[发明专利]搜索验证的系统和方法

说明书

技术领域

本发明涉及针对基于web的系统进行搜索验证的系统和方法。

背景技术

大部分web站点包括搜索引擎设施，从而允许该站点的访问者 在尝试定位感兴趣的项目时执行搜索。当web站点日益成为与客户 进行交流的优选手段时，web站点的所有者对确保他们的web站点 是用户友好的并且为他们的客户提供正面体验特别感兴趣。

作为对web站点进行体验的结果而遭受挫折的客户可能对拥有 站点的实体产生负面观点，并且在该web站点为客户提供进行事务 的机制的实例中(诸如定位和购买出售的项目)，客户可能由于不 能快速定位并且购买所需项目而中断对项目的购买。即使对于仅向 客户提供信息的站点(诸如政府部门的web站点)来说，站点的所 有者确保客户可以定位他们需要的信息仍旧是重要的，否则负面印 象本身将表明对拥有和/或操作该web站点的实体不满意。

Web站点的一个问题在于，不能对引擎的有效性进行测试。迄 今所作的所有搜索引擎测试都是通过浏览器而手动进行的，结果， 各种组织在“事后”才意识到他们的搜索引擎的问题。

这通常是作为客户反馈的结果而发生的，在反馈中，客户曾尝 试在web站点上定位信息的项目并且将他们不能定位该信息向组织 进行报告。当然，依靠该方法来定位与web站点搜索引擎错失内容 相关联的问题导致了客户印象中的负面看法并且没有提供发现解决 方案的手段。此外，在认识到错失内容之后，该组织需要人工调查 并且解决web站点搜索引擎的问题。

当前，还没有执行搜索引擎验证以确保搜索引擎提供对web站 点(或链接的web站点集合)所含信息的全覆盖的自动化方式。而 且，也不存在可以检测搜索引擎执行的覆盖的手段。如所指示的， 当前的解决方案在以下事实之后，即，当将客户反馈递送到搜索团 队时(例如，为何我不能找到文档“a”？)。依赖于搜索引擎来传 递结果而没有深刻理解搜索引擎如何对所有web站点内容进行索 引。这是因为搜索引擎仅可以验证已经被索引的内容，而不验证错 失的内容。因而，在搜索引擎团队中工作的员工没有用于验证其搜 索引擎覆盖的主动手段。

本说明书中对任何现有技术的参考都不应作为对权利要求书的 优先权日期时公知常识的现有技术部分的承认或任何构成或建议。

发明内容

在一方面中，本发明提供了一种用于验证主机搜索引擎的结果 的方法，所述方法包括以下步骤：扫描可经由web界面递送的所有 数据对象，并且执行匹配引擎以生成包含所述主机搜索引擎错失内 容的报告集合。

所述报告集合可以包括详述所述web界面中内容的确切位置的 清单报告。其他报告可以在一个web站点报告中包括“具有最内 (most-in)链接的页面”，以辅助搜索引擎操作员来调节他们的搜 索引擎。

所述报告集合还可以包括高亮显示由web界面系统所拥有的不 同web域的web URL清单。

在本发明的实施方式中，扫描可经由web界面递送的所有数据 对象的步骤包括为了未来参考而开发所有对象的索引。在一个实施 方式中，形成web站点中所有可用词的索引。此外，可以根据词的 独特性对所有可用词的索引进行排序。例如，可以采用强度分析从 而确定扫描期间定位的词的相对独特性。

在备选实施方式中，对诸如页面、图像、文本、链接、元数据 和脚本之类的所有对象，连同文档和PDF、Word、Power Point和其 他输出格式的性质的所有对象进行捕获以及索引。

在已经建立了独特词的web站点中扫描和获取所有可用词的实 施方式中，这些可以在执行匹配引擎的时候被用作关键词。在该实 施方式中，将关键词输入到搜索引擎的相关字段中以确定关键词的 所有实例是否可以由搜索引擎定位。在将关键词输入到搜索引擎字 段中之后，继而可以将搜索引擎定位的所得URL集合与扫描所标识 的URL集合进行比较。针对关键词的、扫描所标识的URL集合与 搜索引擎尝试定位相同关键词的所有实例之间的任何差异表示错失 的内容。

在本发明的实施方式中，所述报告集合包括存在错失内容的 URL。

在另一方面，本发明提供一种用于验证主机搜索引擎的结果的 系统，所述系统包括：

主机搜索引擎，用于执行对web站点的搜索；

扫描组件，其扫描并且定位可经由到所述web站点的web界面 可获得的所有数据对象；以及