검색 엔진

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

검색 엔진은 사용자가 원하는 정보를 찾을 수 있도록 인터페이스를 제공하며, 검색어를 통해 관련 항목을 검색한다. 검색 엔진은 색인을 통해 메타데이터를 수집하여 검색 속도를 높이고, 관련성 순위 알고리즘을 통해 검색 결과의 품질을 개선한다. 검색 엔진은 웹, 데스크톱, 이미지 등 다양한 유형으로 존재하며, 크롤링, 링크 맵, 색인 과정을 거쳐 검색 결과를 제공한다. 검색 엔진의 역사는 1945년 바네바 부시의 메멕스 개념에서 시작되었으며, 제럴드 솔턴의 SMART 시스템과 1987년의 문자열 검색 엔진 개발을 거쳐 발전해왔다.

더 읽어볼만한 페이지

정보 검색 - 최근접 이웃 탐색
최근접 이웃 탐색은 다차원 공간에서 주어진 질의와 가장 유사한 데이터를 찾는 최적화 문제로, 데이터 압축, 데이터 마이닝, 기계 학습 등 다양한 분야에서 활용되며, 효율적인 탐색을 위해 다양한 알고리즘이 개발되고 있고, 개인 정보 보호 및 데이터 편향성과 같은 윤리적 문제에 대한 고려도 중요해지고 있다.
정보 검색 - 해시태그 운동
해시태그 운동은 해시태그를 사용하여 사회적, 정치적 운동 참여를 촉진하는 활동으로, 다양한 소셜 미디어 플랫폼에서 사회적 연대와 공감대를 형성하는 데 기여하지만, 실질적인 변화를 이끌어내지 못한다는 비판도 받는다.
지식 생태계 - 정보 검색
정보 검색은 컴퓨터를 사용하여 정보를 찾는 기술과 관련된 분야로, 데이터 집합, 색인, 랭킹 등의 요소로 구성되며, 다양한 모델과 평가 지표를 통해 검색 성능을 측정하고, 디지털 도서관, 검색 엔진 등 광범위한 분야에 응용된다.
지식 생태계 - 대중 매체
대중 매체는 정보를 전달하고 사회적 여론을 형성하며 오락을 제공하는 등 다양한 기능을 수행하며, 인쇄, 방송, 인터넷 등 다양한 형태로 발전해왔지만, 상업주의, 가짜 뉴스, 정치적 편향성 등의 문제점과 비판을 받기도 한다.

검색 엔진
지도
기본 정보
유형	정보 검색 시스템
사용 목적	월드 와이드 웹을 포함한 컴퓨터 시스템 내에서 정보 검색
핵심 기능	웹 페이지 크롤링 및 인덱싱 사용자 쿼리 처리 및 관련 결과 반환 정보 검색 및 순위화
접근 방식	검색 엔진 최적화(SEO) 검색 광고
상세 정보
작동 방식	검색 로봇 (웹 크롤러) 사용 데이터베이스 내에 정보 저장 (인덱싱) 검색어와 관련된 웹페이지 검색 검색 결과 순위화
주요 검색 기술	키워드 검색 자연어 처리 (NLP) 머신 러닝 시맨틱 검색
검색 결과 유형	웹 페이지 이미지 비디오 뉴스 지도 기타 콘텐츠
검색 결과 제공 형식	웹 페이지 목록 (검색 결과 페이지, SERP) 미리보기 및 스니펫 인스턴트 답변 (지식 그래프)
역사
초기 형태	1990년대 초기 등장 아키 (검색 엔진) 야후!
발전	구글의 페이지랭크 알고리즘 등장 현재 다양한 검색 엔진 개발
주요 검색 엔진 변천사	초기에는 단순 키워드 매칭 이후에는 문맥 및 사용자 의도 분석 지속적인 알고리즘 개선
주요 검색 엔진 종류
웹 검색 엔진	구글 마이크로소프트 빙 야후! 서치 덕덕고 네이버 다음 바이두
이미지 검색 엔진	구글 이미지 검색 빙 이미지 검색 야후! 이미지 검색
비디오 검색 엔진	유튜브 비메오 데일리모션
전문 검색 엔진	학술 검색 엔진 (구글 학술 검색) 법률 검색 엔진 의료 검색 엔진 쇼핑 검색 엔진
활용 분야
일반 검색	정보 검색 및 학습
상업적 검색	제품 검색 및 구매
학술 검색	연구 자료 검색
미디어 검색	뉴스, 이미지, 비디오 검색
기업 검색	내부 정보 검색
기타
검색 엔진 최적화 (SEO)	웹사이트 가시성을 높이는 방법
검색 광고	검색 결과에 광고를 게재하는 마케팅 방법
문제점	검색 결과 편향 정보 과부하 개인 정보 보호 문제
참고 자료	Local SEO: A Simplified Guide

2. 검색 엔진의 작동 원리

검색 엔진은 사용자가 입력한 검색어에 따라 웹을 탐색하고, 결과를 제공한다. 사용자는 검색어를 통해 관심 있는 항목에 대한 기준을 지정하고, 엔진은 이에 일치하는 항목을 찾는다.^[1] 텍스트 검색 엔진의 경우 검색어는 일반적으로 하나 이상의 문서에 포함될 수 있는 개념을 나타내는 일련의 단어들로 표현된다.^[1]

검색 엔진은 쿼리에 지정된 기준을 충족하는 항목 목록을 제공하며, 이 목록은 일반적으로 관련성에 따라 순위가 매겨진다. 관련성에 따라 항목의 순위를 매기면 원하는 정보를 찾는 데 필요한 시간을 단축할 수 있다. 확률적 검색 엔진은 유사성, 인기도, 권위 등을 기반으로 항목의 순위를 매기거나 관련성 피드백을 사용한다. 부울 검색 엔진은 일반적으로 순서에 관계없이 정확히 일치하는 항목만 반환하지만, 부울 연산자(AND, OR, NOT, XOR)를 사용하는 것을 의미하기도 한다.^[1]

검색 엔진은 빠른 검색을 위해 색인이라는 과정을 통해 미리 항목 그룹에 대한 메타데이터를 수집한다. 색인은 일반적으로 더 적은 양의 저장 공간을 필요로 하므로, 일부 검색 엔진은 색인된 정보만 저장하고 각 항목의 전체 내용은 저장하지 않거나 캐시에 저장한다.^[2]

색인을 저장하지 않는 다른 유형의 검색 엔진도 있다. 크롤러 또는 스파이더 유형 검색 엔진(실시간 검색 엔진)은 검색어 시점에 항목을 수집하고 평가한다. 메타 검색 엔진은 색인이나 캐시를 저장하지 않고, 하나 이상의 다른 검색 엔진의 색인이나 결과를 재사용하여 집계된 최종 결과 세트를 제공한다.^[2]

2000년대 초까지 중요했던 데이터베이스 크기는 관련성 순위, 즉 검색 엔진이 최상의 결과를 먼저 정렬하려고 시도하는 방법에 대한 강조로 대체되었다. 관련성 순위 알고리즘은 지속적으로 개선되고 있으며, 모든 주요 검색 엔진은 결과 순서를 개선하기 위해 순위 지정 방법을 지속적으로 개선하고 있다. 2006년 현재 검색 엔진 순위는 그 어느 때보다 중요하며, 검색 엔진 최적화(SEO) 산업이 발전했고, 메타태그 사용과 같이 검색 엔진 순위에 영향을 미치는 문제에 대한 판례도 개발되었다. 일부 검색 엔진이 검색 순위를 판매한 것은 논란을 일으켰다.^[3]

검색 엔진 환경은 계속 개선되고 있다. 구글이 Google 지식 그래프를 추가한 것은 인터넷에 더 광범위한 영향을 미쳤으며, 특정 웹사이트의 트래픽을 제한할 수도 있다는 주장이 있지만, 주요 우려 사항은 없었다.^[4]

2. 1. 크롤링 (Crawling)

웹 크롤러(또는 스파이더)는 웹 페이지를 탐색하며 콘텐츠와 링크를 수집한다. 초기에는 시드 목록(seed list)이라는 작은 URL 목록을 기반으로 크롤링했지만, 현재는 지속적인 크롤링 방식을 사용한다.^[10]

대부분의 검색 엔진은 정교한 스케줄링 알고리즘을 사용하여 특정 페이지의 관련성에 따라 언제 다시 방문할지 결정한다. 이러한 알고리즘은 자주 변경되는 페이지에 더 높은 우선 순위를 부여하는 일정한 방문 간격부터, 변경 빈도, 인기도, 사이트의 전반적인 품질 등 여러 기준에 따라 적응적인 방문 간격까지 다양하다. 페이지를 실행하는 웹 서버의 속도와 하드웨어나 대역폭과 같은 리소스 제약도 고려 대상이다.^[10]

2. 2. 링크 맵 (Link map)

웹 크롤링으로 발견된 페이지들은 분산되어 다른 컴퓨터로 전송되고, 거기서 발견된 리소스의 지도가 생성된다. 이 복잡한 집합체는 그래프와 유사하게 보이는데, 서로 다른 페이지들이 연결된 노드로 표현된다.

과도한 데이터는 여러 데이터 구조에 저장되어 특정 알고리즘이 웹 페이지의 인기도 점수를 빠르게 계산할 수 있도록 한다. 이 점수는 특정 웹 페이지를 가리키는 링크 수를 기반으로 한다. 구글 창업자인 래리 페이지와 세르게이 브린이 제안한 페이지랭크 알고리즘은 잘 알려져 있으며 많은 관심을 끌었다.

인기도 순위를 계산하기 위한 링크 분석이라는 아이디어는 페이지랭크보다 오래되었다. 그러나 2014년 10월, 구글의 존 뮬러는 구글이 앞으로 페이지랭크를 업데이트하지 않을 것이라고 확인했다.^[15] 같은 아이디어의 다른 변형들이 현재 사용되고 있다. 링크 맵 데이터 구조는 일반적으로 링크에 포함된 앵커 텍스트도 저장하는데, 앵커 텍스트는 웹 페이지 콘텐츠의 요약을 제공할 수 있기 때문이다.

2. 3. 색인 (Indexing)

검색 엔진은 빠른 검색을 위해 수집된 정보를 정리하고 저장하는 과정을 거치며, 일반적으로 역색인(Inverted index)이라는 효율적인 데이터 구조를 사용한다.^[2]

일부 검색 엔진은 색인된 정보만 저장하고 각 항목의 전체 내용은 저장하지 않거나, 각 항목의 사본을 캐시에 저장하여 사용자가 색인된 시점의 항목 상태를 보거나 보관 목적으로 활용한다.^[2]

크롤러 또는 스파이더 유형 검색 엔진(일명 실시간 검색 엔진)은 색인을 저장하지 않고 검색어 시점에 항목을 수집하고 평가한다. 메타 검색 엔진은 색인이나 캐시를 저장하지 않고, 하나 이상의 다른 검색 엔진의 색인이나 결과를 재사용하여 집계된 최종 결과 세트를 제공한다.^[2]

2. 4. 검색어 처리 및 순위 결정

검색 엔진은 사용자가 입력한 검색어를 분석하여, 관련성이 높은 결과를 찾아 순위를 매긴다.^[1] 텍스트 검색 엔진에서 검색어는 보통 하나 이상의 문서에 포함될 수 있는 개념을 나타내는 단어들로 표현된다.^[1] 검색 엔진은 다양한 스타일의 검색어 구문을 처리할 수 있다.^[1]

검색 결과의 순위는 유사도, 인기도, 권위, 관련성 피드백 등 여러 요소를 고려하여 결정된다.^[1] 확률적 검색 엔진은 유사도와 인기도 등을 바탕으로 순위를 매기는 반면,^[1] 불리언 검색 엔진은 AND, OR, NOT 등의 연산자를 사용하여 정확히 일치하는 항목만 반환한다.^[1]

검색 엔진은 빠른 결과 제공을 위해 색인을 사용하며, 색인은 항목에 대한 메타데이터를 미리 수집하여 저장한다.^[2] 일부 검색 엔진은 색인된 정보만 저장하고, 각 항목의 전체 내용은 캐시에 저장하기도 한다.^[2]

크롤러나 메타 검색 엔진과 같이 색인을 사용하지 않는 검색 엔진도 있다.^[2] 2000년대 이후, 검색 엔진의 데이터베이스 크기보다 관련성 순위가 더 중요해졌으며, 이에 따라 검색 엔진들은 순위 알고리즘을 지속적으로 개선하고 있다.^[3] 검색 엔진 최적화(SEO) 산업과 메타태그 관련 판례도 이와 관련하여 발전했다.^[3]

최근에는 Google 지식 그래프와 같이 사용자 경험을 개선하기 위한 기능들이 추가되고 있다.^[4]

2. 5. 데이터베이스 검색 엔진

데이터베이스 내 텍스트 기반 콘텐츠 검색은 몇 가지 특수한 과제를 제시하며, 이를 통해 다수의 특수화된 검색 엔진이 발전하고 있다. 데이터베이스는 복잡한 쿼리(다중 논리 또는 문자열 일치 인수 포함)를 해결할 때 속도가 느릴 수 있다. 데이터베이스는 전문 검색에서는 사용하지 않는 의사 논리 쿼리를 허용한다. 데이터가 이미 구조화되어 있으므로 크롤링이 필요하지 않지만, 더욱 신속한 검색을 위해 데이터를 효율적인 형태로 색인하는 것이 종종 필요하다.

2. 6. 혼합 검색 엔진

검색된 데이터는 데이터베이스 콘텐츠와 웹 페이지 또는 문서를 모두 포함한다. 검색 엔진 기술은 두 가지 요구 사항 모두에 대응하도록 발전했다. 대부분의 혼합 검색 엔진은 구글과 같은 대규모 웹 검색 엔진이다. 이들은 구조화된 데이터 소스와 비정형 데이터 소스를 모두 검색한다. 예를 들어, 'ball'이라는 단어를 생각해 보면, 가장 간단한 용어로 위키백과에서만 40가지가 넘는 변형을 반환한다. 사회적 모임/무도회에서의 볼을 의미하는지, 축구공을 의미하는지, 아니면 발바닥의 볼을 의미하는지에 따라 검색 결과가 달라진다. 페이지와 문서는 별도의 색인에 크롤링되고 색인된다. 데이터베이스도 다양한 소스에서 색인된다. 그런 다음 이러한 여러 색인을 병렬로 쿼리하고 "규칙"에 따라 결과를 합성하여 사용자에게 검색 결과를 생성한다.

3. 검색 엔진의 종류

검색 엔진은 소스, 콘텐츠 타입, 인터페이스, 주제 등 다양한 기준으로 분류할 수 있다.

소스에 따른 분류: 데스크톱 검색, 연합 검색, 인간 검색 엔진, 메타 검색 엔진, 멀티서치, 검색 애그리게이터, 웹 검색 엔진 등이 있다.
콘텐츠 타입에 따른 분류: 전문 검색, 이미지 검색, 비디오 검색 엔진, 오디오 검색 엔진, 전체 텍스트 검색 등이 있다.
인터페이스에 따른 분류: 증분 검색, 즉시 응답, 의미 기반 검색^[17], 선택 기반 검색, 음성 검색 등이 있다.
주제에 따른 분류: 서지 데이터베이스, 엔터프라이즈 검색, 의학 문헌 검색, 수직 검색^[17] 등이 있다.

3. 1. 소스에 따른 분류

데스크톱 검색
연합 검색
인간 검색 엔진
메타 검색 엔진
멀티서치
검색 애그리게이터
웹 검색 엔진

3. 2. 콘텐츠 타입에 따른 분류

전문 검색은 특정 분야나 주제에 특화된 정보를 검색한다. 이미지 검색은 이미지를, 비디오 검색 엔진은 비디오를, 오디오 검색 엔진은 오디오 파일을 검색한다. 전체 텍스트 검색은 문서 전체 내용을 대상으로 검색한다.

3. 3. 인터페이스에 따른 분류

증분 검색: 검색어를 입력하는 동안 실시간으로 결과를 보여준다.
즉시 응답(Instant answer): 검색어에 대한 답변을 검색 결과 상단에 바로 제공한다.
의미 기반 검색: 검색어의 의미를 파악하여 보다 정확한 결과를 제공한다.^[17]
선택 기반 검색: 텍스트 일부를 선택하여 검색한다.
음성 검색: 음성으로 검색어를 입력한다.

3. 4. 주제에 따른 분류

서지 데이터베이스: 학술 자료, 논문 등을 검색한다.
엔터프라이즈 검색: 기업 내부 정보를 검색한다.
의학 문헌 검색: 의학 관련 문헌을 검색한다.
수직 검색: 특정 분야나 산업에 특화된 정보를 검색한다.^[17]

4. 검색 기술의 역사

1945년 7월 애틀랜틱 먼슬리에 발표된 바네바 부시의 논문 "우리가 생각할 수 있는 대로(As We May Think)"에서 하이퍼텍스트와 메모리 확장 개념이 비롯되었다. 부시는 이 논문에서 과학자들이 협력하여 인류 전체를 위한 지식의 틀을 구축해야 한다고 주장했다. 그는 무한하고 빠르고 안정적이며 확장 가능하고 연관성이 있는 메모리 저장 및 검색 시스템인 메멕스(Memex)라는 장치를 제안했다.^[5]

제럴드 솔턴은 하버드 대학교와 코넬 대학교에서 그의 팀과 함께 "마법같은 자동 텍스트 검색 시스템"(Magic Automatic Retriever of Text)이라는 정보 검색 시스템을 개발했다. 이 시스템에는 벡터 공간 모델, 역문서 빈도(IDF), Term Frequency(TF), 용어 차별 값, 관련성 피드백 메커니즘과 같은 중요한 개념들이 포함되어 있다.^[1] 솔턴은 "색인 이론(A Theory of Indexing)"이라는 책을 통해 오늘날 검색 기술의 기반이 되는 많은 실험들을 설명했다.^[1]

1987년에는 빠른 텍스트 검색을 위한 문자열 검색 엔진(SSE) 개발에 대한 논문이 발표되었다.^[8] 이 SSE는 512단계 유한 상태 기계(FSA) 논리와 연관 메모리(CAM)를 결합한 새로운 문자열 검색 아키텍처를 채택하여 근사 문자열 비교를 달성했다.^[8] CAM 셀은 4개의 기존 정적 램(SRAM) 셀과 읽기/쓰기 회로로 구성되었다. 가변 길이로 저장된 64개의 문자열에 대한 동시 비교는 초당 1천만 문자의 입력 텍스트 스트림에 대해 50ns 만에 이루어졌으며, 문자 코드 형태의 단일 문자 오류가 있더라도 성능을 유지할 수 있었다.^[8] 이 칩은 비고정 문자열 검색과 가변 길이 '무관심'(VLDC) 문자열 검색도 허용했다.^[8]

4. 1. 메멕스 (Memex)

하이퍼텍스트와 메모리 확장 개념은 1945년 7월 애틀랜틱 먼슬리에 발표된 바네바 부시의 "우리가 생각할 수 있는 대로(As We May Think)"라는 논문에서 비롯되었다. 이 논문에서 바네바 부시는 과학자들이 협력하여 인류 전체를 위한 지식의 틀을 구축하는 데 힘써야 한다고 주장했다. 그런 다음 그는 사실상 무한하고 빠르고 안정적이며 확장 가능하고 연관성이 있는 메모리 저장 및 검색 시스템이라는 아이디어를 제안했다. 그는 이 장치를 메멕스(Memex)라고 명명했다.^[5]

부시는 “연관 색인(associative indexing)” 개념을 그의 핵심 개념적 기여로 간주했다. 그의 설명에 따르면, 이것은 “어떤 항목이든지 원하는 대로 즉시 자동으로 다른 항목을 선택할 수 있도록 하는 장치입니다. 이것이 메멕스의 본질적인 특징입니다. 두 항목을 연결하는 과정이 중요한 것입니다.”^[6]

메멕스에 사용된 모든 문서는 마이크로필름 사본 형태로 제공되거나, 개인 기록의 경우 기계 자체에서 마이크로필름으로 변환된다. 메멕스는 또한 새로운 종류의 연관 색인을 기반으로 한 새로운 검색 기술을 사용할 것이다. 그 기본적인 아이디어는 어떤 항목이든지 원하는 대로 즉시 자동으로 다른 항목을 선택하여 연결된 문서를 통해 개인적인 "트레일(trail)"을 생성하는 것이다. 부시가 예상한 정보 저장 및 검색을 용이하게 하는 새로운 절차는 백과사전의 완전히 새로운 형태의 개발로 이어질 것이다.

부시가 고안한 가장 중요한 메커니즘은 연관 트레일(associative trail)이다. 그것은 방금 설명한 방식으로 연결된 링크의 체인 시퀀스와 개인적인 의견 및 사이드 트레일을 생성하여 임의의 마이크로필름 프레임 시퀀스를 가로지르는 마이크로필름 프레임의 새로운 선형 시퀀스를 생성하는 방법이다.

4. 2. SMART

제럴드 솔턴이 하버드 대학교와 코넬 대학교에서 그의 팀과 함께 개발한 정보 검색 시스템이다. 솔턴의 "마법같은 자동 텍스트 검색 시스템"(Magic Automatic Retriever of Text)에는 벡터 공간 모델, 역문서 빈도(IDF), Term Frequency(TF), 용어 차별 값, 그리고 관련성 피드백 메커니즘과 같은 중요한 개념들이 포함되어 있다.^[1] 그는 "색인 이론(A Theory of Indexing)"이라는 책을 저술하여 그의 많은 실험들을 설명했는데, 오늘날의 검색 기술은 여전히 이를 기반으로 하고 있다.^[1]

4. 3. 문자열 검색 엔진 (String Search Engines)

1987년, 빠른 텍스트 검색을 위한 문자열 검색 엔진(SSE) 개발에 대한 논문이 발표되었다.^[8] 이 SSE는 512단계 유한 상태 기계(FSA) 논리와 연관 메모리(CAM)를 결합한 새로운 문자열 검색 아키텍처를 채택하여 근사 문자열 비교를 달성했다.^[8] CAM 셀은 4개의 기존 정적 램(SRAM) 셀과 읽기/쓰기 회로로 구성되었다.^[8] 가변 길이로 저장된 64개의 문자열에 대한 동시 비교는 초당 1천만 문자의 입력 텍스트 스트림에 대해 50ns 만에 이루어졌으며, 문자 코드 형태의 단일 문자 오류가 존재하더라도 성능을 유지할 수 있었다.^[8] 또한, 이 칩은 비고정 문자열 검색과 가변 길이 '무관심'(VLDC) 문자열 검색을 허용했다.^[8]

5. 검색 엔진 최적화(SEO)와 관련된 문제

검색 엔진 최적화(SEO)는 웹사이트가 검색 결과 상위에 노출되도록 하는 기술이다. 그러나 검색 엔진 순위 조작, 스팸덱싱 등 윤리적 문제가 발생하기도 한다. 일부 검색 엔진의 검색 순위 판매는 소비자 보호 단체 사이에서 논란을 일으키고 있다.^[3]

6. 기타

자동 요약
에마누엘 골드버그 (초기 검색 엔진의 발명가)
색인
역색인
검색 엔진 목록
검색 서비스
검색 엔진 색인 생성
검색 엔진 최적화
검색 제안 드롭다운 목록
솔버 (컴퓨터 과학)
스팸덱싱
SQL
텍스트 마이닝
웹 크롤러
의미 탐색 해소(모호성 처리)^[4]

참조

_[1] 논문 Natural Language Processing and Information Retrieval http://www.indexnist[...] National Institute of Standards and Technology 2000-03-01
_[2] 웹사이트 Internet Basics: Using Search Engines https://edu.gcfgloba[...] 2022-07-11
_[3] 서적 Planet Google: One Company's Audacious Plan to Organize Everything We Know https://books.google[...] Simon and Schuster 2009-09-22
_[4] 웹사이트 What do we make of Wikipedia's falling traffic? https://www.dailydot[...] 2014-01-08
_[5] 학술지 Before Memex: Robert Hooke, John Locke, and Vannevar Bush on External Memory 2007-01-30
_[6] 학술지 Before Memex: Robert Hooke, John Locke, and Vannevar Bush on External Memory 2007-01-30
_[7] 웹사이트 The MEMEX of Vannevar Bush http://history-compu[...] 2023-08-12
_[8] 학술지 A high-speed string-search engine IEEE 1987-10-01
_[9] 웹사이트 Local SEO: A Simplified Guide https://isimplifyme.[...] 2022-10-07
_[10] 웹사이트 検索クエリとは？意味を理解してキーワードとの違いを把握しよう https://seolaborator[...] 2021-12-10
_[11] 논문 Natural Language Processing and Information Retrieval http://www.indexnist[...] National Institute of Standards and Technology 2000-03-01
_[12] 웹사이트 検索体験を向上する Query Understanding とは https://blog.recruit[...] 2019-12-25
_[13] 웹사이트 AI（人工知能）に使われる18世紀の確率論！ベイズ理論を理解しよう https://aizine.ai/ba[...] 2021-01-27
_[14] 웹사이트 Internet Basics: Using Search Engines https://edu.gcfgloba[...] 2022-07-11
_[15] 서적 Planet Google: One Company's Audacious Plan to Organize Everything We Know https://books.google[...] Simon and Schuster 2009-09-22
_[16] 웹사이트 What do we make of Wikipedia's falling traffic? https://www.dailydot[...] 2014-01-08
_[17] 웹사이트 セマンティック検索とは？４つの事例とSEOへの影響を解説 https://gmotech.jp/s[...] 2022-07-26