搜索引擎开发培训课程提纲.pptVIP

搜索引擎开发培训课程提纲FindRealMatter前导知识FindRealMatter《Java技术手册》CoreJava《ModerncompilerimplementationinJava》编译原理《应用随机过程：概率模型导论》概率论《JAVA算法》数据结构了解搜索引擎FindRealMatterGoogle神话.体验搜索引擎把搜索范围限定在网页标题中——intitle.把搜索范围限定在特定站点中——site.把搜索范围限定在url链接中——inurl.做自己的搜索（代码）实现制作索引的功能，实现搜索功能.FindRealMatter30分钟实现的搜索引擎.准备工作环境（10分钟）.编写代码（15分钟）发布运行（5分钟）实现一个基于WEB结构的搜索引擎。(代码)12遍历搜索引擎技术FindRealMatter全文索引结构Nutch网络搜索软件商业搜索引擎技术介绍自己的网络蜘蛛（代码）广度遍历深度遍历正则表达式网络蜘蛛FindRealMatterBerkeleyDBBerkeleyDB.原理与使用方法B树讲解基本API使用（代码）FindRealMatter01抓取网页MP3抓取RSS抓取图片抓取垂直行业抓取抓取数据库中的内容抓取本地硬盘上的文件01抓取技术FindRealMatter从HTML文件中提取文本结构化信息提取网页去噪htmlparser的基本使用（代码）提取文档中的文本内容FindRealMatter01DOM树原理02NekoHTML讲解03NekoHTML简单应用（代码）04NekoHTML用法的深入了解（代码）递归调用方法的使用05正文提取01FindRealMatter02TEXT文件PDF文件Word文件Excel文件PowerPoint文件流媒体内容提取从非HTML文件中提取文本Lucene中的中文分词01Lietu中文分词的使用02中文分词的原理正向最大匹配（代码）03FindRealMatter中文分词处理FindRealMatter查找词典算法数字搜索树Tire树Trie树的生成过程（代码）使用Trie树的常规的API（代码）理解Trie树的平衡过程（代码）Trie树的改造以及应用（代码）最佳前驱匹配（代码）语法解析树发射概率概念转移概率概念统计一个词库中的发射概率和转移概（代码）隐码模型的实际应用（代码）FindRealMatter隐码模型FindRealMatter01语义指纹语义指纹的概念语义指纹的实际应用（代码）02文档排重FindRealMatter关键词提取的基本方法关键词提取的设计从网页提取关键词关键词提取的实际应用（代码）中文关键词提取FindRealMatter英文拼写检查中文拼写检查英文拼写检查的实际应用（代码）拼写检查FindRealMatter自动摘要技术自动摘要的设计具体的应用（代码）0201自动摘要FindRealMatter01自动分类的接口定义自动分类的SVM方法实现多级分类02自动分类聚类的定义K均值聚类方法K均值实现FindRealMatter自动聚类01FindRealMatter准备语义词库02把语义词库转换成同义词索引库0304在SynonymAnalyzer中使用同义词索引库具体的代码解析（代码）JUnit介绍05语义搜索FindRealMatter跨语言搜索简繁转换（代码）0102理解Lucene的索引库结构设计一个简单的索引库（代码）FindRealMatterLucene的索引库FindRealMatter创建和维护索引库创建索引库向索引库中添加索引文档删除索引库中的索引文档更新索引库中的索引文档索引的合并索引的定时更新索引的备份和恢复 （以上部分均有实现代码）索引优化FindRealMatter实现字词混合索引查询优化定制Tokenizer查询大容量索引（以上部分均有实现代码）优化使用Lucene