我做过一段时间信息检索的某些技术，希望能够抛砖引玉，大家共同讨论研究

搜索引擎说到底有3个主要部分：爬虫部分，索引器＆存储部分，用户推送部分。

我认为爬虫部分主要的技术问题在于3点：爬虫的爬行策略，爬虫自身的效率，爬虫的稳定性。

当然爬行策略是非常重要的，我自己利用VC设计了一种爬虫，可惜在多线程上面有电问题，但是基本功能都实现了。

索引器＆存储部分的关键是索引器，如何对爬行得到的网页，文档等进行索引那，这个问题比较关键。我研究的少，而且我做的也非常基本，希望牛人能指点一二。

用户推送部分我做的比较多，其实主要在于排序算法的研究，当然如何排序说到底是个匹配度量的问题，匹配系数越高，当然越应该放在前面，google之所以受欢迎当然是排序上面的功夫做的好

当然它肯定是不会公开它的排序算法，不过我们都知道它竟然对不同的字体字号都有相关系数，可见它的功夫做的多么到位。baidu号称有最大的中文数据库，但是在排序上作不好就等于什么都没有做好。

这方面研究的论文＆方法也很多，以后我慢慢地说把。

对于搜索引擎的各种评论在www.searchenginewatch.com上面讲述的比较清楚，我这里不再多说。