中文搜索引擎评测(11):——综合分析

中文搜索引擎现存问题
综前，目前中文搜索引擎主要存在3个问题：

1.中文分词正确性

分词技术是搜索引擎准确性的关键，也是中文搜索引擎的最核心技术。

本次评测使用的关键词是”油鱼”。严格的说，涉及菜名的搜索结果，例如网油鱼包、蒜油鱼、葱油鱼等等，都是分词错误的产物。但考虑分词的不确定性和多重性，这些结果现阶段尚可接受，评为4分。各搜索引擎不重复菜名结果多在4-6条之间，相差不多。

分词方面，最不可思议的是google。搜索”油鱼”，居然返回大量”鱼油”结果。从结果中分析，google并不是把”油鱼”拆成了”油”和”鱼”2个单字，因为它并没有像微软live那样返回包含这2个单字的结果。而且，”鱼油”结果的数量和位置与”油鱼”结果类似，所以很可能google按照什么原理，把这两个词等同起来的。这种低级分词错误，对于google搜索引擎来说，是非常不应该的。

微软live的分词基本是一塌糊涂，返回的结果大部分是包含”油”和”鱼”2个单字的无关内容。

2. 搜索结果重复率

重复率是判断搜索引擎对内容分析能力的重要指标，也是搜索引擎成熟度的重要标志。

各搜索引擎中，google效果最好。有道重复率高达57%，最差。其他搜索引擎在20%-33%，基本处在同一水平。微软live因为返回结果太差，不参加统计.重复率结果详见下图：

3.搜索结果的时间因素

统计不重复的香港油鱼新闻，主要体现各搜索引擎更新速度和排名规则中时间因素的作用。

表现最好的是搜狗，新消息占一半以上。其次是yahoo和马云的雅虎中国。google.com和百度相近，google.cn更差一些。最差的是有道，完全没有新消息。有道目前还是测试版，爬抓间隔较大也属正常。时间因素结果详见下图：

各中文搜索引擎综合评述
各搜索引擎中，google的极低的重复率说明其技术最成熟。但不知为何，在google分词上犯了低级错误。如果没有这个错误，google.com的得分很可能最高。

搜狗是本次评测的最大黑马。成功的原因是在内容抓取和结果排名方面对时间因素的重视。弱点是内容抓取的广度不够、重复率尚需改进。当然，搜狗已经是google以外重复率最低的了。

作为中国市场占有率最高的搜索引擎，百度的表现只能说是一般，在各方面都不突出。百度似乎没有表现出”更懂中文”。结果重复率偏高。结果排列上，似乎没有考虑时间因素和相关性，只是把各方面的结果按比例机械混合。

yahoo和阿里巴巴旗下的雅虎中国虽然搜索引擎不同，搜索结果也不同，但总体水平却相当，基本与百度接近。只是yahoo更偏重抓取海外的中文内容。

网易有道的确只是个测试版，虽然象模象样，但真正使用起来，无论是时效性还是重复率都不能满足要求。给它改进的时间，有道还有希望赶上第二梯队的。

微软live的中文搜索引擎非常不成熟，完全不能实用。与其他搜索引擎不在一个水平上。下次搜索引擎评测，将不再测试live。

返回目录

本文来自http://jijian91.com  原文http://jijian91.com/blog20070205/search-engine-evaluation-result-analysis.html