第一代搜索引擎_百度百科
第一代搜索引擎
本词条缺少名片图，补充相关内容使词条更完整，还能快速升级，赶紧来吧！
Archie被公认为是第一代搜索引擎雏形，也是第一代搜索引擎的鼻祖。它是由加拿大麦吉尔大学（University of McGill）计算机学院的师生于1990开发出来，随后Yahoo、Altavista、Inktomi、Google提供先后对搜索引擎服务进行了升级优化，真正的搜索引擎真正诞生。
第一代搜索引擎历史概述
第一代搜索引擎鼻祖
1990年，麦吉尔大学（University of McGill）计算机学院的师生开发出Archie。当时，万维网（WWW）还没有问世，人们通过FTP来共享交流资源。Archie能定期搜集并分析FTP服务器上的文件名信息，提供查找分别在各个FTP主机中的文件。用户必须输入精确的文件名进行搜索，Archie告诉用户哪个FTP服务器能下载该文件。虽然Archie搜集的信息资源不是网页（HTML文件），但和搜索引擎的基本工作方式是一样的：自动搜集信息资源、建立索引、提供检索服务。所以，Archie被公认为第一代搜索引擎的鼻祖。
第一代搜索引擎问世
1994年4月，斯坦福大学的两名生，美籍华人杨致远和David Filo共同创办了Yahoo！。随着访问量和收录链接数的增长，Yahoo目录开始支持简单的数据库搜索。Yahoo以后陆续有Altavista、Inktomi、Google提供搜索引擎服务。Yahoo!几乎成为20世纪90年代的因特网的代名词。1996年8月，sohu公司成立，制作中文网站分类目录，曾有“出门找，上网找搜狐”的美誉。
第一代搜索引擎基本特征
第一代搜索引擎的特征是基于人工分类目录搜索。目录式搜索是以人工方式或半自动方式建立起来的目录导航，目录的用户界面是分级结构，首页提供了几个分类入口，把信息放在目录下，逐级向下查询，用它可以找到需要的信息。因为是手工输入，所以算不上是真正的搜索引擎，只是按分类链接而已。
第一代搜索引擎应用缺陷
随着互联网的发展，人工编辑的分类目录已经不适应。其显著缺陷是完全依靠手工操作，需要人工按照分类一层一层填写，逐层进入才能找到，搜索速度非常慢，使用比较复杂。尽管现在仍有使用，但可以确定的是，依靠目录式搜索这种原始方式就将走到尽头，使用搜索引擎的时代已经到来。
第一代搜索引擎发展趋势
信息分类是式搜索的发展趋势，它让互联网变的更普及更贴近、更方便人们的生活。人们日常在互联网上所看到的信息，往往是不管你愿不愿意，接受不接受它都会强加给你，人们称这类信息为被动信息；而人们主动去查询招聘、租房、旅游等方面的信息称它为主动信息。在信息社会逐步发展的今天，被动信息越来越引起人们的反感，而主动信息却受到人们的广泛青睐。几乎每个网站都少不了分类信息的身影，而且办得越好的网站，分类信息的篇幅往往越大。
企业信用信息什么是站内搜索？_百度知道什么叫搜索关键词_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
什么叫搜索关键词
上传于||暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢之前只是好奇在淘宝上搜了一下，没想到留下了搜索历史，然后买东西的时候同事点电脑看到了，好尴尬！本人女，同事男，今后是不是要用异样的眼光看我了！啊啊啊，好烦
来一炮就好了，别担心
已有帐号？
无法登录？
社交帐号登录
有人喜欢白，有人喜欢黑，有人喜欢灰，可我只喜欢彩虹。查找算法_百度百科
查找是在大量的信息中寻找一个特定的信息元素，在计算机应用中，查找是常用的基本运算，例如编译程序中符号表的查找。
查找算法概念
用关键字标识一个，查找时根据给定的某个值，在表中确定一个关键字的值等于给定值的记录或数据元素。在计算机中进行查找的方法是根据表中的记录的组织结构确定的。　　也称为线形查找，从数据结构线形表的一端开始，顺序扫描，依次将扫描到的结点关键字与给定值k相比较，若相等则表示查找成功；若扫描结束仍没有找到关键字等于k的结点，表示查找失败。　　要求线形表中的结点按值升序或降序排列，用给定值k先与中间结点的关键字比较，中间结点把线形表分成两个子表，若相等则查找成功；若不相等，再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表，这样递归进行，直到查找到或查找结束发现表中没有这样的结点。　　也称为索引查找，把线形分成若干块，在每一块中的数据元素的存储顺序是任意的，但要求块与块之间须按关键字值的大小有序排列，还要建立一个按关键字值递增顺序排列的索引表，索引表中的一项对应线形表中的一块，索引项包括两个内容：① 键域存放相应块的最大关键字；② 链域存放指向本块第一个结点的指针。分块查找分两步进行，先确定待查找的结点属于哪一块，然后在块内查找结点。　　哈希表查找是通过对记录的关键字值进行运算，直接求出结点的地址，是关键字到地址的直接转换方法，不用反复比较。假设f包含n个结点，Ri为其中某个结点（1≤i≤n），keyi是其关键字值，在keyi与Ri的地址之间建立某种函数关系，可以通过这个函数把关键字值转换成相应结点的地址，有：addr(Ri)=H(keyi)，addr(Ri)为哈希函数。
查找算法顺序查找
顺序查找过程：从表中的最后一个记录开始，逐个进行记录的关键字与给定值进行比较，若某个记录的关键字与给定值相等，则查找成功，找到所查的记录；反之，若直到第一个记录，其关键字和给定值比较都不相等，则表明表中没有所查的记录，查找失败。　　算法描述为　　int Search(int d,int a[],int n)　　{　　/*在数组a[]中查找等于，若找到，则函数返回d在数组中的位置，否则为0。其中n为数组长度*/　　int i ；　　/*从后往前查找*/　　for(i=n-1;a!=d;--i)　　　　/*如果找不到，则i为0*/　　}
查找算法二分查找
二分查找又称折半查找，它是一种效率较高的查找方法。
　　【二分查找要求】：1.必须采用2.必须按大小有序排列。
【优缺点】的优点是比较次数少，查找速度快，平均性能好;其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的列表。　　【算法思想】首先，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。　　重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。　　【算法】假设其数组长度为n，其算法复杂度为o（log（n））
　　下面提供一段二分查找实现的:
BinarySearch(max,min,des)
mid-des then　　max=mid-1　　else　　min=mid+1　　return max
　　折半查找法也称为二分查找法，它充分利用了元素间的次序关系，采用分治策略，可在最坏的情况下用O(log n)完成搜索任务。它的基本思想是，将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的x作比较，如果x=a[n/2]则找到x，算法终止。如 果xa[n/2]，则我们只要在数组a的右 半部继续搜索x。
查找算法分块查找
分块查找又称索引顺序查找，它是顺序查找的一种改进方法。　　方法描述：将n个数据元素&按块有序&划分为m块（m ≤ n）。每一块中的结点不必有序，但块与块之间必须&按块有序&；即第1块中任一元素的关键字都必须小于第2块中任一元素的关键字；而第2块中任一元素又都必须小于第3块中的任一元素，……。　　操作步骤：　　step1 先选取各块中的最大关键字构成一个索引表；　　step2 查找分两个部分：先对索引表进行二分查找或顺序查找，以确定待查记录在哪一块中；然后，在已确定的块中用顺序法进行查找。
查找算法哈希表查找
1 基本原理
我们使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数， 也叫做），使得每个元素的关键字都与一个函数值（即数组下标）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素&分类&，然后将这个元素存储在相应&类&所对应的地方。
但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了&冲突&，换句话说，就是把不同的元素分在了相同的&类&之中。后面我们将看到一种解决&冲突&的简便做法。
总的来说，&直接定址&与&解决冲突&是哈希表的两大特点。
2 函数构造
的常用方法（下面为了叙述简洁，设 h(k) 表示关键字为 k 的元素所对应的函数值）：
a) 除余法：
选择一个适当的正整数 p ，令 h(k ) = k mod p　　这里， p 如果选取的是比较大的，效果比较好。而且此法非常容易实现，因此是最常用的方法。
b) 数字选择法：
如果关键字的位数比较多，超过长整型范围而无法直接运算，可以选择其中数字分布比较均匀的若干位，所组成的新的值作为关键字或者直接作为函数值。
线性重新散列技术易于实现且可以较好的达到目的。令数组元素个数为 S ，则当 h(k) 已经存储了元素的时候，依次探查 (h(k)+i) mod S , i=1,2,3…… ，直到找到空的存储单元为止（或者从头到尾扫描一圈仍未发现空单元，这就是已经满了，发生了错误。当然这是可以通过扩大数组范围避免的）。
4 支持运算
哈希表支持的运算主要有：初始化(makenull)、哈希函数值的运算(h(x))、插入元素(insert)、查找元素(member)。　　设插入的元素的关键字为 x ，A 为存储的数组。　　初始化比较容易，例如　　const empty= // 用非常大的整数代表这个位置没有存储元素　　p=9997; // 表的大小　　　　var i:　　begin　　for i:=0 to p-1 do　　A:=　　E
哈希函数值的运算根据函数的不同而变化，例如除余法的一个例子：　　function h(x:longint):I　　begin　　h:=　　
我们注意到，插入和查找首先都需要对这个元素定位，即如果这个元素若存在，它应该存储在什么位置，因此加入一个定位的函数 locate　　function locate(x:longint):　　var orig,i:　　begin　　orig:=h(x);　　i:=0;　　while (ix)and(A[(orig+i)mod S]empty) do　　inc(i);　　//当这个循环停下来时，要么找到一个空的存储单元，要么找到这个元　　//素存储的单元，要么表已经满了　　locate:=(orig+i) mod S;　　　　插入元素　　procedure insert(x:longint);　　var posi:　　begin　　posi:=locate(x); //定位函数的返回值　　if A[posi]=empty then A[posi]:=x　　 //error 即为发生了错误，当然这是可以避免的　　
查找元素是否已经在表中　　procedure member(x:longint):　　var posi:　　begin　　posi:=locate(x);　　if A[posi]=x then member:=true　　else member:=　　
企业信用信息