搜索引擎和eommerce（续）.pptVIP

搜索引擎和eCommerce（续） 参考Jaime Carbonell教授的讲义 建一个搜索引擎 (1) 得到一个文档集合，C 要一个（例如从北京大学网络实验室），买一个（例如从Inktomi） 自己从Web上爬取一个 或者，收集本单位网站上的内容 爬取，或者直接得到 建一个搜索引擎 (2) 对这个文档集合建立索引 基于收集的文档集合C建立一个词典 找到所有的词，可以考虑取词根 过滤掉停用词 也可以考虑产生一些短语作为词项， 记Σ为词项的集合 对Σ中的每一个wi 计算并存储其 log2IDF 找到所有wi 在其中出现的文档 Dj 存储文档的标识 ID(Dj) 和 wi 在其中的位置 建一个搜索引擎 (3) 查询Q和文档的匹配 过滤掉不在 Σ中的词 计算 ArgmaxkDj in C[sim(Q, Dj] 用点乘或者cosine相似度 用倒排索引结构 搜索引擎Business (1) 所提供的服务 定位（最）有用的网页 两步曲：“给出查询，得到结果列表 然后基于综述点击察看 搜索引擎Business (2) 收入模型 追求流量 = 广告等 Lycos, Google, AltaVista, Excite, Metacrawler... 安装intranet搜索，收费；或者为其他网站提供搜索服务 Inktomi, Verity, Google, Condor...