CN1755678A - 在排序搜索结果时引入锚文本用的系统和方法 - Google Patents

在排序搜索结果时引入锚文本用的系统和方法 Download PDF

Info

Publication number
CN1755678A
CN1755678A CNA2005100882135A CN200510088213A CN1755678A CN 1755678 A CN1755678 A CN 1755678A CN A2005100882135 A CNA2005100882135 A CN A2005100882135A CN 200510088213 A CN200510088213 A CN 200510088213A CN 1755678 A CN1755678 A CN 1755678A
Authority
CN
China
Prior art keywords
anchor
document
anchor text
score
text
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2005100882135A
Other languages
English (en)
Other versions
CN1755678B (zh
Inventor
D·梅耶宗
H·扎拉古扎
M·J·泰勒
S·E·罗波特森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Corp
Original Assignee
Microsoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Corp filed Critical Microsoft Corp
Publication of CN1755678A publication Critical patent/CN1755678A/zh
Application granted granted Critical
Publication of CN1755678B publication Critical patent/CN1755678B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results

Abstract

根据一个将锚文本作为一搜索项引入的评分函数，对网络上的一个搜索查询的搜索结果进行排序。该评分函数被调整，以使在目标文档的排序中，锚文本的目标文档将反映锚文本中的搜索项的使用。最初，在网络的爬行过程中，与锚文本相关联的属性被收集起来。生成一个单独的索引，该索引包括一个文档反向列表和锚文本中的搜索词。该索引随后响应于一个查询而被参考以便计算文档的得分。这个得分随后被用来排序文档并产生查询结果。

Description

在排序搜索结果时引入锚文本用的系统和方法
相关申请交叉参照
本发明与序列号为10/804,326、发明名称为“文本文档搜索中的域加权(FieldWeighting in Text Document Searching)”、于2004年3月18日提交的专利申请有关。相关申请被转让给本专利申请的受让人，通过参考包括在此。
背景技术
在文本文档搜索中，用户一般在搜索引擎中输入查询。搜索引擎对照一个编有索引的文档的数据库评价此查询，并返回最满足该查询的文档的有序列表。一个得分由搜索引擎按照运算法则生成，它是表示文档有多么满足查询的测度。常用的评分算法依赖于将查询分裂成搜索词、并使用关于被搜索的文本文档正文中个搜索词出现次数的统计信息。根据它们所对应的得分，文档按照等级顺序被排序，这样用户能够在搜索结果列表的最前面看到最匹配的搜索结果。
许多这样的评分算法假设每个文档都是一个单一的、无差别的文本串。搜索词的查询被应用于文本串(或者更精确地说，被应用于产生自表示每个文档的无差别文本串的统计中)。然而，文档通常具有一些内部结构(例如包含标题的域、段标题、元数据域等)，所以将这些文档简化为无差别文本串丧失了所有由这样的结构信息提供的搜索好处。
一些现有的方法尝试通过为各个文档域创建统计表和为各个域产生得分的方法，将文档的内部结构纳入搜索之中。单个文档的得分随后被作为该文档的域得分的加权和来计算。一些现有的方法尝试包含文档的内部结构，但并不曾尝试把包含在其他文档中的有关该文档的文本考虑在内。
发明内容
本发明涉及使用引入了锚文本分量的评分函数来排序搜索结果的系统和方法。锚文本由一个指向另一个文档的URL(统一资源定位符)和一个伴随的原文描述组成。该文本直接与目标文档相关，并且被用于本发明中以提供一个目标文档的相关性的测度。例如，文档A含有一些指向文档B的锚文本。如果该锚文本中包含一个文档B中没有的单词，在没有本发明所提供的附加功能性的情况下，包含这个单词的查询将不返回此被链接的文档。只有文档A被返回，但文档B不被返回。由于文档A中的描述是用来说明被链接文档B的，该文本非常可能是该被链接文档的概要/描述。通过在目标文档的排序中引入锚文本，本发明纠正了这个不足。
在本发明的一个方面中，网络首先“被爬行”以创建一个与网络链接和页面相关联的属性表。“爬行”是指自动地将几个文档(或任何类似的离散信息单元)收集到一个被称为索引的数据库中。通过追踪某些文档中的文档参考链接并且随即处理每一个被发现的文档的方法，爬行遍历了网络上的多个文档。通过辨识文档中的关键词和普通文本的方法来处理文档以创建索引。本发明的索引包括一个独立的锚文本索引分区。本发明编了索引的文本并不只限于伴随着URL的锚文本。锚文本也能够包括参照任何其他对象的文本。例如人、种类、目录等也可以被索引。
在本发明的另一个方面中，一旦锚文本被编入索引且与适当的目标文档相关联，该锚文本还被用于推进文档排序。在内容和锚文本中都存在的词的词频率被相加，这样一个词在文档中的总的出现次数增加了。目标文档的长度也因来自于指向特定目标文档的源文档的锚文本而加长了。这两个都是被用于确定文档的相关性测度的评分函数的因子。
附图说明
图1说明了一种可用在本发明的一个实施例中的示例性计算设备。
图2是根据本发明使用索引键进行范围搜索的一个示例性系统的功能框图。
图3是根据本发明的一个示例性索引结构的功能框图。
图4是根据本发明的一个示例性网络图。
图5是根据本发明用于处理锚文本以将锚文本包含在文档排序中的一个示例性进程的逻辑流程图。
图6是根据本发明用于将锚文本引入对搜索结果的排序的一个示例性进程的逻辑流程图。
具体实施方式
下面结合附图对本发明作更充分的描述，附图形成说明的一部分并且以图示的方式显示了用于实践本发明的具体示例性实施例。然而，本发明可能以许多不同的形式实施，因此不应解释为局限于这里所陈述的具体实施方案；相反，提供这些实施方案是为了使本公开详尽又完整、并且向本技术领域技术人员完全传递本发明的范围。其中，本发明可体现为方法或装置。因此，本发明可采用完全硬件的实施方式、完全软件的实施方式或软件和硬件相结合的实施方式。因此，以下的详细说明不应从限制意义上来理解。
说明性操作环境
参照图1，用于实现本发明的一个示例性系统包括一个计算设备，诸如计算设备100。计算设备100可配置成客户机、服务器、可移动设备或其他计算设备。在一个非常基本的配置中，计算设备100一般包括至少一个处理单元102和系统存储器104。取决于计算设备的精确配置和类型，系统存储器104可以是易失性的(如RAM)、非易失性的(如ROM、闪存等)或是两者的某种组合。系统存储器104通常包括一个操作系统105、一个或多个应用程序106，且可包括程序数据107。在一个实施方案中，应用程序106包含一个用于实现本发明功能性的搜索排序应用程序120。这一基本配置在图1中由虚线108中的那些组件表示。
计算设备100可具有附加的特征或功能性。例如，计算设备100也可包括附加数据存储设备(可移动的和/或不可移动的)，诸如磁盘、光盘或磁带。这种附加存储器在图1中由可移动存储器109和不可移动存储器110表示。计算机存储介质可包括易失性的和非易失性的、可移动的和不可移动的介质，这些存储介质以用于信息存储的任何方法或技术实现，所述信息包括计算机可读指令、数据结构、程序模块或其它数据。系统存储器104、可移动存储器109和不可移动存储器110都是计算机存储介质的例子。计算机存储介质包括但不限于RAM、ROM、EPROM、闪存或其它存储器技术，CD_ROM、数字通用盘(DVD)或其它光存储器，磁盒、磁带、磁盘存储或其它磁存储设备，或任何其他能够用于存储期望信息和能够被计算设备100访问的介质。任何此类的计算机存储介质都可以是设备100的一部分。计算设备100也可以有输入设备112，诸如键盘、鼠标、笔、语音输入设备、触摸输入设备等。输出设备114如显示器、扬声器、打印机等也可被包含在其中。
计算设备100还包含使该设备可同其他计算设备118通信的通信连接116，比如通过网络进行通讯。通信连接116是通信介质的实例之一。通信介质通常可以由计算机可读指令、数据结构、程序模块或其他数据以诸如载波或其他传输机制的调制数据信号的形式来体现，且包含一切信息传递介质。术语“调制数据信号”是指具它的一个或多个特征以在信号中将信息进行编码的方式加以改变或设定的信号。作为例子，而非限制，通信介质包括有线介质，如有线网络和直接连接，和无线介质如声波、射频、红外或其他无线介质。这里使用的术语“计算机可读介质”既包括存储介质又包括通信介质。
将锚文本引入搜索排序中的说明性实施方案
本发明的具体实施方案涉及搜索引擎的排序函数。搜索引擎的质量通常由根据排序函数所分配的等级得到的文档相关性来确定。锚文本定义为在HTML(<Ahref＝http：//example>Example Web</A>)锚标签中的文本。通常，锚文本包含简短而高质量的目标URL(统一资源定位符)的描述，而且排序函数将指向给定文档的锚标签的内容引入到该文档的排序函数中去是有益的。
图2所示是用于根据本发明使用索引键进行范围搜索的一个示例性系统的功能框图。系统200包括索引210、管道(pipeline)220、文档接口230、客户接口240、锚文本插件250、索引插件260和锚文本表270。
索引210的结构包括独立的索引分区，这些独立的索引分区包括一个主分区和另一个针对锚文本的分区。索引210结构的更详细的描述在下文图3的讨论中提供。这些索引的记录被用来为客户查询提供结果。在一个实施方案中，索引210对应于多个为索引记录共同提供存储的数据库。
管道220是一个用于为索引而获取文档或文档记录的收集机制的说明性表示。在把对应于有关数据的记录输入到索引210中之前，管道220允许使用各种插件(如锚文本插件250)进行数据过滤。
文档接口230提供协议、网络接入点和数据库访问点，用于跨越多个数据库和网络站点检索文档。例如，文档接口230可提供对因特网的访问，同时也提供对本地服务器的数据库的访问和对当前计算设备上的数据库的访问。其他实施方案可使用不同的协议访问其他文档站点而不背离本发明的本质和范围。
客户接口240由提供客户的访问来形成并发起一次搜索。该搜索可根据关键词和/或范围键来定义。一个用于处理搜索查询的示例性方法在下文图7的讨论中做更详细的描述。
锚文本插件250是若干收集器管道插件中的一个。锚文本插件250辨识锚文本及其包含在文档中的相关属性。当由文档接口230提供的文档被爬行时，锚属性由锚文本插档250收集。在一个实施方案中，锚文本插件250的功能性实际上被包括在一个属性插件中而不是作为一个独立的插件提供。该属性插件辨识文档所有的域及包括锚属性在内的这些域的相关联属性。在一个实施方案中，由于锚文本和目标文档相关联，因此将目标文档和锚文本相关联的动作被推迟直到此次爬行完成为止。例如，当文档A被索引并且文档A具有指向文档B的锚文本时，该锚文本被应用于文档B。但是由于文档A此刻正在被索引，该过程被推迟。同样，可能有多个锚要被应用于文档B、要求先发现它们才能对文档B进行正确的索引。把对目标文档的索引一直延迟到爬行完成为止能更好地确保索引结果的正确性。
索引插件260是另一个连接到管道220的插件。索引插件提供用于生成、划分和更新索引210的机制。在一个实施方案中，索引插件260先提供临时缓存关键词和生成自被爬行文档的锚文本键的词列表，然后再冲洗转存这些结果到索引210。用包含在词列表中的爬行结果填充索引210的记录。
锚文本表270包含由锚文本插件250收集的锚属性。对于文档中的锚文本，锚文本表270包括一条该锚文本的记录，该锚文本记录包括与锚文本相关联的属性。例如，锚文本表270中的一条记录可在独立的字段中包括一个辨识该链接的目标文档的目标ID、一个辨识当前文档的源ID、锚文本本身和该链接。在其它实施方案中，在锚文本表270中可包括与两个文档之间的链接有关的其他字段。在一个实施方案中，从爬行收集的锚和链接属性被用来生成网络的表示，其中节点对应于文档，分支对应于链接(见图4)。该网络图可随即被加载到内存中并被用来为被锚文本所涉及的目标文档解析目标ID。
尽管如图所示系统200中功能块之间有的是单向通信有的是双向通信，但是这些通信类型中的任何一种都可变为另一种通信类型而不会背离本发明的性质和范围(例如，所有的通信都可以有一个应答消息要求双向的而不是单向的通信)。
图3所示是根据本发明的一个示例性索引结构的功能框图。索引300包栝主索引300和锚文本索引320。
主索引310包括对应于关键词以及对应于文档的爬行而被返回的其他索引键的记录。主索引310也包括涉及文档其他属性的其他索引分区。对应于锚文本的记录被转移(diverted)并输入到锚文本索引320中
锚文本索引320包含对应于包含在网络上的文档中的锚文本的目标文档的记录。这些目标文档被组织成一个反向索引，其中目标文档ID按与包含在与目标文档相关联的锚文本或者URL中的字词的关联列出。在爬行完成后，锚文本索引320生成自锚文本表。为了评价词的每个目标文档并且在锚文本索引320中输入目标文档，对应于每个目标文档的锚文本被链接在一起。包含一个针对锚文本的单独的索引分区使在将锚文本作为一个因子引入文档的评分函数之前可基于锚文本进行相关性计算。在下文图6的讨论中更完整地描述了将锚文本引入评分函数以便将文档排序。
图4所示是根据本发明的一个示例性的网络图。网络图由节点(如410)和边即链接(如420)组成。节点(如410)表示页面和网络上的可以作为搜索查询的结果而被返回的其他资源。通过使用列在这些页面上的导航链接，各链接(如420)将这些页面中的每一个连接起来。可以为每一页面搜集一组能被用来确定与一个特定页面的锚文本相关的属性的链接信息。
在一个实施方案中，节点430是包含一个对应于节点440的目标文档的锚标签的当前文档。例如，该锚标签可对应于HTML(<A href＝http：//example>SampleWeb</A>)的锚标签。当前文档的ID也是已知的，通常被包含在该文档的HTML中。为了填充锚文本表(见图2)，还需要解析这个与锚文本相关联的目标文档ID。网络图400通过提供一个可以走查(walk)来解析未知属性的网络表示而有助于解析目标文档ID。
图5所示是根据本发明的一个用于处理锚文本以将锚文本包含在文档排序之中的示例性进程的逻辑流程图。进程500在块502处开始，其中提供对文档主体的访问。处理在块504继续。
在块504处，文档的主体被爬行以确定存在的文档及与这些文档相关联的属性(如文件类型)。每个文档的标识符或ID以及它们相关联的属性随后作为爬行的结果被送出。处理在块506继续。
在块506处，与涉及锚文本的文档相关的属性由锚文本插件获取。锚文本属性可包括一个源文档的标识符、和目标文档标识符、锚文本本身及该链接的URL。一旦这些锚属性被收集以后，处理就移到块508。
在块508处，生成锚文本表。锚文本表包括与锚文本的每个实例相关联的锚文本属性。锚文本每个实例的属性作为记录存储在该表中。一旦该表被创建，处理就在块510继续。
在块510处，生成一个包括主索引和锚文本索引的索引。在一个实施方案中，在建立锚文本表以后，生成该索引。锚文本表包括一个与锚文本键相关联的文档的反向列表。锚文本键对应于锚文本，因为它们是被包含在锚文本中或锚标签的目标文档的URL中的关键词。因此，反向列表的文档是锚文本键的目标文档。一旦该索引被实例化，处理就在块512继续。
在块512处，主索引和锚文本索引与锚文本表一起被参考以将基于锚文本的相关性值引入评分函数中。评分函数确定一个文档的相对得分。诸文档于是可根据它们的得分被排序。关于将锚文本引入对文档的排序之中的更详细的描述在下文图6的讨论中给出。一旦锚文本被引入排序，处理前进到块514，此处进程500结束。
在进程500完成后，通过各种与搜索引擎传输和显示结果相关联的操作，排序后的文档可被返回给用户。对应于较高精度结果的文档可随后由用户随意地选择察看。
图6所示是根据本发明的一个用于将锚文本引入对搜索结果的排序之中的示例性进程的逻辑流程框图。当图5的进程500进入块512且一个查询已由客户作出时，进程600在块602处开始。处理在判定块604继续。
在判定块604处，要确定针对正被查询的词而言，正在为其计算当前得分的文档是否包含在锚文本索引中。如果该文档并未列于锚文本索引中，处理程移到块608。然而，如果该文档列于锚文本索引中，则处理在块606继续。
在块606处，一个用于确定文档的相关性得分的评分函数被调整以引入对锚文本的考量和加权。在一个实施方案中，评分函数对应于字段加权的评分函数，这种字段加权的评分函数在2004年3月18日提交的序列号为10/804,326、发明名称为“Field weighting in Text Document Searching(文本文档搜索中的字段加权)”的专利申请中有描述，通过引用包括在此。如10/804,326号专利申请所提供的，下面是一个字段加权评分函数的表达式：
&Sigma; wtf ( k 1 + 1 ) k 1 ( ( 1 - b ) + b wdl avwdl ) + wtf &times; log ( N n ) &CenterDot; &CenterDot; &CenterDot; ( 1 )
其中，各项定义如下：wtf是加权词频率或者是某给定词的词频率之和乘以所有属性上的权重；wdl是加权文档的长度；avwdl是平均加权文档长度；N是网络上文档的数量；n是包含给定查询项的文档的数目，是对所有检索项取的和；kl和b是常数。这些项和以上的等式被详细描述于10/804,326号专利申请中。
作为基本的解释，加权词频率(wtf)对应于在文档中的不同字段上加权之后的词频率。加权文档长度除以平均加权文档长度提供了一个当前文档的长度有多接近于平均文档长度的测度，是评分函数中的归一化项。网络中文档数(N)除以包含给定查询项的文档的数目(n)的对数提供了一个文档频率的测度。这些量可从内容索引中发现和检索到。
在一个实施方案中，通过把一个对应于在锚文本中的词频率的附加加权词频率(wtfAnchor)包含进来的方法，评分函数被调整以引入锚文本，从而使新的评分函数变为：
&Sigma; ( wtf + wtf Anchor ) ( k 1 + 1 ) k 1 ( ( 1 - b ) + b wdl avwdl ) + ( wtf + wtf Anchor ) &times; log ( N n ) &CenterDot; &CenterDot; &CenterDot; ( 2 )
相应地，用锚文本中的词频率更新了评分函数的词频率分量。然而，评分函数的其他项不受影响。只要分别地参考主索引和锚文本索引，查询就能够获取评分函数(2)的词频率。
在另一个实施方案中，通过调整评分函数以在将加权词频率加到一起之前将长度归一化项应用于文档的每个字段的加权词频率中的方法，调整文档长度归一化项以说明(account for)锚文本。为了将锚文本引入文档长度归一化项中，一个新的项(B)被定义为：
B = ( ( 1 - b ) + b wdl avwdl ) &CenterDot; &CenterDot; &CenterDot; ( 3 )
于是可以根据这个新的项将等式(1)重组而产生下面的表达式：
&Sigma; ( wtf B ) ( k 1 + 1 ) k 1 + ( wtf B ) &times; log ( N n ) &CenterDot; &CenterDot; &CenterDot; ( 4 )
与锚文本相关联的加权词频率(wtfAnchor)可以和一个新的BAnchor项一起被加到等式中去，其中BAnchor项对应于与锚文本相关联的长度归一化，由此等式(4)变为：
&Sigma; ( wtf B + wtf Anchor B Anchor ) ( k 1 + 1 ) k 1 + ( wtf B + wtf Anchor B Anchor ) &times; log ( N n ) &CenterDot; &CenterDot; &CenterDot; ( 5 )
因此，在一个实施方案中，通过从锚文本字段中取BAnchor的wdlAnchor和avwdlAnchor分量，BAnchor与B不同。在另一个实施方案中，通过同样为锚文本字段选择一个不同的bAnchor的方法，调整长度归一化项的强度。一旦评分函数被调整以说明锚文本，处理就移到块608。
在块608处，用计算当前文档的得分用的变量将评分函数填充。如前所述，只要分别地参考主索引和锚文本索引，查询能够获取用于填充评分函数的词频率。
在块610处，评分函数被执行，文档的相关性得分即计算出来。一旦相关性得分计算出来，就被存入存储器中并与该特定文档相关联。处理于是移到块612。
在块612处，确定是否所有文档的相关性得分都已根据评分函数(2)计算出来了。得分可以如所示的那样串行计算也可以并行计算。如果不是所有的得分都被计算了，那么进程返回块604启动对下一个文档得分的计算。然而，如果所有的得分都被计算过了，处理就在块614继续。
在块614处，查询的搜索结果根据其相关得分进行排序。得分现在考虑了每个文档的锚文本。因此，文档的排序已经被改进，所以在锚文本中引用的文档反映出该引用。一旦搜索结果被排序以后，处理就进行到块614，此处进程600返回到图5中的进程500的块514。
上面的说明书、举例和数据提供了一个完整的关于本发明各部分的加工和使用的描述。由于可以做出很多本发明的具体实施方案而不会背离本发明的本质和范围，所以本发明归于所附权利要求书。

Claims (26)

1.一种用于对搜索结果排序的计算机实现的方法，它包括：
记录来自网络的锚文本属性，其中所述锚文本属性对应于网络上的源文档和目标文档；
生成一个将每个目标文档同一个包含在锚文本中的词相关联的锚文本索引，其中所述锚文本索引独立于一内容索引；
访问所述锚文本索引以确定与所述索引中一个特定目标文档的锚文本相关联的量；以及
使用所述锚文本量调整一用于对文档排序以产生搜索结果的评分函数。
2.如权利要求1所述的计算机实现的方法，其特征在于，记录锚文本属性还包括用已记录的文档和链接信息生成一网络表示。
3.如权利要求2所述的计算机实现的方法，其特征在于，还包括使用所述网络表示用锚文本属性填充一个表。
4.如权利要求1所述的计算机实现的方法，其特征在于，所述锚文本属性包括源标识符、目标标识符、锚文本和链接标识符中的至少一个。
5.如权利要求1所述的计算机实现的方法，其特征在于，还包括根据评分函数(score)对文档排序，该评分函数(score)的确定至少根据：加权锚文本词频率(wtfAnchor)和锚文本长度归一化分量(BAnchor)。
6.如权利要求5所述的计算机实现的方法，其特征在于，所述锚文本长度归一化分量(BAnchor)对应于一个锚文本加权文档长度(wdl)、一个平均加权文档长度(avwdl)。
7.如权利要求1所述的计算机实现的方法，其特征在于，还包括根据一评分函数(score)对文档排序，该评分函数(score)的确定至少根据：加权词频率(wtf)、加权锚文本词频率(wtfAnchor)、长度归一化分量、锚文本长度归一化分量(BAnchor)、平均加权文档长度(avwdl)、网络上的文档的数目(N)，包含查询词的文档的数目(n)和常数(k1)。
8.如权利要求7所述的计算机实现的方法，其特征在于，所述评分函数(score)由下式给出：
score = &Sigma; ( wtf B + wtf Anchor B Anchor ) ( k 1 + 1 ) k 1 + ( wtf B + wtf Anchor B Anchor ) &times; log ( N n )
9.如权利要求8所述的计算机实现的方法，其特征在于，BAnchor因从锚文本索引中取的分量BAnchor以及从内容索引取分量B而不同于B。
10.如权利要求8所述的计算机实现的方法，其特征在于，所述由BAnchor提供的长度归一化的强度通过选择一个与BAnchor相关联的不同的常数值来调整。
11.一种用于对搜索结果排序的系统，它包括：
一包含在计算设备上的搜索引擎，所述搜索引擎被配置成执行计算机可执行指令，所述计算机可执行指令包括：
爬行一网络以发现网络上的文档；
记录来自网络的锚文本属性，其中所述锚文本属性对应于网络上的一源文档和一目标文档；
生成一将每个目标文档与一包含所述在锚文本中的词相关联的锚文本索引，其中所述锚文本索引独立于一内容索引；
访问所述锚文本索引以确定与索引中一个特定目标文档的锚文本相关联的量；以及
使用所述锚文本量调整一用于对文档排序以产生搜索结果的的评分函数。
12.如权利要求11所述的系统，其特征在于，记录锚文本属性还包括用已记录的文档和链接信息生成一网络表示。
13.如权利要求12所述的系统，其特征在于，还包括使用所述网络表示用所述锚文本属性填充一个表。
14.如权利要求11所述的系统，其特征在于，还包括根据一评分函数(score)对文档排序，该评分函数(score)的确定至少根据：加权锚文本词频率(wtfAnchor)和锚文本长度归一化分量(BAnchor)。
15.如权利要求11所述的系统，其特征在于，还包括根据一评分函数(score)对文档排序，该评分函数的确定至少根据：加权词频率(wtf)、加权锚文本词频率(wtfAnchor)、长度归一化分量、锚文本长度归一化分量(BAnchor)、平均加权文档长度(avwdl)、网络上的文档的数目(N)、包含查询词的文档的数目(n)和常数(k1)。
16.如权利要求15所述的系统，其特征在于，所述评分函数(score)由下式给出：
score = &Sigma; ( wtf B + wtf Anchor B Anchor ) ( k 1 + 1 ) k 1 + ( wtf B + wtf Anchor B Anchor ) &times; log ( N n ) .
17.如权利要求16所述的系统，其特征在于，BAnchor因从锚文本索引中取分量BAnchor以及从内容索引取分量B而不同于B。
18.如权利要求16所述的系统，其特征在于，由BAnchor提供的长度归一化的强度通过选择一个与BAnchor相关联的不同的常数值来调整。
19.一种计算机可读介质，其包含有用于对搜索结果排序的计算机可执行指令，所述指令包括：
为网络上的文档存储文档和链接信息；
用已记录文档和链接信息生成一网络表示；
记录来自所述网络表示的锚文本属性，其中所述锚文本属性被用来填充一个包括对一个源文档和与所述锚文本相关联的目标文档的引用的表；
生成一个将每个目标文档与一个包含在锚文本中的词相关联的锚文本索引，其中所述锚文本索引独立于一内容索引；
访问所述锚文本索引以确定与所述索引中一个特定目标文档的锚文本相关联的量；以及
使用所述锚文本量调整一用来对文档排序来产生搜索结果的评分函数。
20.如权利要求19所述的计算机可读介质，其特征在于，所述锚文本属性包括源标识符、目标标识符、锚文本和链接标识符中的至少一个。
21.如权利要求19所述的计算机可读介质，其特征在于，还包括根据一评分函数(score)对文档排序，该评分函数(score)的确定至少根据：加权锚文本词频率(wtfAnchor)和锚文本长度归一化分量(BAnchor)。
22.如权利要求21所述的计算机可读介质，其特征在于，所述锚文本长度归一化分量(BAnchor)对应于锚文本加权文档长度(wdl)、平均加权文档长度(avwdl)。
23.如权利要求19所述的计算机可读介质，其特征在于，还包括含根据一评分函数(score)对文档排序，该评分函数(score)的确定据至少根据：加权词频率(wtf)、加权锚文本词频率(wtfAnchor)、长度归一化分量、锚文本长度归一化分量(BAnchor)、平均加权文档长度(avwdl)、网络上的文档的数目(N)、包含查询词的文档的数目(n)和常数(k1)。
24.如权利要求23所述的计算机可读介质，其特征在于，所述评分函数(score)由下式给出：
score = &Sigma; ( wtf B + wtf Anchor B Anchor ) ( k 1 + 1 ) k 1 + ( wtf B + wtf Anchor B Anchor ) &times; log ( N n ) .
25.如权利要求24所述的计算机可读介质，其特征在于，BAnchor因从锚文本索引中取分量BAnchor和从内容索引取分量B而不同于B。
26.如权利要求24所述的计算机可读介质，其特征在于，由BAnchor提供的长度归一化的强度通过选择一个与BAnchor相关联的不同的常数值来调整。
CN2005100882135A 2004-09-30 2005-07-25 在排序搜索结果时引入锚文本用的系统和方法 Expired - Fee Related CN1755678B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/955,462 2004-09-30
US10/955,462 US7739277B2 (en) 2004-09-30 2004-09-30 System and method for incorporating anchor text into ranking search results

Publications (2)

Publication Number Publication Date
CN1755678A true CN1755678A (zh) 2006-04-05
CN1755678B CN1755678B (zh) 2010-08-25

Family

ID=35478739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005100882135A Expired - Fee Related CN1755678B (zh) 2004-09-30 2005-07-25 在排序搜索结果时引入锚文本用的系统和方法

Country Status (5)

Country Link
US (1) US7739277B2 (zh)
EP (1) EP1643383B1 (zh)
JP (1) JP4763354B2 (zh)
KR (1) KR101076894B1 (zh)
CN (1) CN1755678B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100456296C (zh) * 2006-06-28 2009-01-28 腾讯科技（深圳）有限公司 一种多媒体文件搜索引擎的排序方法
CN102567417A (zh) * 2010-12-31 2012-07-11 百度在线网络技术（北京）有限公司 一种用于确定超链接的锚文本可信度的分析设备和方法
CN102567326A (zh) * 2010-12-14 2012-07-11 中国移动通信集团湖南有限公司 一种信息搜索、及信息搜索排序装置和方法
CN101681377B (zh) * 2007-05-23 2013-03-27 微软公司 用于搜索的用户定义的相关性排序
CN103106278A (zh) * 2013-02-18 2013-05-15 人民搜索网络股份公司 权重值的获取方法及装置
CN103309894A (zh) * 2012-03-15 2013-09-18 阿里巴巴集团控股有限公司 基于用户属性的搜索实现方法及系统
US9256676B2 (en) 2006-05-10 2016-02-09 Google Inc. Presenting search result information
CN108701150A (zh) * 2016-02-18 2018-10-23 微软技术许可有限责任公司 使用通用概念图产生文本片断

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7606793B2 (en) 2004-09-27 2009-10-20 Microsoft Corporation System and method for scoping searches using index keys
US20060161543A1 (en) * 2005-01-19 2006-07-20 Tiny Engine, Inc. Systems and methods for providing search results based on linguistic analysis
US7599917B2 (en) * 2005-08-15 2009-10-06 Microsoft Corporation Ranking search results using biased click distance
US7711732B2 (en) * 2006-04-21 2010-05-04 Yahoo! Inc. Determining related terms based on link annotations of documents belonging to search result sets
EP1862916A1 (en) * 2006-06-01 2007-12-05 Microsoft Corporation Indexing Documents for Information Retrieval based on additional feedback fields
US8555182B2 (en) 2006-06-07 2013-10-08 Microsoft Corporation Interface for managing search term importance relationships
US7624104B2 (en) * 2006-06-22 2009-11-24 Yahoo! Inc. User-sensitive pagerank
US8595245B2 (en) * 2006-07-26 2013-11-26 Xerox Corporation Reference resolution for text enrichment and normalization in mining mixed data
US7562073B2 (en) * 2006-08-02 2009-07-14 Sap Ag Business object search using multi-join indexes and extended join indexes
US8458207B2 (en) * 2006-09-15 2013-06-04 Microsoft Corporation Using anchor text to provide context
US7672943B2 (en) * 2006-10-26 2010-03-02 Microsoft Corporation Calculating a downloading priority for the uniform resource locator in response to the domain density score, the anchor text score, the URL string score, the category need score, and the link proximity score for targeted web crawling
US7788253B2 (en) 2006-12-28 2010-08-31 International Business Machines Corporation Global anchor text processing
US7657507B2 (en) * 2007-03-02 2010-02-02 Microsoft Corporation Pseudo-anchor text extraction for vertical search
KR100871470B1 (ko) * 2007-04-12 2008-12-03 주식회사 케이티프리텔 색인 데이터를 구축하기 위한 검색 시스템 및 이를 위한 방법
CN101399818B (zh) * 2007-09-25 2012-08-29 日电（中国）有限公司 基于导航路径信息的主题相关网页过滤方法和系统
US7840569B2 (en) * 2007-10-18 2010-11-23 Microsoft Corporation Enterprise relevancy ranking using a neural network
US9348912B2 (en) 2007-10-18 2016-05-24 Microsoft Technology Licensing, Llc Document length as a static relevance feature for ranking search results
US7958136B1 (en) * 2008-03-18 2011-06-07 Google Inc. Systems and methods for identifying similar documents
US8812493B2 (en) 2008-04-11 2014-08-19 Microsoft Corporation Search results ranking using editing distance and document information
US10726083B2 (en) 2010-10-30 2020-07-28 International Business Machines Corporation Search query transformations
WO2012058690A2 (en) 2010-10-30 2012-05-03 Blekko, Inc. Transforming search engine queries
US9342607B2 (en) * 2009-06-19 2016-05-17 International Business Machines Corporation Dynamic inference graph
US10007705B2 (en) 2010-10-30 2018-06-26 International Business Machines Corporation Display of boosted slashtag results
CN102023989B (zh) * 2009-09-23 2012-10-10 阿里巴巴集团控股有限公司 一种信息检索方法及其系统
US8738635B2 (en) 2010-06-01 2014-05-27 Microsoft Corporation Detection of junk in search result ranking
US20120036122A1 (en) * 2010-08-06 2012-02-09 Yahoo! Inc. Contextual indexing of search results
US8463799B2 (en) * 2011-06-29 2013-06-11 International Business Machines Corporation System and method for consolidating search engine results
US9495462B2 (en) 2012-01-27 2016-11-15 Microsoft Technology Licensing, Llc Re-ranking search results
WO2013142852A1 (en) * 2012-03-23 2013-09-26 Sententia, LLC Method and systems for text enhancement
JP5870815B2 (ja) * 2012-03-29 2016-03-01 大日本印刷株式会社 書籍情報検索装置、書籍情報検索システム、書籍情報検索方法およびプログラム
US9348846B2 (en) 2012-07-02 2016-05-24 Google Inc. User-navigable resource representations
US9607038B2 (en) * 2013-03-15 2017-03-28 International Business Machines Corporation Determining linkage metadata of content of a target document to source documents
US10733164B2 (en) 2015-06-23 2020-08-04 Microsoft Technology Licensing, Llc Updating a bit vector search index
US10229143B2 (en) 2015-06-23 2019-03-12 Microsoft Technology Licensing, Llc Storage and retrieval of data from a bit vector search index
US10565198B2 (en) 2015-06-23 2020-02-18 Microsoft Technology Licensing, Llc Bit vector search index using shards
US11392568B2 (en) 2015-06-23 2022-07-19 Microsoft Technology Licensing, Llc Reducing matching documents for a search query
US10467215B2 (en) 2015-06-23 2019-11-05 Microsoft Technology Licensing, Llc Matching documents using a bit vector search index
US11281639B2 (en) 2015-06-23 2022-03-22 Microsoft Technology Licensing, Llc Match fix-up to remove matching documents
US10242071B2 (en) 2015-06-23 2019-03-26 Microsoft Technology Licensing, Llc Preliminary ranker for scoring matching documents
US11115279B2 (en) * 2018-12-07 2021-09-07 Hewlett Packard Enterprise Development Lp Client server model for multiple document editor
US11455312B1 (en) 2019-11-20 2022-09-27 Sabre Glbl Inc. Data query system with improved response time
CN112183087A (zh) * 2020-09-27 2021-01-05 武汉华工安鼎信息技术有限责任公司 一种敏感文本识别的系统和方法

Family Cites Families (186)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5222236A (en) 1988-04-29 1993-06-22 Overdrive Systems, Inc. Multiple integrated document assembly data processing system
US5257577A (en) * 1991-04-01 1993-11-02 Clark Melvin D Apparatus for assist in recycling of refuse
US6202058B1 (en) 1994-04-25 2001-03-13 Apple Computer, Inc. System for ranking the relevance of information objects accessed by computer users
US5606609A (en) 1994-09-19 1997-02-25 Scientific-Atlanta Electronic document verification system and method
US5594660A (en) 1994-09-30 1997-01-14 Cirrus Logic, Inc. Programmable audio-video synchronization method and apparatus for multimedia systems
US5642502A (en) 1994-12-06 1997-06-24 University Of Central Florida Method and system for searching for relevant documents from a text database collection, using statistical ranking, relevancy feedback and small pieces of text
US5933851A (en) 1995-09-29 1999-08-03 Sony Corporation Time-stamp and hash-based file modification monitor with multi-user notification and method thereof
US5974455A (en) 1995-12-13 1999-10-26 Digital Equipment Corporation System for adding new entry to web page table upon receiving web page including link to another web page not having corresponding entry in web page table
US6314420B1 (en) 1996-04-04 2001-11-06 Lycos, Inc. Collaborative/adaptive search engine
JP3113814B2 (ja) 1996-04-17 2000-12-04 インターナショナル・ビジネス・マシーンズ・コーポレ−ション 情報検索方法及び情報検索装置
US5920859A (en) * 1997-02-05 1999-07-06 Idd Enterprises, L.P. Hypertext document retrieval system and method
US5745890A (en) 1996-08-09 1998-04-28 Digital Equipment Corporation Sequential searching of a database index using constraints on word-location pairs
US5920854A (en) 1996-08-14 1999-07-06 Infoseek Corporation Real-time document collection search engine with phrase indexing
US6222559B1 (en) 1996-10-02 2001-04-24 Nippon Telegraph And Telephone Corporation Method and apparatus for display of hierarchical structures
US6285999B1 (en) * 1997-01-10 2001-09-04 The Board Of Trustees Of The Leland Stanford Junior University Method for node ranking in a linked database
US5960383A (en) 1997-02-25 1999-09-28 Digital Equipment Corporation Extraction of key sections from texts using automatic indexing techniques
US5848404A (en) 1997-03-24 1998-12-08 International Business Machines Corporation Fast query search in large dimension database
US6256675B1 (en) 1997-05-06 2001-07-03 At&T Corp. System and method for allocating requests for objects and managing replicas of objects on a network
US6012053A (en) 1997-06-23 2000-01-04 Lycos, Inc. Computer system with user-controlled relevance ranking of search results
JPH1125119A (ja) 1997-06-30 1999-01-29 Canon Inc ハイパーテキスト閲覧システム
JPH1125104A (ja) 1997-06-30 1999-01-29 Canon Inc 情報処理装置および方法
US5983216A (en) 1997-09-12 1999-11-09 Infoseek Corporation Performing automated document collection and selection by providing a meta-index with meta-index values indentifying corresponding document collections
US6182113B1 (en) 1997-09-16 2001-01-30 International Business Machines Corporation Dynamic multiplexing of hyperlinks and bookmarks
US6070191A (en) 1997-10-17 2000-05-30 Lucent Technologies Inc. Data distribution techniques for load-balanced fault-tolerant web access
US6351467B1 (en) 1997-10-27 2002-02-26 Hughes Electronics Corporation System and method for multicasting multimedia content
US6594682B2 (en) 1997-10-28 2003-07-15 Microsoft Corporation Client-side system for scheduling delivery of web content and locally managing the web content
US6128701A (en) 1997-10-28 2000-10-03 Cache Flow, Inc. Adaptive and predictive cache refresh policy
US5987457A (en) 1997-11-25 1999-11-16 Acceleration Software International Corporation Query refinement method for searching documents
US6473752B1 (en) 1997-12-04 2002-10-29 Micron Technology, Inc. Method and system for locating documents based on previously accessed documents
US6389436B1 (en) 1997-12-15 2002-05-14 International Business Machines Corporation Enhanced hypertext categorization using hyperlinks
US6145003A (en) 1997-12-17 2000-11-07 Microsoft Corporation Method of web crawling utilizing address mapping
US6151624A (en) 1998-02-03 2000-11-21 Realnames Corporation Navigating network resources based on metadata
KR100285265B1 (ko) 1998-02-25 2001-04-02 윤덕용 데이터 베이스 관리 시스템과 정보 검색의 밀결합을 위하여 서브 인덱스와 대용량 객체를 이용한 역 인덱스 저장 구조
US6185558B1 (en) 1998-03-03 2001-02-06 Amazon.Com, Inc. Identifying the items most relevant to a current query based on items selected in connection with similar queries
US6125361A (en) * 1998-04-10 2000-09-26 International Business Machines Corporation Feature diffusion across hyperlinks
US6151595A (en) 1998-04-17 2000-11-21 Xerox Corporation Methods for interactive visualization of spreading activation using time tubes and disk trees
US6240407B1 (en) 1998-04-29 2001-05-29 International Business Machines Corp. Method and apparatus for creating an index in a database system
US6098064A (en) 1998-05-22 2000-08-01 Xerox Corporation Prefetching and caching documents according to probability ranked need S list
US6285367B1 (en) 1998-05-26 2001-09-04 International Business Machines Corporation Method and apparatus for displaying and navigating a graph
US6182085B1 (en) 1998-05-28 2001-01-30 International Business Machines Corporation Collaborative team crawling:Large scale information gathering over the internet
US6208988B1 (en) 1998-06-01 2001-03-27 Bigchalk.Com, Inc. Method for identifying themes associated with a search query using metadata and for organizing documents responsive to the search query in accordance with the themes
JP2002517860A (ja) 1998-06-08 2002-06-18 ケイシーエスエル インク． データベースから関連情報を検索する方法およびシステム
US6006225A (en) 1998-06-15 1999-12-21 Amazon.Com Refining search queries by the suggestion of correlated terms from prior searches
US6216123B1 (en) 1998-06-24 2001-04-10 Novell, Inc. Method and system for rapid retrieval in a full text indexing system
US6638314B1 (en) 1998-06-26 2003-10-28 Microsoft Corporation Method of web crawling utilizing crawl numbers
CN1324464A (zh) 1998-08-26 2001-11-28 西姆泰克有限公司 映射数据文件的方法和设备
US6549897B1 (en) 1998-10-09 2003-04-15 Microsoft Corporation Method and system for calculating phrase-document importance
US6385602B1 (en) 1998-11-03 2002-05-07 E-Centives, Inc. Presentation of search results using dynamic categorization
US6360215B1 (en) 1998-11-03 2002-03-19 Inktomi Corporation Method and apparatus for retrieving documents based on information other than document content
US20030069873A1 (en) 1998-11-18 2003-04-10 Kevin L. Fox Multiple engine information retrieval and visualization system
US6628304B2 (en) 1998-12-09 2003-09-30 Cisco Technology, Inc. Method and apparatus providing a graphical user interface for representing and navigating hierarchical networks
US6167369A (en) 1998-12-23 2000-12-26 Xerox Company Automatic language identification using both N-gram and word information
US6922699B2 (en) * 1999-01-26 2005-07-26 Xerox Corporation System and method for quantitatively representing data objects in vector space
US6418433B1 (en) 1999-01-28 2002-07-09 International Business Machines Corporation System and method for focussed web crawling
US6510406B1 (en) 1999-03-23 2003-01-21 Mathsoft, Inc. Inverse inference engine for high performance web search
US6862710B1 (en) 1999-03-23 2005-03-01 Insightful Corporation Internet navigation using soft hyperlinks
US6763496B1 (en) 1999-03-31 2004-07-13 Microsoft Corporation Method for promoting contextual information to display pages containing hyperlinks
US6304864B1 (en) 1999-04-20 2001-10-16 Textwise Llc System for retrieving multimedia information from the internet using multiple evolving intelligent agents
US6327590B1 (en) 1999-05-05 2001-12-04 Xerox Corporation System and method for collaborative ranking of search results employing user and group profiles derived from document collection content analysis
US7835943B2 (en) 1999-05-28 2010-11-16 Yahoo! Inc. System and method for providing place and price protection in a search result list generated by a computer network search engine
US6990628B1 (en) 1999-06-14 2006-01-24 Yahoo! Inc. Method and apparatus for measuring similarity among electronic documents
US7072888B1 (en) 1999-06-16 2006-07-04 Triogo, Inc. Process for improving search engine efficiency using feedback
US6973490B1 (en) 1999-06-23 2005-12-06 Savvis Communications Corp. Method and system for object-level web performance and analysis
US6547829B1 (en) 1999-06-30 2003-04-15 Microsoft Corporation Method and system for detecting duplicate documents in web crawls
US7181438B1 (en) * 1999-07-21 2007-02-20 Alberti Anemometer, Llc Database access system
US6598047B1 (en) 1999-07-26 2003-07-22 David W. Russell Method and system for searching text
US6442606B1 (en) 1999-08-12 2002-08-27 Inktomi Corporation Method and apparatus for identifying spoof documents
US6636853B1 (en) 1999-08-30 2003-10-21 Morphism, Llc Method and apparatus for representing and navigating search results
AU1039301A (en) 1999-10-29 2001-05-08 British Telecommunications Public Limited Company Method and apparatus for processing queries
US6263364B1 (en) 1999-11-02 2001-07-17 Alta Vista Company Web crawler system using plurality of parallel priority level queues having distinct associated download priority levels for prioritizing document downloading and maintaining document freshness
US6351755B1 (en) 1999-11-02 2002-02-26 Alta Vista Company System and method for associating an extensible set of data with documents downloaded by a web crawler
US6418453B1 (en) 1999-11-03 2002-07-09 International Business Machines Corporation Network repository service for efficient web crawling
US6418452B1 (en) 1999-11-03 2002-07-09 International Business Machines Corporation Network repository service directory for efficient web crawling
US6539376B1 (en) 1999-11-15 2003-03-25 International Business Machines Corporation System and method for the automatic mining of new relationships
US7016540B1 (en) 1999-11-24 2006-03-21 Nec Corporation Method and system for segmentation, classification, and summarization of video images
US6886129B1 (en) 1999-11-24 2005-04-26 International Business Machines Corporation Method and system for trawling the World-wide Web to identify implicitly-defined communities of web pages
US6546388B1 (en) 2000-01-14 2003-04-08 International Business Machines Corporation Metadata search results ranking system
US6883135B1 (en) 2000-01-28 2005-04-19 Microsoft Corporation Proxy server using a statistical model
US7240067B2 (en) 2000-02-08 2007-07-03 Sybase, Inc. System and methodology for extraction and aggregation of data from dynamic content
US6931397B1 (en) 2000-02-11 2005-08-16 International Business Machines Corporation System and method for automatic generation of dynamic search abstracts contain metadata by crawler
US6910029B1 (en) 2000-02-22 2005-06-21 International Business Machines Corporation System for weighted indexing of hierarchical documents
JP2001265774A (ja) * 2000-03-16 2001-09-28 Nippon Telegr & Teleph Corp <Ntt> 情報検索方法、装置、および情報検索プログラムを記録した記録媒体、ハイパーテキスト情報検索システム
US6516312B1 (en) 2000-04-04 2003-02-04 International Business Machine Corporation System and method for dynamically associating keywords with domain-specific search engine queries
US6633867B1 (en) 2000-04-05 2003-10-14 International Business Machines Corporation System and method for providing a session query within the context of a dynamic search result set
US6549896B1 (en) 2000-04-07 2003-04-15 Nec Usa, Inc. System and method employing random walks for mining web page associations and usage to optimize user-oriented web page refresh and pre-fetch scheduling
US6718365B1 (en) 2000-04-13 2004-04-06 International Business Machines Corporation Method, system, and program for ordering search results using an importance weighting
US6741986B2 (en) 2000-12-08 2004-05-25 Ingenuity Systems, Inc. Method and system for performing information extraction and quality control for a knowledgebase
US6772160B2 (en) 2000-06-08 2004-08-03 Ingenuity Systems, Inc. Techniques for facilitating information acquisition and storage
DE10029644B4 (de) 2000-06-16 2008-02-07 Deutsche Telekom Ag Verfahren zur Relevanzbewertung bei der Indexierung von Hypertext-Dokumenten mittels Suchmaschine
JP3573688B2 (ja) 2000-06-28 2004-10-06 松下電器産業株式会社 類似文書検索装置及び関連キーワード抽出装置
US6601075B1 (en) 2000-07-27 2003-07-29 International Business Machines Corporation System and method of ranking and retrieving documents based on authority scores of schemas and documents
US6633868B1 (en) 2000-07-28 2003-10-14 Shermann Loyall Min System and method for context-based document retrieval
US7080073B1 (en) 2000-08-18 2006-07-18 Firstrain, Inc. Method and apparatus for focused crawling
US6959326B1 (en) 2000-08-24 2005-10-25 International Business Machines Corporation Method, system, and program for gathering indexable metadata on content at a data repository
US20030217052A1 (en) 2000-08-24 2003-11-20 Celebros Ltd. Search engine method and apparatus
JP3472540B2 (ja) 2000-09-11 2003-12-02 日本電信電話株式会社 サーバ選択装置、サーバ選択方法、及びサーバ選択プログラムを記録した記録媒体
US6598051B1 (en) 2000-09-19 2003-07-22 Altavista Company Web page connectivity server
US6560600B1 (en) 2000-10-25 2003-05-06 Alta Vista Company Method and apparatus for ranking Web page search results
US7200606B2 (en) 2000-11-07 2007-04-03 The Regents Of The University Of California Method and system for selecting documents by measuring document quality
US6622140B1 (en) * 2000-11-15 2003-09-16 Justsystem Corporation Method and apparatus for analyzing affect and emotion in text
JP2002157271A (ja) 2000-11-20 2002-05-31 Yozan Inc ブラウザ装置、サーバ装置、記録媒体、検索システムおよび検索方法
US7925967B2 (en) 2000-11-21 2011-04-12 Aol Inc. Metadata quality improvement
US8402068B2 (en) 2000-12-07 2013-03-19 Half.Com, Inc. System and method for collecting, associating, normalizing and presenting product and vendor information on a distributed network
US20020078045A1 (en) 2000-12-14 2002-06-20 Rabindranath Dutta System, method, and program for ranking search results using user category weighting
US6778997B2 (en) 2001-01-05 2004-08-17 International Business Machines Corporation XML: finding authoritative pages for mining communities based on page structure criteria
US7356530B2 (en) * 2001-01-10 2008-04-08 Looksmart, Ltd. Systems and methods of retrieving relevant information
US6766316B2 (en) 2001-01-18 2004-07-20 Science Applications International Corporation Method and system of ranking and clustering for document indexing and retrieval
US20020103798A1 (en) 2001-02-01 2002-08-01 Abrol Mani S. Adaptive document ranking method based on user behavior
US20020107886A1 (en) 2001-02-07 2002-08-08 Gentner Donald R. Method and apparatus for automatic document electronic versioning system
US7571177B2 (en) 2001-02-08 2009-08-04 2028, Inc. Methods and systems for automated semantic knowledge leveraging graph theoretic analysis and the inherent structure of communication
US20040003028A1 (en) 2002-05-08 2004-01-01 David Emmett Automatic display of web content to smaller display devices: improved summarization and navigation
US7269545B2 (en) 2001-03-30 2007-09-11 Nec Laboratories America, Inc. Method for retrieving answers from an information retrieval system
US20020169770A1 (en) 2001-04-27 2002-11-14 Kim Brian Seong-Gon Apparatus and method that categorize a collection of documents into a hierarchy of categories that are defined by the collection of documents
US7188106B2 (en) * 2001-05-01 2007-03-06 International Business Machines Corporation System and method for aggregating ranking results from various sources to improve the results of web searching
US6738764B2 (en) 2001-05-08 2004-05-18 Verity, Inc. Apparatus and method for adaptively ranking search results
AU2002256868B2 (en) 2001-05-10 2007-08-16 Amdocs Software Systems Limited Intelligent internet website with hierarchical menu
US7519529B1 (en) 2001-06-29 2009-04-14 Microsoft Corporation System and methods for inferring informational goals and preferred level of detail of results in response to questions posed to an automated information-retrieval or question-answering service
US7039234B2 (en) 2001-07-19 2006-05-02 Microsoft Corporation Electronic ink as a software object
US6928425B2 (en) 2001-08-13 2005-08-09 Xerox Corporation System for propagating enrichment between documents
JP3895955B2 (ja) * 2001-08-24 2007-03-22 株式会社東芝 情報検索方法および情報検索システム
US7076483B2 (en) 2001-08-27 2006-07-11 Xyleme Sa Ranking nodes in a graph
US6766422B2 (en) 2001-09-27 2004-07-20 Siemens Information And Communication Networks, Inc. Method and system for web caching based on predictive usage
US6944609B2 (en) 2001-10-18 2005-09-13 Lycos, Inc. Search results using editor feedback
US7428695B2 (en) 2001-10-22 2008-09-23 Hewlett-Packard Development Company, L.P. System for automatic generation of arbitrarily indexed hyperlinked text
US6763362B2 (en) 2001-11-30 2004-07-13 Micron Technology, Inc. Method and system for updating a search engine
JP3871201B2 (ja) 2002-01-29 2007-01-24 ソニー株式会社 コンテンツ提供取得システム
US6829606B2 (en) 2002-02-14 2004-12-07 Infoglide Software Corporation Similarity search engine for use with relational databases
JP4021681B2 (ja) 2002-02-22 2007-12-12 日本電信電話株式会社 ページレイティング／フィルタリング方法および装置とページレイティング／フィルタリングプログラムおよび該プログラムを記録したコンピュータ読取り可能な記録媒体
US6934714B2 (en) 2002-03-04 2005-08-23 Intelesis Engineering, Inc. Method and system for identification and maintenance of families of data records
US7693830B2 (en) 2005-08-10 2010-04-06 Google Inc. Programmable search engine
US20040006559A1 (en) 2002-05-29 2004-01-08 Gange David M. System, apparatus, and method for user tunable and selectable searching of a database using a weigthted quantized feature vector
JP2005530250A (ja) 2002-06-12 2005-10-06 ジェナ ジョーダル， 複数階層視座を実現するデータ格納、取り出し、操作、及び表示ツール
CA2395905A1 (en) 2002-07-26 2004-01-26 Teraxion Inc. Multi-grating tunable chromatic dispersion compensator
US7152059B2 (en) 2002-08-30 2006-12-19 Emergency24, Inc. System and method for predicting additional search results of a computerized database search user based on an initial search query
US7013458B2 (en) 2002-09-09 2006-03-14 Sun Microsystems, Inc. Method and apparatus for associating metadata attributes with program elements
US6886010B2 (en) * 2002-09-30 2005-04-26 The United States Of America As Represented By The Secretary Of The Navy Method for data and text mining and literature-based discovery
US7231379B2 (en) 2002-11-19 2007-06-12 Noema, Inc. Navigation in a hierarchical structured transaction processing system
US7386527B2 (en) 2002-12-06 2008-06-10 Kofax, Inc. Effective multi-class support vector machine classification
US7020648B2 (en) 2002-12-14 2006-03-28 International Business Machines Corporation System and method for identifying and utilizing a secondary index to access a database using a management system without an internal catalogue of online metadata
US20040148278A1 (en) 2003-01-22 2004-07-29 Amir Milo System and method for providing content warehouse
US20040181515A1 (en) * 2003-03-13 2004-09-16 International Business Machines Corporation Group administration of universal resource identifiers with members identified in search result
US6947930B2 (en) 2003-03-21 2005-09-20 Overture Services, Inc. Systems and methods for interactive search query refinement
US7028029B2 (en) * 2003-03-28 2006-04-11 Google Inc. Adaptive computation of ranking
US7216123B2 (en) 2003-03-28 2007-05-08 Board Of Trustees Of The Leland Stanford Junior University Methods for ranking nodes in large directed graphs
US7451129B2 (en) 2003-03-31 2008-11-11 Google Inc. System and method for providing preferred language ordering of search results
US7451130B2 (en) * 2003-06-16 2008-11-11 Google Inc. System and method for providing preferred country biasing of search results
US7051023B2 (en) * 2003-04-04 2006-05-23 Yahoo! Inc. Systems and methods for generating concept units from search queries
US7197497B2 (en) * 2003-04-25 2007-03-27 Overture Services, Inc. Method and apparatus for machine learning a document relevance function
US7308643B1 (en) 2003-07-03 2007-12-11 Google Inc. Anchor tag indexing in a web crawler system
US20050060186A1 (en) 2003-08-28 2005-03-17 Blowers Paul A. Prioritized presentation of medical device events
US7505964B2 (en) 2003-09-12 2009-03-17 Google Inc. Methods and systems for improving a search ranking using related queries
US7346839B2 (en) * 2003-09-30 2008-03-18 Google Inc. Information retrieval based on historical data
US20050071328A1 (en) * 2003-09-30 2005-03-31 Lawrence Stephen R. Personalization of web search
US7693827B2 (en) * 2003-09-30 2010-04-06 Google Inc. Personalization of placed content ordering in search results
US7552109B2 (en) 2003-10-15 2009-06-23 International Business Machines Corporation System, method, and service for collaborative focused crawling of documents on a network
US20050086192A1 (en) 2003-10-16 2005-04-21 Hitach, Ltd. Method and apparatus for improving the integration between a search engine and one or more file servers
US7231399B1 (en) 2003-11-14 2007-06-12 Google Inc. Ranking documents based on large data sets
US20060047649A1 (en) 2003-12-29 2006-03-02 Ping Liang Internet and computer information retrieval and mining with intelligent conceptual filtering, visualization and automation
US20050154723A1 (en) * 2003-12-29 2005-07-14 Ping Liang Advanced search, file system, and intelligent assistant agent
US7483891B2 (en) * 2004-01-09 2009-01-27 Yahoo, Inc. Content presentation and management system associating base content and relevant additional content
US7392278B2 (en) 2004-01-23 2008-06-24 Microsoft Corporation Building and using subwebs for focused search
US7499913B2 (en) * 2004-01-26 2009-03-03 International Business Machines Corporation Method for handling anchor text
US7310632B2 (en) 2004-02-12 2007-12-18 Microsoft Corporation Decision-theoretic web-crawling and predicting web-page change
US7281002B2 (en) 2004-03-01 2007-10-09 International Business Machine Corporation Organizing related search results
US7584221B2 (en) 2004-03-18 2009-09-01 Microsoft Corporation Field weighting in text searching
US7343374B2 (en) 2004-03-29 2008-03-11 Yahoo! Inc. Computation of page authority weights using personalized bookmarks
US7693825B2 (en) 2004-03-31 2010-04-06 Google Inc. Systems and methods for ranking implicit search results
US20050251499A1 (en) 2004-05-04 2005-11-10 Zezhen Huang Method and system for searching documents using readers valuation
US7257577B2 (en) 2004-05-07 2007-08-14 International Business Machines Corporation System, method and service for ranking search results using a modular scoring system
US7260573B1 (en) 2004-05-17 2007-08-21 Google Inc. Personalizing anchor text scores in a search engine
US20050283473A1 (en) 2004-06-17 2005-12-22 Armand Rousso Apparatus, method and system of artificial intelligence for data searching applications
US7363296B1 (en) * 2004-07-01 2008-04-22 Microsoft Corporation Generating a subindex with relevant attributes to improve querying
US7428530B2 (en) 2004-07-01 2008-09-23 Microsoft Corporation Dispersing search engine results by using page category information
US20060036598A1 (en) 2004-08-09 2006-02-16 Jie Wu Computerized method for ranking linked information items in distributed sources
US7702599B2 (en) 2004-10-07 2010-04-20 Bernard Widrow System and method for cognitive memory and auto-associative neural network based pattern recognition
US7698331B2 (en) 2005-01-18 2010-04-13 Yahoo! Inc. Matching and ranking of sponsored search listings incorporating web search technology and web content
US7689615B2 (en) 2005-02-25 2010-03-30 Microsoft Corporation Ranking results using multiple nested ranking
US7574436B2 (en) 2005-03-10 2009-08-11 Yahoo! Inc. Reranking and increasing the relevance of the results of Internet searches
US20060206460A1 (en) 2005-03-14 2006-09-14 Sanjay Gadkari Biasing search results
JP5632124B2 (ja) 2005-03-18 2014-11-26 サーチ エンジン テクノロジーズ リミテッド ライアビリティ カンパニー 格付け方法、検索結果並び替え方法、格付けシステム及び検索結果並び替えシステム
US20060282455A1 (en) 2005-06-13 2006-12-14 It Interactive Services Inc. System and method for ranking web content
US7627564B2 (en) 2005-06-21 2009-12-01 Microsoft Corporation High scale adaptive search systems and methods
US7599917B2 (en) 2005-08-15 2009-10-06 Microsoft Corporation Ranking search results using biased click distance
US7716226B2 (en) 2005-09-27 2010-05-11 Patentratings, Llc Method and system for probabilistically quantifying and visualizing relevance between two or more citationally or contextually related data objects
US20070150473A1 (en) 2005-12-22 2007-06-28 Microsoft Corporation Search By Document Type And Relevance
US7685091B2 (en) 2006-02-14 2010-03-23 Accenture Global Services Gmbh System and method for online information analysis

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9256676B2 (en) 2006-05-10 2016-02-09 Google Inc. Presenting search result information
US11775535B2 (en) 2006-05-10 2023-10-03 Google Llc Presenting search result information
US10521438B2 (en) 2006-05-10 2019-12-31 Google Llc Presenting search result information
US9852191B2 (en) 2006-05-10 2017-12-26 Google Llc Presenting search result information
CN103235776B (zh) * 2006-05-10 2017-09-26 谷歌公司 呈现搜索结果信息
CN100456296C (zh) * 2006-06-28 2009-01-28 腾讯科技（深圳）有限公司 一种多媒体文件搜索引擎的排序方法
CN101681377B (zh) * 2007-05-23 2013-03-27 微软公司 用于搜索的用户定义的相关性排序
CN102567326B (zh) * 2010-12-14 2014-09-03 中国移动通信集团湖南有限公司 一种信息搜索、及信息搜索排序装置和方法
CN102567326A (zh) * 2010-12-14 2012-07-11 中国移动通信集团湖南有限公司 一种信息搜索、及信息搜索排序装置和方法
CN102567417A (zh) * 2010-12-31 2012-07-11 百度在线网络技术（北京）有限公司 一种用于确定超链接的锚文本可信度的分析设备和方法
CN103309894A (zh) * 2012-03-15 2013-09-18 阿里巴巴集团控股有限公司 基于用户属性的搜索实现方法及系统
CN103106278A (zh) * 2013-02-18 2013-05-15 人民搜索网络股份公司 权重值的获取方法及装置
CN108701150A (zh) * 2016-02-18 2018-10-23 微软技术许可有限责任公司 使用通用概念图产生文本片断

Also Published As

Publication number Publication date
EP1643383A1 (en) 2006-04-05
CN1755678B (zh) 2010-08-25
US7739277B2 (en) 2010-06-15
US20060074871A1 (en) 2006-04-06
KR101076894B1 (ko) 2011-10-25
KR20060049708A (ko) 2006-05-19
JP2006107433A (ja) 2006-04-20
JP4763354B2 (ja) 2011-08-31
EP1643383B1 (en) 2013-01-23

Similar Documents

Publication Publication Date Title
CN1755678B (zh) 在排序搜索结果时引入锚文本用的系统和方法
CN101273350B (zh) 点击距离确定
Aggarwal et al. Intelligent crawling on the World Wide Web with arbitrary predicates
JP6006267B2 (ja) 索引キーを使用して検索を絞込むシステムおよび方法
JP5369154B2 (ja) クリックディスタンスを用いて検索結果をランク付けするシステムおよび方法
US8745039B2 (en) Method and system for user guided search navigation
JP5174931B2 (ja) ドキュメント利用統計を用いたランキング関数
US7792833B2 (en) Ranking search results using language types
KR101683311B1 (ko) 검색 결과 순위 지정을 위한 정적 관련성 특징으로서 문서 길이를 이용한 정보 제공 방법, 시스템 및 컴퓨터 판독가능 저장 매체
US7962477B2 (en) Blending mobile search results
US7644107B2 (en) System and method for batched indexing of network documents
US20060200460A1 (en) System and method for ranking search results using file types
US20080301130A1 (en) Method, system and article of manufacture for searching documents for ranges of numeric values
JP2006127529A (ja) 階層を考慮したウェブページのランク付け
US20150205871A1 (en) Using historical information to improve search across heterogeneous indices
JP2013168177A (ja) 情報提供プログラム、情報提供装置および検索サービスの提供方法
JP5315726B2 (ja) 情報提供方法、情報提供装置、および情報提供プログラム
Lu et al. Efficient profile matching for large scale webcasting
KR20120020558A (ko) 폭소노미 기반 개인화 웹 검색 방법 및 이를 수행하는 시스템
Papadakis et al. A layered approach to revisitation prediction
Ogban et al. On a cohesive focused and path-ascending crawling scheme for improved search results

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100825

Termination date: 20140725

EXPY Termination of patent right or utility model