, sir. When you first told me that you wanted to make a sort of offer to me? Now let me think.───先生，讓我仔細(xì)想想， ... 你什么時(shí)候第一次對我說，你有件事跟我商量？讓我想想看。

78 、She is a very domestic sort of woman.───她是個(gè)十足的家庭婦女。

79 、He is the most suitable sort of salesman.───他就是那種最合適的推銷員。

80 、Can't you sort the good from the bad?───你難道不會(huì)區(qū)分好壞嗎?

81 、The husband and wife were having words of a sort.───夫妻倆正在吵架。

82 、She's the sort of woman who lives for others.───她是一心為別人著想的人。

求這些產(chǎn)品得英文名稱

共享器 sharing device

光標(biāo)閱卷機(jī) cursor paper reader

光端機(jī) optical terminal device

光端機(jī) 同上

光盤庫 disc warehouse

光盤銷毀機(jī) disc earse/demolish device

** anti-radar speedmeter

防盜報(bào)警 anti-theft alarm

防毒及郵件過濾 antivirous and email filrtater/sorter

防輻射產(chǎn)品 anti-radioative products/product

防靜電地板 anti-static floor

防雷產(chǎn)品 anti-thunder product/products

防水墻 waterproof wall

復(fù)用器 duplicater

覆膜機(jī) film/pellicle cover

多媒體硬盤播放 multi-media harddisk player

多屏顯示 multi-display

多屏顯示 multi-display

常用的搜索引擎有哪些

索引擎（search engines）是對互聯(lián)網(wǎng)上的信息資源進(jìn)行搜集整理，然后供你查詢的系統(tǒng)，它包括信息搜集、信息整理和用戶查詢?nèi)糠帧?/p>

搜索引擎是一個(gè)為你提供信息“檢索”服務(wù)的網(wǎng)站，它使用某些程序把因特網(wǎng)上的所有信息歸類以幫助人們在茫茫網(wǎng)海中搜尋到所需要的信息。

早期的搜索引擎是把因特網(wǎng)中的資源服務(wù)器的地址收集起來，由其提供的資源的類型不同而分成不同的目錄，再一層層地進(jìn)行分類。

人們要找自己想要的信息可按他們的分類一層層進(jìn)入，就能最后到達(dá)目的地，找到自己想要的信息。

這其實(shí)是最原始的方式，只適用于因特網(wǎng)信息并不多的時(shí)候。

隨著因特網(wǎng)信息按幾何式增長，出現(xiàn)了真正意義上的搜索引擎，這些搜索引擎知道網(wǎng)站上每一頁的開始，隨后搜索因特網(wǎng)上的所有超級鏈接，把代表超級鏈接的所有詞匯放入一個(gè)數(shù)據(jù)庫。

這就是現(xiàn)在搜索引擎的原型。

隨著yahoo!的出現(xiàn)，搜索引擎的發(fā)展也進(jìn)入了黃金時(shí)代，相比以前其性能更加優(yōu)越。

現(xiàn)在的搜索引擎已經(jīng)不只是單純的搜索網(wǎng)頁的信息了，它們已經(jīng)變得更加綜合化，完美化了。

以搜索引擎權(quán)威yahoo!為例，從1995年3月由美籍華裔楊致遠(yuǎn)等人創(chuàng)辦yahoo!開始，到現(xiàn)在，他們從一個(gè)單一的搜索引擎發(fā)展到現(xiàn)在有電子商務(wù)、新聞信息服務(wù)、個(gè)人免費(fèi)電子信箱服務(wù)等多種網(wǎng)絡(luò)服務(wù)，充分說明了搜索引擎的發(fā)展從單一到綜合的過程。

然而由于搜索引擎的工作方式和因特網(wǎng)的快速發(fā)展，使其搜索的結(jié)果讓人越來越不滿意。

例如，搜索“電腦”這個(gè)詞匯，就可能有數(shù)百萬頁的結(jié)果。

這是由于搜索引擎通過對網(wǎng)站的相關(guān)性來優(yōu)化搜索結(jié)果，這種相關(guān)性又是由關(guān)鍵字在網(wǎng)站的位置、網(wǎng)站的名稱、 標(biāo)簽等公式來決定的。

這就是使搜索引擎搜索結(jié)果多而雜的原因。

而搜索引擎中的數(shù)據(jù)庫因?yàn)橐蛱鼐W(wǎng)的發(fā)展變化也必然包含了死鏈接。

這篇文章中，我們介紹了google，它是一個(gè)大型的搜索引擎（of a large-scale search engine）的原型，搜索引擎在超文本中應(yīng)用廣泛。

Google的設(shè)計(jì)能夠高效地抓網(wǎng)頁并建立索引，它的查詢結(jié)果比其它現(xiàn)有系統(tǒng)都高明。

這個(gè)原型的全文和超連接的數(shù)據(jù)庫至少包含24‘000‘000個(gè)網(wǎng)頁。

我們可以從://google.stanford.edu/ 下載。

設(shè)計(jì)搜索引擎是一項(xiàng)富有挑戰(zhàn)性的工作。

搜索引擎為上億個(gè)網(wǎng)頁建立索引，其中包含大量迥然不同的詞匯。

而且每天要回答成千上萬個(gè)查詢。

在網(wǎng)絡(luò)中，盡管大型搜索引擎非常重要，但是學(xué)術(shù)界卻很少研究它。

此外由于技術(shù)的快速發(fā)展和網(wǎng)頁的大量增加，現(xiàn)在建立一個(gè)搜索引擎和三年前完全不同。

本文詳細(xì)介紹了我們的大型搜索引擎，據(jù)我們所知，在公開發(fā)表的論文中，這是第一篇描述地如此詳細(xì)。

除了把傳統(tǒng)數(shù)據(jù)搜索技術(shù)應(yīng)用到如此大量級網(wǎng)頁中所遇到的問題，還有許多新的技術(shù)挑戰(zhàn)，包括應(yīng)用超文本中的附加信息改進(jìn)搜索結(jié)果。

本文將解決這個(gè)問題，描述如何運(yùn)用超文本中的附加信息，建立一個(gè)大型實(shí)用系統(tǒng)。

任何人都可以在網(wǎng)上隨意發(fā)布信息，如何有效地處理這些無組織的超文本 *** ，也是本文要關(guān)注的問題。

關(guān)鍵詞 World Wide Web，搜索引擎，信息檢索，PageRank, Google 1 緒論 Web 給信息檢索帶來了新的挑戰(zhàn)。

Web上的信息量快速增長，同時(shí)不斷有毫無經(jīng)驗(yàn)的新用戶來體驗(yàn)Web這門藝術(shù)。

人們喜歡用超級鏈接來網(wǎng)上沖浪，通常都以象Yahoo這樣重要的網(wǎng)頁或搜索引擎開始。

大家認(rèn)為List(目錄)有效地包含了大家感興趣的主題，但是它具有主觀性，建立和維護(hù)的代價(jià)高，升級慢，不能包括所有深?yuàn)W的主題。

基于關(guān)鍵詞的自動(dòng)搜索引擎通常返回太多的低質(zhì)量的匹配。

使問題更遭的是，一些**為了贏得人們的關(guān)注想方設(shè)法誤導(dǎo)自動(dòng)搜索引擎。

我們建立了一個(gè)大型搜索引擎解決了現(xiàn)有系統(tǒng)中的很多問題。

應(yīng)用超文本結(jié)構(gòu)，大大提高了查詢質(zhì)量。

我們的系統(tǒng)命名為google，取名自googol的通俗拼法，即10的100次方，這和我們的目標(biāo)建立一個(gè)大型搜索引擎不謀而合。

1.1網(wǎng)絡(luò)搜索引擎—升級換代（scaling up）：1994-2000 搜索引擎技術(shù)不得不快速升級（scale dramatically）跟上成倍增長的web數(shù)量。

1994年，第一個(gè)Web搜索引擎，World Wide Web Worm(WWWW)可以檢索到110，000個(gè)網(wǎng)頁和Web的文件。

到1994年11月，頂級的搜索引擎聲稱可以檢索到2‘000’000（WebCrawler）至100‘000’000個(gè)網(wǎng)絡(luò)文件（來自 Search Engine Watch）。

可以預(yù)見到2000年，可檢索到的網(wǎng)頁將超過1‘000’000‘000。

同時(shí)，搜索引擎的訪問量也會(huì)以驚人的速度增長。

在1997年的三四月份，World Wide Web Worm 平均每天收到1500個(gè)查詢。

在1997年11月，Altavista 聲稱它每天要處理大約20’000’000個(gè)查詢。

隨著網(wǎng)絡(luò)用戶的增長，到2000年，自動(dòng)搜索引擎每天將處理上億個(gè)查詢。

我們系統(tǒng)的設(shè)計(jì)目標(biāo)要解決許多問題，包括質(zhì)量和可升級性，引入升級搜索引擎技術(shù)（scaling search engine technology），把它升級到如此大量的數(shù)據(jù)上。

1.2 Google：跟上Web的步伐（Scaling with the Web）建立一個(gè)能夠和當(dāng)今web規(guī)模相適應(yīng)的搜索引擎會(huì)面臨許多挑戰(zhàn)。

抓網(wǎng)頁技術(shù)必須足夠快，才能跟上網(wǎng)頁變化的速度（keep them up to date）。

存儲(chǔ)索引和文檔的空間必須足夠大。

索引系統(tǒng)必須能夠有效地處理上千億的數(shù)據(jù)。

處理查詢必須快，達(dá)到每秒能處理成百上千個(gè)查詢（hundreds to thousands per second.）。

隨著Web的不斷增長，這些任務(wù)變得越來越艱巨。

然而硬件的執(zhí)行效率和成本也在快速增長，可以部分抵消這些困難。

還有幾個(gè)值得注意的因素，如磁盤的尋道時(shí)間（disk seek time），操作系統(tǒng)的效率（operating system robustness）。

在設(shè)計(jì)Google的過程中，我們既考慮了Web的增長速度，又考慮了技術(shù)的更新。

Google的設(shè)計(jì)能夠很好的升級處理海量數(shù)據(jù)集。

它能夠有效地利用存儲(chǔ)空間來存儲(chǔ)索引。

優(yōu)化的數(shù)據(jù)結(jié)構(gòu)能夠快速有效地存取（參考4.2節(jié)）。

進(jìn)一步，我們希望，相對于所抓取的文本文件和HTML網(wǎng)頁的數(shù)量而言，存儲(chǔ)和建立索引的代價(jià)盡可能的小（參考附錄B）。

對于象Google這樣的集中式系統(tǒng)，采取這些措施得到了令人滿意的系統(tǒng)可升級性（scaling properties）。

1. 3設(shè)計(jì)目標(biāo) 1.3.1提高搜索質(zhì)量我們的主要目標(biāo)是提高Web搜索引擎的質(zhì)量。

1994年，有人認(rèn)為建立全搜索索引（a plete search index）可以使查找任何數(shù)據(jù)都變得容易。

根據(jù)Best of the Web 1994 -- Navigators ，“最好的導(dǎo)航服務(wù)可以使在Web上搜索任何信息都很容易（當(dāng)時(shí)所有的數(shù)據(jù)都可以被登錄）”。

然而1997年的Web就迥然不同。

近來搜索引擎的用戶已經(jīng)證實(shí)索引的完整性不是評價(jià)搜索質(zhì)量的唯一標(biāo)準(zhǔn)。

用戶感興趣的搜索結(jié)果往往湮沒在“垃圾結(jié)果Junk result”中。

實(shí)際上，到1997年11月為止，四大商業(yè)搜索引擎中只 有一個(gè)能夠找到它自己（搜索自己名字時(shí)返回的前十個(gè)結(jié)果中有它自己）。

導(dǎo)致這一問題的主要原因是文檔的索引數(shù)目增加了好幾個(gè)數(shù)量級，但是用戶能夠看的文檔數(shù)卻沒有增加。

用戶仍然只希望看前面幾十個(gè)搜索結(jié)果。

因此，當(dāng) *** 增大時(shí)，我們就需要工具使結(jié)果精確（在返回的前幾十個(gè)結(jié)果中，有關(guān)文檔的數(shù)量）。

由于是從成千上萬個(gè)有點(diǎn)相關(guān)的文檔中選出幾十個(gè)，實(shí)際上，相關(guān)的概念就是指最好的文檔。

高精確非常重要，甚至以響應(yīng)（系統(tǒng)能夠返回的有關(guān)文檔的總數(shù)）為代價(jià)。

令人高興的是利用超文本鏈接提供的信息有助于改進(jìn)搜索和其它應(yīng)用 。

尤其是鏈接結(jié)構(gòu)和鏈接文本，為相關(guān)性的判斷和高質(zhì)量的過濾提供了大量的信息。

Google既利用了鏈接結(jié)構(gòu)又用到了anchor文本（見2.1和2.2節(jié)）。

1.3.2搜索引擎的學(xué)術(shù)研究隨著時(shí)間的流逝，除了發(fā)展迅速，Web越來越商業(yè)化。

1993年，只有1.5%的Web服務(wù)是來自域名。

到1997年，超過了60%。

同時(shí)，搜索引擎從學(xué)術(shù)領(lǐng)域走進(jìn)商業(yè)。

到現(xiàn)在大多數(shù)搜索引擎被公司所有，很少技公開術(shù)細(xì)節(jié)。

這就導(dǎo)致搜索引擎技術(shù)很大程度上仍然是暗箱操作，并傾向做**（見附錄A）。

Google的主要目標(biāo)是推動(dòng)學(xué)術(shù)領(lǐng)域在此方面的發(fā)展，和對它的了解。

另一個(gè)設(shè)計(jì)目標(biāo)是給大家一個(gè)實(shí)用的系統(tǒng)。

應(yīng)用對我們來說非常重要，因?yàn)楝F(xiàn)代網(wǎng)絡(luò)系統(tǒng)中存在大量的有用數(shù)據(jù)（us because we think some of the most interesting research will involve leveraging the vast amount of usage data that is available from modern web systems）。

例如，每天有幾千萬個(gè)研究。

然而，得到這些數(shù)據(jù)卻非常困難，主要因?yàn)樗鼈儧]有商業(yè)價(jià)值。

我們最后的設(shè)計(jì)目標(biāo)是建立一個(gè)體系結(jié)構(gòu)能夠支持新的關(guān)于海量Web數(shù)據(jù)的研究。

為了支持新研究，Google以壓縮的形式保存了實(shí)際所抓到的文檔。

設(shè)計(jì)google的目標(biāo)之一就是要建立一個(gè)環(huán)境使其他研究者能夠很快進(jìn)入這個(gè)領(lǐng)域，處理海量Web數(shù)據(jù)，得到滿意的結(jié)果，而通過其它方法卻很難得到結(jié)果。

系統(tǒng)在短時(shí)間內(nèi)被建立起來，已經(jīng)有幾篇論文用到了Google建的數(shù)據(jù)庫，更多的在起步中。

我們的另一個(gè)目標(biāo)是建立一個(gè)宇宙空間實(shí)驗(yàn)室似的環(huán)境，在這里研究者甚至學(xué)生都可以對我們的海量Web數(shù)據(jù)設(shè)計(jì)或做一些實(shí)驗(yàn)。

2. 系統(tǒng)特點(diǎn) Google搜索引擎有兩個(gè)重要特點(diǎn)，有助于得到高精度的搜索結(jié)果。

第一點(diǎn)，應(yīng)用Web的鏈接結(jié)構(gòu)計(jì)算每個(gè)網(wǎng)頁的Rank值，稱為PageRank，將在98頁詳細(xì)描述它。

第二點(diǎn)，Google利用超鏈接改進(jìn)搜索結(jié)果。

2.1 PageRank:給網(wǎng)頁排序 Web的引用（鏈接）圖是重要的資源，卻被當(dāng)今的搜索引擎很大程度上忽視了。

我們建立了一個(gè)包含518‘000’000個(gè)超鏈接的圖，它是一個(gè)具有重要意義的樣本。

這些圖能夠快速地計(jì)算網(wǎng)頁的PageRank值，它是一個(gè)客觀的標(biāo)準(zhǔn)，較好的符合人們心目中對一個(gè)網(wǎng)頁重要程度的評價(jià)，建立的基礎(chǔ)是通過引用判斷重要性。

因此在web中，PageRank能夠優(yōu)化關(guān)鍵詞查詢的結(jié)果。

對于大多數(shù)的主題，在網(wǎng)頁標(biāo)題查詢中用PageRank優(yōu)化簡單文本匹配，我們得到了令人驚嘆的結(jié)果（從google.stanford.edu可以得到演示）。

對于Google主系統(tǒng)中的全文搜索，PageRank也幫了不少忙。

2.1.1計(jì)算PageRank 文獻(xiàn)檢索中的引用理論用到Web中，引用網(wǎng)頁的鏈接數(shù)，一定程度上反映了該網(wǎng)頁的重要性和質(zhì)量。

PageRank發(fā)展了這種思想，網(wǎng)頁間的鏈接是不平等的。

PageRank定義如下: 我們假設(shè)T1…Tn指向網(wǎng)頁A（例如，被引用）。

參數(shù)d是制動(dòng)因子，使結(jié)果在0，1之間。

通常d等于0.85。

在下一節(jié)將詳細(xì)介紹d。

C（A）定義為網(wǎng)頁A指向其它網(wǎng)頁的鏈接數(shù)，網(wǎng)頁A的PageRank值由下式給出： PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)) 注意PageRank的形式，分布到各個(gè)網(wǎng)頁中，因此所有網(wǎng)頁的PageRank和是1。

PageRank或PR（A）可以用簡單的迭代算法計(jì)算，相應(yīng)規(guī)格化Web鏈接矩陣的主特征向量。

中等規(guī)模的網(wǎng)站計(jì)算26‘000’000網(wǎng)頁的PageRank值要花費(fèi)幾小時(shí)。

還有一些技術(shù)細(xì)節(jié)超出了本文論述的范圍。

2.1.2直覺判斷 PageRank被看作用戶行為的模型。

我們假設(shè)網(wǎng)上沖浪是隨機(jī)的，不斷點(diǎn)擊鏈接，從不返回，最終煩了，另外隨機(jī)選一個(gè)網(wǎng)頁重新開始沖浪。

隨機(jī)訪問一個(gè)網(wǎng)頁的可能性就是它的PageRank值。

制動(dòng)因子d是隨機(jī)訪問一個(gè)網(wǎng)頁煩了的可能性，隨機(jī)另選一個(gè)網(wǎng)頁。

對單個(gè)網(wǎng)頁或一組網(wǎng)頁，一個(gè)重要的變量加入到制動(dòng)因子d中。

這允許個(gè)人可以故意地誤導(dǎo)系統(tǒng)，以得到較高的PageRank值。

我們還有其它的PageRank算法，見98頁。

另外的直覺判斷是一個(gè)網(wǎng)頁有很多網(wǎng)頁指向它，或者一些PageRank值高的網(wǎng)頁指向它，則這個(gè)網(wǎng)頁很重要。

直覺地，在Web中，一個(gè)網(wǎng)頁被很多網(wǎng)頁引用，那么這個(gè)網(wǎng)頁值得一看。

一個(gè)網(wǎng)頁被象Yahoo這樣重要的主頁引用即使一次，也值得一看。

如果一個(gè)網(wǎng)頁的質(zhì)量不高，或者是死鏈接，象Yahoo這樣的主頁不會(huì)鏈向它。

PageRank處理了這兩方面因素，并通過網(wǎng)絡(luò)鏈接遞歸地傳遞。

& nbsp; 2.2鏈接描述文字（Anchor Text）我們的搜索引擎對鏈接文本進(jìn)行了特殊的處理。

大多數(shù)搜索引擎把鏈接文字和它所鏈向的網(wǎng)頁（the page that the link is on）聯(lián)系起來。

另外，把它和鏈接所指向的網(wǎng)頁聯(lián)系起來。

這有幾點(diǎn)好處。

第一，通常鏈接描述文字比網(wǎng)頁本身更精確地描述該網(wǎng)頁。

第二，鏈接描述文字可能鏈向的文檔不能被文本搜索引擎檢索到，例如圖像，程序和數(shù)據(jù)庫。

有可能使返回的網(wǎng)頁不能被抓到。

注意哪些抓不到的網(wǎng)頁將會(huì)帶來一些問題。

在返回給用戶前檢測不了它們的有效性。

這種情況搜索引擎可能返回一個(gè)根本不存在的網(wǎng)頁，但是有超級鏈接指向它。

然而這種結(jié)果可以被挑出來的，所以此類的問題很少發(fā)生。

鏈接描述文字是對被鏈向網(wǎng)頁的宣傳，這個(gè)思想被用在World Wide Web Worm 中，主要因?yàn)樗兄谒阉鞣俏谋拘畔?，能夠用少量的已下載文檔擴(kuò)大搜索范圍。

我們大量應(yīng)用鏈接描述文字，因?yàn)樗兄谔岣咚阉鹘Y(jié)果的質(zhì)量。

有效地利用鏈接描述文字技術(shù)上存在一些困難，因?yàn)楸仨毺幚泶罅康臄?shù)據(jù)。

現(xiàn)在我們能抓到24‘000’000個(gè)網(wǎng)頁，已經(jīng)檢索到259‘000’000多個(gè)鏈接描述文字。

2.3其它特點(diǎn)除了PageRank和應(yīng)用鏈接描述文字外，Google還有一些其它特點(diǎn)。

第一,所有hit都有位置信息，所以它可以在搜索中廣泛應(yīng)用鄰近性（proximity）。

第二，Google跟蹤一些可視化外表細(xì)節(jié)，例如字號。

黑體大號字比其它文字更重要。

第三，知識(shí)庫存儲(chǔ)了原始的全文網(wǎng)頁。

3有關(guān)工作 Web檢索研究的歷史簡短。

World Wide Web Worm（）是最早的搜索引擎之一。

后來出現(xiàn)了一些用于學(xué)術(shù)研究的搜索引擎，現(xiàn)在它們中的大多數(shù)被上市公司擁有。

與Web的增長和搜索引擎的重要性相比，有關(guān)當(dāng)今搜索引擎技術(shù)的優(yōu)秀論文相當(dāng)少。

根據(jù)Michael Mauldin（Lycos Inc的首席科學(xué)家）) ，“各種各樣的服務(wù)（包括Lycos）非常關(guān)注這些數(shù)據(jù)庫的細(xì)節(jié)。

”雖然在搜索引擎的某些特點(diǎn)上做了大量工作。

具有代表性的工作有，對現(xiàn)有商業(yè)搜索引擎的結(jié)果進(jìn)行傳遞，或建立小型的個(gè)性化的搜索引擎。

最后有關(guān)信息檢索系統(tǒng)的研究很多，尤其在有組織機(jī)構(gòu) *** （well controlled collections）方面。

在下面兩節(jié)，我們將討論在信息檢索系統(tǒng)中的哪些領(lǐng)域需要改進(jìn)以便更好的工作在Web上。

3.1信息檢索信息檢索系統(tǒng)誕生在幾年前，并發(fā)展迅速。

然而大多數(shù)信息檢索系統(tǒng)研究的對象是小規(guī)模的單一的有組織結(jié)構(gòu)的 *** ，例如科學(xué)論文集，或相關(guān)主題的新聞故事。

實(shí)際上，信息檢索的主要基準(zhǔn)，the Text Retrieval Conference（），用小規(guī)模的、有組織結(jié)構(gòu)的 *** 作為它們的基準(zhǔn)。

大型文集基準(zhǔn)只有20GB，相比之下，我們抓到的24000000個(gè)網(wǎng)頁占147GB。

在TREC上工作良好的系統(tǒng)，在Web上卻不一定產(chǎn)生好的結(jié)果。

例如，標(biāo)準(zhǔn)向量空間模型企圖返回和查詢請求最相近的文檔，把查詢請求和文檔都看作由出現(xiàn)在它們中的詞匯組成的向量。

在Web環(huán)境下，這種策略常常返回非常短的文檔，這些文檔往往是查詢詞再加幾個(gè)字。

例如，查詢“Bill Clinton”，返回的網(wǎng)頁只包含“Bill Clinton Sucks”，這是我們從一個(gè)主要搜索引擎中看到的。

網(wǎng)絡(luò)上有些爭議，用戶應(yīng)該更準(zhǔn)確地表達(dá)他們想查詢什么，在他們的查詢請求中用更多的詞。

我們強(qiáng)烈反對這種觀點(diǎn)。

如果用戶提出象“Bill Clinton”這樣的查詢請求，應(yīng)該得到理想的查詢結(jié)果，因?yàn)檫@個(gè)主題有許多高質(zhì)量的信息。

象所給的例子，我們認(rèn)為信息檢索標(biāo)準(zhǔn)需要發(fā)展，以便有效地處理Web數(shù)據(jù)。

3.2有組織結(jié)構(gòu)的 *** （Well Controlled Collections）與Web的不同點(diǎn) Web是完全無組織的異構(gòu)的大量文檔的 *** 。

Web中的文檔無論內(nèi)在信息還是隱含信息都存在大量的異構(gòu)性。

例如，文檔內(nèi)部就用了不同的語言（既有人類語言又有程序），詞匯（[email]地址，鏈接，郵政編碼，**號碼，產(chǎn)品號），類型（文本，HTML，PDF，圖像，聲音），有些甚至是機(jī)器創(chuàng)建的文件（log文件，或數(shù)據(jù)庫的輸出）。

可以從文檔中推斷出來，但并不包含在文檔中的信息稱為隱含信息。

隱含信息包括來源的信譽(yù)，更新頻率，質(zhì)量，訪問量和引用。

不但隱含信息的可能來源各種各樣，而且被檢測的信息也大不相同，相差可達(dá)好幾個(gè)數(shù)量級。

例如，一個(gè)重要主頁的使用量，象Yahoo 每天瀏覽數(shù)達(dá)到上百萬次，于此相比無名的歷史文章可能十年才被訪問一次。

很明顯，搜索引擎對這兩類信息的處理是不同的。

Web與有組織結(jié)構(gòu) *** 之間的另外一個(gè)明顯區(qū)別是，事實(shí)上，向Web上傳信息沒有任何限制。

靈活利用這點(diǎn)可以發(fā)布任何對搜索引擎影響重大的信息，使路由阻塞，加上為牟利故意操縱搜索引擎，這些已經(jīng)成為一個(gè)嚴(yán)重的問題。

這些問題還沒有被傳統(tǒng)的封閉的信息檢索系統(tǒng)所提出來。

它關(guān)心的是元數(shù)據(jù)的努力，這在Web搜索引擎中卻不適用，因?yàn)榫W(wǎng)頁中的任何文本都不會(huì)向用戶聲稱企圖操縱搜索引擎。

甚至有些公司為牟利專門操縱搜索引擎。

4 系統(tǒng)分析（System Anatomy）首先，我們提供高水平的有關(guān)體系結(jié)構(gòu)的討論。

然后 ，詳細(xì)描述重要的數(shù)據(jù)結(jié)構(gòu)。

最后，主要應(yīng)用：抓網(wǎng)頁，索引，搜索將被嚴(yán)格地檢查。

Figure 1. High Level Google Architecture 4.1Google體系結(jié)構(gòu)概述這一節(jié)，我們將看看整個(gè)系統(tǒng)是如何工作的（give a high level），見圖1。

本節(jié)不討論應(yīng)用和數(shù)據(jù)結(jié)構(gòu)，在后幾節(jié)中討論。

為了效率大部分Google是用c或c++實(shí)現(xiàn)的，既可以在Solaris也可以在Linux上運(yùn)行。

Google系統(tǒng)中，抓網(wǎng)頁（下載網(wǎng)頁）是由幾個(gè)分布式crawlers完成的。

一個(gè)URL服務(wù)器負(fù)責(zé)向crawlers提供URL列表。

抓來的網(wǎng)頁交給存儲(chǔ)服務(wù)器storeserver。

然后，由存儲(chǔ)服務(wù)器壓縮網(wǎng)頁并把它們存到知識(shí)庫repository中。

每個(gè)網(wǎng)頁都有一個(gè)ID，稱作docID，當(dāng)新URL從網(wǎng)頁中分析出時(shí)，就被分配一個(gè)docID。

由索引器和排序器負(fù)責(zé)建立索引index function。

索引器從知識(shí)庫中讀取文檔，對其解壓縮和分析。

每個(gè)文檔被轉(zhuǎn)換成一組詞的出現(xiàn)情況，稱作命中hits。

Hits紀(jì)錄了詞，詞在文檔中的位置，最接近的字號，大小寫。

索引器把這些hits分配到一組桶barrel中，產(chǎn)生經(jīng)過部分排序后的索引。

索引器的另一個(gè)重要功能是分析網(wǎng)頁中所有的鏈接，將有關(guān)的重要信息存在鏈接描述anchors文件中。

該文件包含了足夠的信息，可以用來判斷每個(gè)鏈接鏈出鏈入節(jié)點(diǎn)的信息，和鏈接文本。

URL分解器resolver閱讀鏈接描述anchors文件，并把相對URL轉(zhuǎn)換成絕對URL，再轉(zhuǎn)換成docID。

為鏈接描述文本編制索引，并與它所指向的docID關(guān)聯(lián)起來。

同時(shí)建立由docID對組成的鏈接數(shù)據(jù)庫。

用于計(jì)算所有文檔的PageRank值。

用docID分類后的barrels，送給排序器sorter，再根據(jù)wordID進(jìn)行分類，建立反向索引inverted index。

這個(gè)操作要恰到好處，以便幾乎不需要暫存空間。

排序器還給出docID和偏移量列表，建立反向索引。

一個(gè)叫DumpLexicon的程序把這個(gè)列表和由索引器產(chǎn)生的字典結(jié)合在一起，建立一個(gè)新的字典，供搜索器使用。

這個(gè)搜索器就是利用一個(gè)Web服務(wù)器，使用由DumpLexicon所生成的字典，利用上述反向索引以及頁面等級PageRank來回答用戶的提問。

4.2主要數(shù)據(jù)結(jié)構(gòu)經(jīng)過優(yōu)化的Google數(shù)據(jù)結(jié)構(gòu)，能夠用較小的代價(jià)抓取大量文檔，建立索引和查詢。

雖然近幾年CPU和輸入輸出速率迅速提高。

磁盤尋道仍然需要10ms。

任何時(shí)候Google系統(tǒng)的設(shè)計(jì)都盡可能地避免磁盤尋道。

這對數(shù)據(jù)結(jié)構(gòu)的設(shè)計(jì)影響很大。

4.2.1大文件大文件BigFiles是指虛擬文件生成的多文件系統(tǒng)，用長度是64位的整型數(shù)據(jù)尋址。

多文件系統(tǒng)之間的空間分配是自動(dòng)完成的。

BigFiles包也處理已分配和未分配文件描述符。

由于操縱系統(tǒng)不能滿足我們的需要，BigFiles也支持基本的壓縮選項(xiàng)。

4.2.2知識(shí)庫 Figure 2. Repository Data Structure 知識(shí)庫包含每個(gè)網(wǎng)頁的全部HTML。

每個(gè)網(wǎng)頁用zlib（見RFC1950）壓縮。

壓縮技術(shù)的選擇既要考慮速度又要考慮壓縮率。

我們選擇zlib的速度而不是壓縮率很高的bzip。

知識(shí)庫用bzip的壓縮率接近4：1。

而用zlib的壓縮率是3：1。

文檔一個(gè)挨著一個(gè)的存儲(chǔ)在知識(shí)庫中，前綴是docID，長度，URL，見圖2。

訪問知識(shí)庫不需要其它的數(shù)據(jù)結(jié)構(gòu)。

這有助于數(shù)據(jù)一致性和升級。

用其它數(shù)據(jù)結(jié)構(gòu)重構(gòu)系統(tǒng)，我們只需要修改知識(shí)庫和crawler錯(cuò)誤列表文件。

4.2.3文件索引文件索引保存了有關(guān)文檔的一些信息。

索引以docID的順序排列，定寬ISAM（Index sequential access mode）。

每條記錄包括當(dāng)前文件狀態(tài)，一個(gè)指向知識(shí)庫的指針，文件校驗(yàn)和，各種統(tǒng)計(jì)表。

如果一個(gè)文檔已經(jīng)被抓到，指針指向docinfo文件，該文件的寬度可變，包含了URL和標(biāo)題。

否則指針指向包含這個(gè)URL的URL列表。

這種設(shè)計(jì)考慮到簡潔的數(shù)據(jù)結(jié)構(gòu)，以及在查詢中只需要一個(gè)磁盤尋道時(shí)間就能夠訪問一條記錄。

還有一個(gè)文件用于把URL轉(zhuǎn)換成docID。

它是URL校驗(yàn)和與相應(yīng)docID的列表，按校驗(yàn)和排序。

要想知道某個(gè)URL的docID，需要計(jì)算URL的校驗(yàn)和，然后在校驗(yàn)和文件中執(zhí)行二進(jìn)制查找，找到它的docID。

通過對這個(gè)文件進(jìn)行合并，可以把一批URL轉(zhuǎn)換成對應(yīng)的docID。

URL分析器用這項(xiàng)技術(shù)把URL轉(zhuǎn)換成docID。

這種成批更新的模式是至關(guān)重要的，否則每個(gè)鏈接都需要一次查詢，假如用一塊磁盤，322‘000’000個(gè)鏈接的數(shù)據(jù) *** 將花費(fèi)一個(gè)多月的時(shí)間。

4.2.4詞典詞典有幾種不同的形式。

和以前系統(tǒng)的重要不同是，詞典對內(nèi)存的要求可以在合理的價(jià)格內(nèi)。

現(xiàn)在實(shí)現(xiàn)的系統(tǒng)，一臺(tái)256M內(nèi)存的機(jī)器就可以把詞典裝入到內(nèi)存中。

現(xiàn)在的詞典包含14000000詞匯（雖然一些很少用的詞匯沒有加入到詞典中）。

它執(zhí)行分兩部分—詞匯表（用null分隔的連續(xù)串）和指針的哈希表。

不同的函數(shù)，詞匯表有一些輔助信息，這超出了本文論述的范圍。

4.2.5 hit list hit list是一篇文檔中所出現(xiàn)的詞的列表，包括位置，字號，大小寫。

Hit list占很大空間，用在正向和反向索引中。

因此，它的表示形式越有效越好。

我們考慮了幾種方案來編碼位置，字號，大小寫—簡單編碼（3個(gè)整型數(shù)），緊湊編碼（支持優(yōu)化分配比特位），哈夫曼編碼。

Hit的詳細(xì)信息見圖3。

我們的緊湊編碼每個(gè)hit用2字節(jié)。

有兩種類型hit，特殊hit和普通hit。

特殊hit包含URL，標(biāo)題，鏈接描述文字，meta tag。

普通hit包含其它每件事。

它包括大小寫特征位，字號，12比特用于描述詞在文檔中的位置（所有超過4095的位置標(biāo)記為4096）。

字號采用相對于文檔的其它部分的相對大小表示，占3比特(實(shí)際只用7個(gè)值，因?yàn)?11標(biāo)志是特殊hit)。

特殊hit由大小寫特征位，字號位為7表示它是特殊hit，用4比特表示特殊hit的類型，8比特表示位置。

對于anchor hit八比特位置位分出4比特用來表示在anchor中的位置，4比特用于表明anchor出現(xiàn)的哈希表hash of the docID。

短語查詢是有限的，對某些詞沒有足夠多的anchor。

我們希望更新anchor hit的存儲(chǔ)方式，以便解決地址位和docIDhash域位數(shù)不足的問題。