<code id="6mcsu"></code>
<li id="6mcsu"></li>
<li id="6mcsu"><dl id="6mcsu"></dl></li>
  • <code id="6mcsu"><tr id="6mcsu"></tr></code>
    或者

    搜索引擎索引系統(tǒng)概述

    作者:聚擎 瀏覽:176 發(fā)布時間:2017-04-09
    分享 評論 0

      眾所周知,搜索引擎的主要工作過程包括:抓取、存儲、頁面分析、索引、檢索等幾個主要過程。過去幾周給大家介紹了抓取相關(guān)的簡要過程。今天簡要介紹一下索引系統(tǒng),以億為單位的網(wǎng)頁庫中查找特定的某些關(guān)鍵詞猶如大海里面撈針,也許一定的時間內(nèi)可以完成查找,但是用戶等不起,從用戶體驗角度我們必須在毫秒級別給予用戶滿意的結(jié)果,否則用戶只能流失。怎樣才能達到這種要求呢?

      如果能知道用戶查找的關(guān)鍵詞(query切詞后)都出現(xiàn)在哪些頁面中,那么用戶檢索的處理過程即可以想象為包含了query中切詞后不同部分的頁面集合求交的過程,而檢索即變成了頁面名稱之間的比較、求交。這樣,在毫秒內(nèi)以億為單位的檢索成為了可能。這就是通常所說的倒排索引及求交檢索的過程。如下為建立倒排索引的基本過程:


      (1)頁面分析的過程實際上是將原始頁面的不同部分進行識別并標記,例如:title、keywords、content、link、anchor、評論、其他非重要區(qū)域等等;

      (2)分詞的過程實際上包括了切詞分詞同義詞轉(zhuǎn)換同義詞替換等等,以對某頁面title分詞為例,得到的將是這樣的數(shù)據(jù):term文本、termid、詞類、詞性等等;

      (3)之前的準備工作完成后,接下來即是建立倒排索引,形成{termàdoc},可以粗略的理解為如下,為什么是【term->doc】,而不是直接應(yīng)用【doc->term】呢?


    2021国产毛片无码视频| 中文字幕久精品免费视频| 久久亚洲中文字幕精品有坂深雪| 亚洲午夜无码久久久久| 亚洲人成无码www久久久| 亚洲AV综合色区无码另类小说| 日本乱中文字幕系列| 无码精品前田一区二区| 久久久久久久亚洲Av无码| 无码国产精品一区二区免费式直播 | 办公室丝袜激情无码播放| 国产台湾无码AV片在线观看| 亚洲欧美日韩中文在线制服| 国产成人无码精品一区在线观看| 无码欧精品亚洲日韩一区| 国内精品无码一区二区三区 | 色综合久久综合中文综合网| 国模吧无码一区二区三区| 日韩人妻无码一区二区三区久久 | 在线天堂资源www在线中文| 天堂网在线最新版www中文网| 影音先锋中文无码一区| 精品人体无码一区二区三区| 国产成人无码久久久精品一| 人妻丰满熟妞av无码区| 无码超乳爆乳中文字幕久久| 午夜无码伦费影视在线观看| 亚洲AV无码专区国产乱码4SE | 无码专区中文字幕无码| 制服中文字幕一区二区| 曰韩中文字幕在线中文字幕三级有码| 亚洲av无码专区在线观看下载| 久久精品无码av| 国产成人无码免费网站| 国产成人AV无码精品| 亚洲AV蜜桃永久无码精品| 亚洲成?v人片天堂网无码| 精品久久久久久中文字幕大豆网| 中文成人无字幕乱码精品区| 久久精品中文字幕久久| 中文字幕毛片|