• 燃!来南京,看中国电科如何燃爆第八届世界雷达展 2019-05-23
  • FIIL随身星深度体验:原来科技如此之近 2019-05-23
  • 纪念长征胜利80周年主题即开票首发式走进贵州 2019-05-23
  • 永济:雨天采摘黄花菜 多元增收过端午 2019-05-23
  • 广州市见义勇为好市民揭晓 2019-05-22
  • 日本大阪6.1级强震4死逾300伤 工厂及店铺恢复运营 2019-05-22
  • (两会受权发布)最高人民法院院长简历 2019-05-21
  • 国企工资 既讲效率又讲公平(政策解读) 2019-05-21
  • 一些网红主播何以频频僭越法律红线 2019-05-21
  • 全国青年体操锦标赛落幕 山西五金收官 2019-05-20
  • 最大程度发挥三地科技人才一体化效能 2019-05-20
  • 新时代 新作为 新篇章 2019-05-20
  • 5月份70个大中城市商品住宅销售情况:一线城市商品房价格同比持续下降 2019-05-19
  • 山西昔阳将举办“大寨红色摇滚音乐节” 2019-05-19
  • 上港落败后再迎一不利消息 体能问题或成最大病根 2019-05-19
  • 【百度站长平台】搜索引擎索引系统概述
    搜收录网整理 发布日期:2015/5/27 15:59:06
    众所周知,搜索引擎的主要工作过程包括:抓取、存储、页面分析、索引、检索等几个主要过程。过去几周给大家介绍了抓取相关的简要过程。今天简要介绍一下索引系统,以亿为单位的网页库中查找特定的某些关键词犹如大海里面捞针,也许一定的时间内可以完成查找,但是用户等不起,从用户体验角度我们必须在毫秒级别给予用户满意的结果,否则用户只能流失。怎样才能达到这种要求呢?
     
    如果能知道用户查找的关键词(query切词后)都出现在哪些页面中,那么用户检索的处理过程即可以想象为包含了query中切词后不同部分的页面集合求交的过程,而检索即变成了页面名称之间的比较、求交。这样,在毫秒内以亿为单位的检索成为了可能。这就是通常所说的倒排索引及求交检索的过程。如下为建立倒排索引的基本过程:
     
    【百度站长平台】搜索引擎索引系统概述
     
    (1)页面分析的过程实际上是将原始页面的不同部分进行识别并标记,例如:title、keywords、content、link、anchor、评论、其他非重要区域等等;
     
    (2)分词的过程实际上包括了切词分词同义词转换同义词替换等等,以对某页面title分词为例,得到的将是这样的数据:term文本、termid、词类、词性等等;
     
    (3)之前的准备工作完成后,接下来即是建立倒排索引,形成{termàdoc},可以粗略的理解为如下,为什么是【term->doc】,而不是直接应用【doc->term】呢?
     
    【百度站长平台】搜索引擎索引系统概述
     
    上述即是索引系统中的倒排索引过程,是搜索引擎实现毫秒级检索非常重要的一个环节。

    信息网址://www.ybmql.tw/ziyuan/view15939.htm
    相关信息
  • 燃!来南京,看中国电科如何燃爆第八届世界雷达展 2019-05-23
  • FIIL随身星深度体验:原来科技如此之近 2019-05-23
  • 纪念长征胜利80周年主题即开票首发式走进贵州 2019-05-23
  • 永济:雨天采摘黄花菜 多元增收过端午 2019-05-23
  • 广州市见义勇为好市民揭晓 2019-05-22
  • 日本大阪6.1级强震4死逾300伤 工厂及店铺恢复运营 2019-05-22
  • (两会受权发布)最高人民法院院长简历 2019-05-21
  • 国企工资 既讲效率又讲公平(政策解读) 2019-05-21
  • 一些网红主播何以频频僭越法律红线 2019-05-21
  • 全国青年体操锦标赛落幕 山西五金收官 2019-05-20
  • 最大程度发挥三地科技人才一体化效能 2019-05-20
  • 新时代 新作为 新篇章 2019-05-20
  • 5月份70个大中城市商品住宅销售情况:一线城市商品房价格同比持续下降 2019-05-19
  • 山西昔阳将举办“大寨红色摇滚音乐节” 2019-05-19
  • 上港落败后再迎一不利消息 体能问题或成最大病根 2019-05-19