3dwoo大學簡體電腦書店
自制搜索引擎
( 簡體 字)
作者:[日] 山田浩之,末永匡類別:1. -> 程式設計 -> 搜索引擎
   2. -> 程式設計 -> 綜合
出版社:人民郵電出版社自制搜索引擎 3dWoo書號: 43164
詢問書籍請說出此書號!
有庫存
NT售價: 195
出版日:1/1/2016
頁數:190
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 字 )
ISBN:9787115411709 加入購物車加到我的最愛 (請先登入會員)
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證, 繁體書的下載亦請直接連絡出版社)
第1章 搜索引擎是如何工作的  1
1-1 理解搜索引擎的構成  3
什么是搜索引擎  3
構成搜索引擎的組件  4
與搜索引擎相關的組件  5
1-2  實現了快速全文搜索的索引結構  7
全文搜索的兩種方法  7
倒排索引的結構  8
倒排索引的構建方法  9
倒排索引中的術語  10
1-3 深入理解倒排索引  12
倒排索引=詞典+倒排文件  12
從倒排索引中查找單詞  13
將單詞的位置信息加入倒排文件中  13
從倒排索引中查找短語  14
1-4 制作中文文檔的倒排索引  16
分割中文句子的方法  16
權衡分割方法  17
1-5 實現倒排索引  19
實現詞典  19
實現倒排文件  22
1-6 使用倒排索引進行檢索  24
布爾檢索  24
使用倒排索引的檢索處理流程  24
關聯度的計算方法  26
信息檢索中的檢索  27
1-7 構建倒排索引  29
使用內存構建倒排索引  29
使用二級存儲構建倒排索引  29
靜態索引構建和動態索引構建  32
1-8 準備要檢索的文檔  34
收集數據  34
數據規范化  35
第2章 準備全文搜索引擎的檢索樣本  37
2-1 全文搜索引擎wiser  39
wiser的構成  39
準備用于檢索的文檔  40
2-2 安裝wiser  42
構建wiser  42
啟動wiser  43
解壓縮Wikipedia的副本  44
2-3 運行wiser  45
構建倒排索引  45
使用倒排索引查詢  46
比較grep和wiser的運行速度  46
第3章 構建倒排索引  49
3-1 復習有關倒排索引的知識  51
提取詞元  51
為每個詞元創建倒排列表  53
3-2 構建倒排索引  54
在存儲器上創建倒排列表  54
倒排列表和倒排文件的數據結構  54
從源代碼級別梳理倒排索引的構建順序  56
進一步閱讀源代碼  59
專欄 根據實際情況設計搜索引擎(系統)  68
第4章 開始檢索吧  71
4-1 檢索處理的大致流程  73
充分理解檢索處理的流程  73
4-2 使用倒排索引進行檢索  75
從源代碼級別梳理檢索處理的流程  75
解讀split_query_to_tokens()函數的具體實現  76
使用具體示例加深對檢索處理流程的理解  77
解讀函數search_docs()的實現細節  80
解讀函數search_phrase()的實現  84
專欄 如何實現標簽檢索  88
第5章 壓縮倒排索引  89
5-1 壓縮的基礎知識  90
壓縮倒排索引的好處  90
專欄 壓縮的目的  90
倒排索引的壓縮方法  91
倒排文件的壓縮方法  91
壓縮的原理  94
5-2 實現wiser中的壓縮功能  97
壓縮功能源代碼的概要  97
了解無需進行壓縮時的操作  99
抓住Golomb編碼的要點  101
解讀Golomb編碼中的編碼處理  105
解讀Golomb編碼的解碼處理  108
第6章 挑戰wiser的優化及參數的調整  113
6-1 提高檢索處理的效率  115
優化檢索處理  115
將查詢分割為無重復部分的詞元序列  116
6-2 禁用短語檢索  119
分析對2字符的字符串進行檢索時的行為  119
分析對3字符的字符串進行檢索時的行為  120
6-3 改變檢索結果的輸出順序  122
作為檢索結果排序核心的指標  122
按照文檔大小降序排列的檢索結果  124
專欄 排名欺詐  128
6-4  讓1個字符的查詢也能檢索出結果  29
獲取以特定字符開頭的詞元的列表  129
合并檢索到的結果  131
專欄 如何實現相似文檔的檢索  131
6-5  調整控制倒排索引更新的緩沖區容量  133
確認由緩沖區容量的差異帶來的不同效果  133
用sar命令分析負載  134
6-6  調整只有英文字母的詞元的分割方法  135
如何避免用英文單詞檢索時準確率下降的問題  135
如何判斷某字符是否屬于索引對象  135
修改負責分割詞元的函數  136
6-7 確認壓縮的效果  138
觀察Golomb編碼的效果  138
對比壓縮啟用前后的索引大小  138
專欄 避免濫用全文搜索引擎  139
第7章 為今后更加深入的學習做準備  141
7-1 wiser沒能實現的功能  143
倒排索引之外的全文搜索索引  143
高效處理大規模數據的存儲器  143
利用緩存提高檢索的速度  143
使用各種各樣的壓縮方法  144
優化搜索結果的排名  144
調整準確率和召回率  145
降低檢索結果排序處理的負載  147
并行處理  147
結合對屬性的篩選過濾  148
分面搜索  148
專欄 時延和吞吐量  149
7-2  全文搜索引擎Groonga的特點  150
通過詞元的部分一致檢索提升召回率  150
使用內存映射文件  151
片段  152
專欄 宣傳活動的重要性  152
7-3  實現出考慮到用戶意圖的搜索引擎  153
引入停用詞  153
應對詞素解析的錯誤  153
專欄 斷句錯誤  154
處理全角字符和半角字符  155
對查詢進行歸一化  156
留意布爾檢索的解析過程  156
通過詞素解析器適當地解析查詢  157
對錯誤的輸入進行修正  157
輸入補全  158
建議用戶檢索相關的關鍵詞  159
7-4 收集、提取文檔時的要點  160
制作爬蟲時的處理要點  160
在提取文本時需要處理的要點  163
Appendix 附錄  165
A-1 深度話題 166
近幾年的壓縮方法  166
動態索引構建  169
分布式索引  174
A-2 wiser中的文本提取和存儲  178
用于處理XML的2 種API——DOM和SAX  178
提取文檔的標題和正文  179
掌握狀態的遷移  182
構建文檔數據庫  187
后記  191
《自制搜索引擎》聚焦于Google和Yahoo!等Web搜索服務幕后的搜索引擎系統,首先講解了搜索引擎的基礎知識和原理,接著以現實中的開源搜索引擎Senna/Groonga為示例,使用該引擎的源代碼引導讀者親自體驗搜索引擎的開發過程。這部分講解涉及了倒排索引的制作和壓縮、檢索的處理流程以及搜索引擎的優化等內容。又簡單介紹了一些更加專業的搜索引擎的知識和要點,為讀者今后進一步學習打下了基礎。
pagetop