(一)优化采集策略和数据来源$ B" G) L$ I6 E" f
; I5 |" Z S5 {
9 r4 E( G; b& k# r& P
对于垂直搜索引擎的采集策略来说,必须不同于通用搜索引擎的采集策略。从互联网中准确快速提取出本行业的数据,关键词是一个很关键的因素,所以必须和该行业的专业人士进行沟通,由他们提供基于本行业的关键词。另外,用户也可以向搜索引擎提交关键词,在管理员审核通过的情况下,也添加进入关键词序列,定期对关键词整理,去除使用频率低的关键词,并添加新近出来的新词。在有一个维护良好的新词表的基础上,优化策略就有了一个好的开始。由于现在网页html语言越来越规范化,这也给采集带来了方便。根据研究发现,一个网页的主题决定了一个网页的内容,也就是在之间的部分,只要通过网络蜘蛛先抓部分的内容,之后再将抓取的部分和关键词列表进行对比,如果主题里含有关键词超过规定的阈值,就继续抓取,否则,就放弃抓取。这种改进的抓取策略可以有效地改善抓取的效率和准确度。! s, r8 s* N% E Y$ ^
/ a& a7 y1 E7 b" E# O+ c6 N) ?% b+ J
在数据来源方面,如果只从互联网上获取数据,那就无法体现垂直搜索引擎专业化的优势,必须从别的渠道获取行业数据,这样才能充分发挥垂直搜索引擎的特点。可以采用激励制度,鼓励用户提供数据,如果提供的数据很有价值,而且本身搜索引擎没有收录,可以给予用户奖励。购买一些收费资料,可以采取广告分成或收费检索的方式进行收录。总之,行业资料要尽可能地全面。
5 K$ Y* E8 i) L) T5 L
( U& K# K- Q6 h: ]" o _( z$ q
8 r4 C6 c3 M/ a' q1 u(二)进行有效的数据挖掘5 |6 t1 ]# w" M! E4 V& y7 D+ K: L
& }# ?, _" t! b! E: A* |
( r3 e; b' K% Z2 F$ u0 `* a& U% S数据挖掘,就是对用户在查询结果出现后的浏览行为和关键词输入记录,并进行有效整理统计分析,进而根据所获得的相关数据进行二次应用。可以据此对查询结果进行重新排序,把和用户兴趣相似度高的排列在前面,以此来缓解竞价排名带来的负面影响。可以将此数据提供给行业用户进行商业决策。 |
