三歲小孩開發搜尋引擎，搜尋引擎白熱化[原創]

三歲小孩:指這個想法很幼稚，比喻.

注意: 
QQ273939617，文章可轉載，但請勿修改，包括錯別字。
*轉載請註明該論壇直接連結，文章內文字請勿隨意添加任何形式的連結。
*請註明發帖人在本論壇的名字。

採購與工程搜尋構思
別名：採購搜尋，中國採購，中國產品與採購，產品採購。還沒想好用哪個，網域名稱也不好起。

採購與工程搜尋
(黃頁,產品,採購,銷售,工程)

設計目的： 
1. 收集整理企業黃頁；我對所有黃頁都不滿意。包括新*,搜*,chinayp(奇怪，這個網站訪問的人是美國人佔多。值得注意)。我的總結，目前的黃頁收錄不全，照搬照抄，不會動態更新。除聯絡人外，基本無有用資訊。(有弱點，好)
2. 通過多元搜尋首先獲得各個企業的全部聯結，然後用蜘蛛爬行這些網站（免除了從頭開始的麻煩，而且結果比google，baidu,yahoo還要全。因為是加總多家的結果。）
3. 提供基本公司資訊查詢和企業相關資訊類聚
    企業－＞資訊
    企業－＞產品
    產品－＞企業
產品－＞銷售(次要,因為重複的資訊，垃圾太多)
產品－＞求購(次要,因為重複的資訊，垃圾太多)
企業－＞櫃檯(展台)->如果簡單實用，給採購使用的話，這是多餘的。我的目的是專用搜尋，而不是b2b.據我所知，原料採購很少上ali***,除非貿易的採購。

本網站的立意在
結果豐富，甚至比google,baidu,yahoo齊全，但主要是按企業，按行業，按產品的專業特徵過濾和重新排序,客戶需求相關性而不是pagerank,這個對要找什麼廠家的網頁,簡直是狗屎.
軟體平台
    Java/windows or .net (收集，整理，排序，整和，因為考慮在pc上進行，所以不想用linux,可以徵集其它人的電腦，利用它們的cpu閑置時間。當然正式運行後，還是專用的好),任務由主控伺服器通過webservces控制，或說分散機來承接任務。　
　　　　Java + linux + php + mysql(接受查詢)
核心步序
1.    通過”企業源“模組，收集完整的企業列表（法人，註冊資金，登記證號）
2.    通過”企業基本資料整理”模組，分析，去重，產生最新，最全，動態，準確的黃頁.(動態校正。。多點校正）
我要得到完整資訊。不像狗S的新*黃頁，搜*黃頁，連個廠家地址都沒有也算黃頁。
3.    “企業－＞產品“模組，收集完整的企業產品清單
4.    “產品－＞企業“模組，提供橫向對比
5.    “行業分類法”模組，把工商企業仔細分類，這個過程需要提前作，並輔助人工
6.    行業關鍵字詞清單，權重值依照目前的熱度來調整(考慮抽樣得出，要想專業，必須使得自己至少看起來比較專業，對行業的瞭解是一定的。不是隨便搞一個清單。說白了，我這個構想有點像作內容，而不是搜尋了。)
7.    行業細分（產品級）關鍵字清單，權重值依照目前的熱度來調整(考慮抽樣得出)
8.    按地區，行業別，企業，產品四級。
9.    網站網頁性質分類法(說來容易，作來難，機率和統計吧。)
a)    企業官方網站
b)    門戶網站
c)    商品營銷網
d)    學術研究
e)    偶爾提到該關鍵字
f)    垃圾文字
g)    具體可參照：製造（服務），流通，設計，銷售（求購），標準，學術，新聞，偶爾提到，垃圾，提問與回答，討論群組BBS
硬體
    初步設計：三檯面向終端使用者查詢用，linux,Server Load Balancer分布查詢
                目標是5台，固定使用者10W,峰值5000人
　　　　　　　線下分析：沒有足夠電腦只能募集5-10台pc機，linux,硬碟10*100G
        (容量現在還不曉得，但我決定不存放任何垃圾。對垃圾也會棄而不處理，浪費我的電費)

地區範圍：
設計之初，考慮全世界範圍，初步支援中文，但資料庫設計必須考慮國別和網頁文字別
如果能提供外語－＞中文的語言轉換，可以為外語盲提供瀏覽國外的資訊那是好。可能趨向機械式的翻譯。很多零件是國外的，所以可能原始預言進行摘要比較好。

推廣方式：
主要還是在人群集中的目標使用者聚集的論壇推廣。因為人多。向採購性網站，雜誌投文章。文章能得到廣泛轉載和收藏，時間比較持久。
    推廣目標：工程人員（開發），採購，業務人員。一年達到50W人知道該網站。10W人造訪，5W人能回頭使用(一個網友說很容易。？？)

困難之處：
    勘探太少。推廣困難，因為類似網站太多。想脫穎而出很困難。使用者對google,baidu粘度太高。但本設計還是有很高的立意。功能上至少能解決很大問題。並且作過廣泛調查。關鍵是很多人懷疑該設計不能達到預期的效果。第二，懷疑推廣不開。

    總結了類似網站的情況。有兩點：技術是關鍵。推廣是大敵。

    最近手上項目收工，衣食溫飽，想作這個嘗試，不曉得有否價值。待大家批評。

 =================作者續
     這是一封寫給一個專業採購人士的信片斷。

     我現在的想法是做一個垂直的搜尋引擎，名字叫<<企業產品與採購搜尋>>。將"黃頁號碼","企業與產品“資訊進行整合。

    具體思路是：
    1.通過垂直搜尋方式，從全世界的黃頁類，商務類網站檢索，抓取”黃頁資訊"和產品資訊。
    背景：由於公司或工廠現在面臨很多電訊類供應商，他們的電話號碼經常更換，現在的黃頁(國內的最大為中國電訊和網通黃頁),最大的缺點是不準確（客戶更換造成）和更新慢（數量龐大的關係，還有電話號碼過戶和變更的原因）。
    2.對公司層級，工廠層級的企業提供類聚的相關資訊，其它的只提供電話號碼。
    類聚的意思就是說現在的黃頁類網站只提供該企業的地址，電話，連絡人，郵編。而無法提供其它資訊。
    而通常尋找一個供應商都是從產品或某種服務需求開始的，比如找配件或OEM代工，或直接購買其成品來做貿易。最開始都是比較模糊的意識。

    我想把企業的外部屬性歸類，如產品，設計能力，製造能力，客戶，供應商，廠房面積，員工人數，品質認證，環保認證等
    然後通過"企業名稱"+"這些屬性，形成關鍵字，向通用搜尋引擎提交查詢，返回比如10萬筆資料，我得到這些連結，然後再派出網路蜘蛛抓取這些網頁。用某類屬性的相關關鍵字來加粗（或加成紅色）顯示。
    然後通過"產品名稱"為關鍵字，向通用搜尋引擎提交查詢，返回比如10萬筆資料，我得到這些連結，然後再派出網路蜘蛛抓取這些網頁。用某類屬性的相關關鍵字來加粗（或加成紅色）顯示。當然這個過程有非常複雜的計算。主要會對網頁匹配行業關鍵字，網頁匹配產品特性關鍵字進行計算。

    再對網頁的來源分類，如“企業網站","商務網站","新聞網站","行業網站","設計開發網站","產品標準網站"等.

    例如：找"絕緣矽膠片",google: 有64,200項符合絕緣矽膠片的查詢結果.我們需要的有用資訊可能被淹沒了，因為花一天時間也不能看完10000個網頁。

    如果按我的方法進行,最後顯示結果：
    1.生產廠家[30]
        廣州市日春電子製品廠
        http://www.cps800.com/products/22908.htm
        廣州市日春電子製品廠是一家專註於大功率電子產品上導熱絕緣材料的研發和生產廠家，所有產品符合歐盟ROHS環保要求。我廠可提供以下產品與服務：
        供應矽膠片、矽膠片、矽膠布、矽膠布、軟矽膠墊、絕緣粒、雲母片、矽膠帽套、導熱絕緣矽膠套管、矽膠端子套、麥拉片（PET）、pvc/pc絕緣片、電源線扣、pcb間隔柱、capton(聚醯亞胺薄膜)。
        
        其它廠家....
    2.商務資訊[2000]
    3.行業網站[20]
    4.產品標準[20]
    5.學術文章[100]
        深圳市傲策科技有限公司
        http://www.dianyuan.com/sale/d/44/57727.html
        俗名又叫散熱膏,是以特種矽油做基礎油,新型金屬氧化物做填料,配
        以多種功能添加劑,經特定的工藝加工而成的白色膏狀物. 具有優異
        的導熱、耐溫效能，是耐熱器件理想的介質材料，而且效能穩定，
        在使用中不會產生腐蝕氣體，不會對所接觸的金屬產生影響. 高純
        度的填充物和有機矽是產品光滑、均勻及高溫絕緣的保證. 塗抹於
        功率器件和散熱器裝配面，協助消除接觸面的空氣間隙增大熱流
        通，達到減小熱阻，降低功率器件的工作溫度，提高可靠性和延
        長使用壽命。

        其它....
    6.其它相關性低的網站[5000]
   
    這樣使用者就可以根據需要進行選擇，例如直接看廠家，那數量已經縮小到30家，很容易找，如果看產品標準，也可以直達目的網站.

    相比直接在google搜尋的好處是：google返回的是PageRank高的網站排在前面，也就是說在上面六個分類中，商務資訊（買賣）和其它相關性低的網站可能充斥在我們面前(可能連結多或某個詞的使用頻度高，如USB).

    ========================
    我現在想請教的是：
    1.這樣的預先分類網頁的方案是否可取?
    2.怎樣分類才適合採購人員，業務人員（賣東西給該企業），開發工程技術人員，和商貿採購人員。
    也就是採購人員希望把與該企業或該產品相關的所有網頁按什麼來進行分類比較好？？
    3.作為專業人士，您有什麼好建議能給我參考
 
chen