开源搜索技术FirteX检索平台.pdfVIP

下载本文档

13
0
约 55页
2016-01-22 发布于安徽
举报
版权申诉

开源搜索技术FirteX检索平台.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

--(完美WORD文档DOC格式,可在线免费浏览全文和下载)值得下载！

开源搜索技术与FirteX检索平台郭瑞杰中国科学院计算技术研究所 ruijieguo@ 2007.4.18 大纲搜索技术与开源平台 – 搜索技术简介 – Lucene 、Lemur等开源平台及相关工具介绍 FirteX－高性能全文索引与检索平台 – 为什么做FirteX？ – 使用FirteX – 理解和扩展FirteX 2/22 10:40 大纲搜索技术与开源平台 – 搜索技术简介 – Lucene、Lemur等开源平台及相关工具介绍 FirteX－高性能全文索引与检索平台 – 为什么做FirteX？ – 使用FirteX – 理解和扩展FirteX 3/22 10:40 一个简单的搜索引擎体系结构 Query User Interface Caching 快照检索 Searcher PageRank Inverted 索引 Index Indexer 预处理 Repository Web Page Parse AnchorsLinks 采集 PageSite crawler Statistic www www 4/22 www 10:40 Web采集功能：开源工具：通过超链抓取Web 网页，并定 Nutch (Java,) 期更新。 Query User Interface OpenWebSpider (C,GPL,Win32/Linux) 需要解决的问题： Labin (GPL,C++,Linux) 速度快：在标准PC机上5,000,000 获取尽可能多的页面 Caching 页面/每天的采集速度如何检测高质量页面？如何反 Wget (C, GPL, 跨平台) spam ？如何高效准确地发现与剔除重复检索 Searcher PageRank 页面？如何预测各类网页的刷新率？ Inverted 如何获取In