李小明的搜索引擎练习系统原理总结

这周，我读了李晓明的书，这是您发给我的电子手稿. 后来，我从图书馆借来的. 只是这本书有些破损，我不敢读. 后来，我直接阅读了您发送给我的电子手稿. 我最初阅读的有关搜索引擎或信息检索的基本且相对简单的书有很多章节基本上是参考这本书的，这表明从我自己的角度来看，这本书还是非常好的. 本书系统地介绍了搜索引擎的基本工作原理，实现技术和系统构建方案. 本书分为三部分，共13章，从一开始的基本工作原理概述，到小型简单搜索引擎实施的具体细节，然后讨论了搜索引擎的设计要点和关键技术. 详细的大型分布式搜索引擎系统；主题和个性化的Web信息服务说明了中文网页自动分类的技术和应用. 我感到其中的层次清晰，从浅到深. 既有深入的理论分析，又有大量的实验数据. 现在对我来说，我既具有学习意义，又具有实践意义. 现在，Internet上的信息量正在爆炸式增长. 当前，从互联网获取信息的主要工具是浏览器，通常有三种通过浏览器获取信息的方式. 首先，直接输入浏览器感兴趣的网址（URL），浏览器返回请求的网页，并根据网页的内容和所包含的超链接文本（锚文本）获得所需的内容. ，登录到网站，并根据网站提供的分类目录和相关链接逐步浏览以查找您感兴趣的内容. 第三，登录搜索引擎网站并输入代表信息的关键字或短语您关心的内容，请根据返回的相关信息列表，摘要和超链接指南，尝试找到所需的内容.

这三种方法各有特点，每种都有自己最合适的应用程序. 没有好与坏. 第一种方法的应用是最有针对性的. 第二种方法的应用类似于阅读报纸. 用户不一定有明确的目的，只是想在网上看到什么有趣的新闻；当然，这也可能涉及某种主题. 第三种方法适用于通常知道他们所关注的问题的用户. 在这种情况下，搜索引擎可以为用户提供相关内容URL和摘要的列表，并且用户可以尝试查看自己是否需要它们. 以上三种方法也是我们日常生活中使用的主要方法. 以下内容简要描述或总结了您所看到的内容. 从本书中可以了解到，我们当前的搜索引擎技术已能够在大多数情况下满足用户的需求. CNNIC的信息统计表明，搜索引擎已成为仅次于电子邮件的最常用的信息服务系统. 同时，随着信息资源规模的增长，特别是其内容的增长和我们社会的发展，这种关系越来越紧密. 对Internet上大量信息的研究已逐渐成为许多学科关注的方向. 因此，许多研究人员还需要对特定内容和一定数量的网页进行采样. 本书基于北京大学“天网”搜索引擎的设计，实施和维护经验，介绍了大型搜索引擎的工作原理和实现技术. 为此，我逐渐理解为什么在搜索引擎中输入关键字或短语可以在几秒钟内获得如此多的相关文档及其摘要，然后单击链接可以获取文档的全文，其中相当一部分可能正是我们所需要的.

本书基于顶部，中间和底部三个部分. 第一部分主要讨论搜索引擎的基本工作原理. 要解决的问题是搜索引擎为什么可以提供这种信息搜索服务，其功能的本质限制是什么. 本文的内容包括网页的收集过程，网页信息的提取，组织和索引结构，查询提交和响应的过程以及结果的生成. 我已经看过其他书籍中涉及的许多知识点，但是还有很多我以前从未见过的东西，或者前任老师的故事还不那么深入. 其中，我们熟悉URL，HTML，HTTP，CGI搜索引擎原理与实践 源程序，MIME等的基本概念，并在上下文中进行了必要的介绍. 我们还学到了很多以前或者只是一部分不了解的东西. 第2部分讨论与实用搜索引擎相关的技术问题. 这里所谓的指的是至少维护一千万个以上的网页信息并提供相关的查询服务. 涉及的内容包括并行分布式处理技术的应用，数据局部性的发展，缓存技术的应用以及提供服务之前收集的网页的预处理问题以及有效的反向文件的建立等. 本节中的讨论具有很强的计算机系统体系结构样式. 这本书展示了计算机系统架构课程中的那些概念如何在实际的应用系统中生动体现. 下一章介绍更具挑战性的内容. 我对这部分不太了解. 尽管前面的部分还可以，但是并不太令人困惑. 通过这一部分，高级应用程序感觉甚至更少.

我已经看过一些有关此方法的视频教程，但是有可能，但是它只涉及一些肤浅的知识. 我不会解释得太深. 解释的一部分还涉及技术方法的知识. 我还没有读过这一部分. 像lucene搜索引擎一样，我阅读了一部分Java代码. 我不明白后来我没有读. 了解这些技术部分之后，知识点或搜索引擎的主要部分可能会更好. 我前面所说的通常被称为通用搜索引擎，它为最广泛的人群提供信息查询服务是其基本目的. 这意味着其应用程序模型必须尽可能简单，即关键字或查询短语的提交和匹配. 尽管这可以解决许多问题，但似乎仍然无法处理一些重要的信息需求. 上一篇文章的主要目的是向读者介绍典型Web搜索引擎的基本工作原理，并通过示例演示工作原理中每个链接的实现方法. 首先，所谓的“搜索引擎”是终端应用软件系统中的计算机或网络应用软件系统. 从网络用户的角度来看搜索引擎原理与实践 源程序，它根据用户提交的自然语言类查询词或短语，返回一系列可能与查询相关的网页信息，以供进一步判断和选择. 为了有效地做到这一点，它大致分为三个功能模块或三个子系统. 即网页收集，预处理和查询服务.

第二章详细分析了这三个部分的主要功能以及需要注意的各种问题. 应当指出，实际上这三个部分是相对独立的，它们的工作构成了搜索引擎工作的三个阶段，通常是手动启动的. 同时，我们注意到在早期的搜索引擎中，系统处理的网页数量很少，并且预处理部分相对简单. 它仅涉及中文分词和索引. 因此，我们还将分词合并到网页收集过程中. 索引被分组到查询服务子系统中，因此整个系统似乎只有两个模块. 至于具体的总结，将在上述部分继续介绍下一个阶段

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-267178-1.html