电子商务-A-第08讲.pptVIP

* * * * * * * * * * * * * * * * 检索流程 QE？ Query 已处理 Query 查询结果 扩展的Query 查询解释 查询匹配 Cache 查询分析 Pipelined Filter 内容分析 词语切分 去停用词 Stemming … 查询Cache 索引Cache 查询优化 查询权重计算 相似度计算 文档打分器 倒排索引数据库 排序组件 Document Rank Queue 过滤组件 索引处理框架 索引存取 针对域的特征设计索引器 文档集处理 内容分析 格式解释 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 索引系统 检索系统 存储系统 内存管理 索引存储 倒排索引 域索引器 不同域具有不同的特征，例如URL域，时间域，数字域和正文域具有不同的特征，使用统一的分析器和索引器必然降低效率 针对域的特征设计索引器 根据域的特征采用不同的索引结构和算法，可以提高效率 开发者无需“大动干戈”就可以向FirteX中添加自己的索引器 内容分析 格式解释 插件管理 子系统 实时在线索引 内存管理 索引存储 倒排索引 文档集处理 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 查询结果 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 索引系统 检索系统 存储系统 允许索引、检索和文档删除操作交叉或同时进行，新增加的文档即刻可供检索 新闻搜索、产品搜索，生活搜索等应用，数据变化非常快，而要求提供持续的搜索服务，在线索引是最佳的解决方案 在线索引的性能实验 域索引器 索引处理框架 FirteX的性能 文档集处理 内容分析 格式解释 内存管理 索引存储 倒排索引 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 域索引器 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 快速中文分词技术 高效索引算法 用户可控的内存Cache技术,大幅提升性能 实时在线索引技术 允许用户限定索引和检索内存使用量 快速中文分词技术 高效索引算法 用户可控的内存Cache技术,大幅提升性能 搜索引擎关键技术实例分析（三）一个搜索引擎的工作原理 案例：一个搜索引擎的工作原理 文档集处理 内容分析 格式解释 内存管理 索引存储 倒排索引 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 域索引器 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 案例：一个搜索引擎的工作原理 文档集处理 内容分析 格式解释 内存管理 索引存储 倒排索引 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 域索引器 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 海量数据 案例：一个搜索引擎的工作原理 文档集处理 内容分析 格式解释 内存管理 索引存储 倒排索引 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 域索引器 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 案例：一个搜索引擎的工作原理 文档集处理 内容分析 格式解释 内存管理 索引存储 倒排索引 文档集统计 Corpus Query 查询解释 查询权重计算 相似度计算 文档打分 过滤 排序 查询反馈 查询扩展 查询Cache 索引Cache 索引处理框架 查询结果 域索引器 插件管理 子系统 倒排 索引 前向 索引 统计 信息 检索模型 LOG记录 XML配置 */73 本讲结束 谢谢！ * * 图引用：yhf’s ppt《可扩展Web信息搜集系统的设计、实现与应用初探》 王继成《基于元数据的web信息检索技术研究》，南大 其中的文档检索是典型的IR系统，SE使用的检索模型：扩展的bool模型, it’s the f