自己動手寫分布式搜索引擎

作者:羅剛、崔智杰

出版:清華大學出版社

年代:2017 更多圖書信息

電子紙書:¥35.99 定價: ¥59 紙質書最低¥49.6起,點此購買

圖書簡介

本書介紹了分布式搜索引擎開發的原理與Java實現,主要包括全文檢索的原理與實現、分布式算法與代碼實現、SolrCloud和ElasticSearch的使用與原理等內容,并著重介紹了一種實現分布式中文搜索引擎的方法。本書適合有Java程序設計基礎的開發人員或者對分布式搜索引擎技術感興趣的從業人員使用

(展開)

編輯推薦

獵兔搜索工程師數十年技術積淀與升華,講解分布式搜索引擎的基本算法與原理。ElasticSearch分布式集群實踐經驗的總結,帶領讀者快速入門分布式搜索引擎開發。

(展開)

目錄

第1章 搜索引擎 1
1.1 搜索引擎基本模塊 2
1.2 開發環境 3
1.3 搜索引擎工作原理 4
1.3.1 網絡爬蟲 5
1.3.2 全文索引 5
1.3.3 搜索用戶界面 8
1.3.4 分布式計算 9
1.3.5 文本挖掘 9
1.4 算法基礎 9
1.4.1 折半查找 10
1.4.2 排序 10
1.4.3 最小生成樹 12
1.5 軟件工具 15
1.6 單元測試 15
1.7 本章小結 17
1.8 術語表 18
第2章 自己動手寫全文檢索 19
2.1 構建索引 22
2.2 生成索引文件 23
2.3 讀入索引文件 25
2.4 查詢 26
2.5 有限狀態機 29
2.5.1 運算 29
2.5.2 編輯距離有限狀態機 30
2.6 本章小結 32
第3章 Lucene的原理與應用 33
3.1 Lucene快速入門 34
3.1.1 創建索引 34
3.1.2 查詢索引庫 35
3.1.3 創建文檔索引 36
3.1.4 查詢文檔索引 36
3.2 創建和維護索引庫 37
3.2.1 設計索引庫結構 37
3.2.2 創建索引庫 38
3.2.3 向索引庫中添加索引文檔 40
3.2.4 刪除索引庫中的索引文檔 43
3.2.5 更新索引庫中的索引文檔 44
3.2.6 關閉索引庫 45
3.2.7 索引的優化與合并 45
3.2.8 靈活索引 46
3.2.9 索引文件格式 47
3.2.10 定制索引存儲結構 49
3.2.11 寫索引集成到爬蟲 54
3.2.12 多線程寫索引 56
3.2.13 分發索引 58
3.2.14 修復索引 61
3.3 查找索引庫 61
3.3.1 查詢過程 61
3.3.2 常用查詢 64
3.3.3 基本詞查詢 65
3.3.4 模糊匹配 65
3.3.5 布爾查詢 67
3.3.6 短語查詢 69
3.3.7 跨度查詢 71
3.3.8 FieldScoreQuery 74
3.3.9 排序 77
3.3.10 使用Filter篩選搜索結果 81
3.3.11 使用Collector篩選搜索
結果 82
3.3.12 遍歷索引庫 85
3.3.13 關鍵詞高亮顯示 88
3.3.14 列合并 91
3.3.15 關聯內容(BlockJoinQuery) 92
3.3.16 查詢大容量索引 94
3.4 讀寫并發 95
3.5 Lucene深入介紹 95
3.5.1 整體結構 96
3.5.2 索引原理 97
3.5.3 文檔值 100
3.5.4 FST 102
3.6 查詢語法與解析 102
3.6.1 JavaCC 104
3.6.2 生成一個查詢解析器 114
3.6.3 簡單的查詢解析器 114
3.6.4 靈活的查詢解析器 114
3.7 檢索模型 119
3.7.1 向量空間模型 121
3.7.2 DFR 125
3.7.3 BM25概率模型 130
3.7.4 BM25F概率模型 136
3.7.5 統計語言模型 138
3.7.6 相關性反饋 140
3.7.7 隱含語義索引 140
3.7.8 學習評分 141
3.7.9 查詢與相關度 142
3.7.10 使用Payload調整相關性 142
3.8 查詢原理 146
3.8.1 布爾匹配 147
3.8.2 短語查詢 150
3.8.3 索引統計 150
3.8.4 相關性 152
3.9 分析文本 155
3.9.1 Analyzer 156
3.9.2 TokenStream 162
3.9.3 定制Tokenizer 164
3.9.4 重用Tokenizer 166
3.9.5 有限狀態轉換 167
3.9.6 索引數值列 168
3.9.7 檢索結果排序 171
3.9.8 處理價格 171
3.10 Lucene中的壓縮算法 172
3.10.1 變長壓縮 172
3.10.2 Gamma 174
3.10.3 PForDelta 176
3.10.4 VSEncoding 178
3.10.5 前綴壓縮 179
3.10.6 差分編碼 180
3.10.7 靜態索引裁剪 182
3.11 搜索中文 182
3.11.1 Lucene切分原理 185
3.11.2 Lucene中的Analyzer 186
3.11.3 自己寫Analyzer 188
3.11.4 Lietu中文分詞 191
3.11.5 字詞混合索引 191
3.12 搜索英文 196
3.12.1 英文分詞 196
3.12.2 詞性標注 199
3.12.3 原型化 201
3.13 索引數據庫中的文本 202
3.14 優化使用Lucene 204
3.14.1 系統優化 204
3.14.2 查詢優化 205
3.14.3 實現時間加權排序 207
3.14.4 詞性標注 210
3.14.5 個性化搜索 213
3.15 實時搜索 213
3.16 語義搜索 215
3.16.1 發現同義詞 215
3.16.2 垂直領域同義詞 219
3.16.3 同義詞擴展 219
3.16.4 語義標注 225
3.17 本章小結 225
3.18 術語表 226
第4章 搜索引擎用戶界面 227
4.1 實現Lucene搜索 228
4.1.1 測試搜索功能 228
4.1.2 加載索引 229
4.2 搜索頁面設計 231
4.2.1 Struts2實現的搜索界面 232
4.2.2 用于顯示搜索結果的
Taglib 234
4.2.3 實現翻頁 235
4.3 實現搜索接口 238
4.3.1 編碼識別 238
4.3.2 布爾搜索 241
4.3.3 指定范圍搜索 241
4.3.4 搜索結果排序 242
4.3.5 索引緩存與更新 243
4.4 實現分類統計視圖 249
4.4.1 單值列分類統計 255
4.4.2 側鉆 256
4.5 實現相似文檔搜索 257
4.6 實現AJAX搜索聯想詞 259
4.6.1 估計查詢詞的文檔頻率 259
4.6.2 搜索聯想詞總體結構 259
4.6.3 服務器端處理 260
4.6.4 瀏覽器端處理 265
4.6.5 拼音提示 267
4.6.6 部署總結 267
4.7 推薦搜索詞 268
4.7.1 挖掘相關搜索詞 268
4.7.2 使用多線程計算相關
搜索詞 270
4.8 查詢意圖理解 271
4.8.1 拼音搜索 271
4.8.2 無結果處理 272
4.9 集成其他功能 272
4.9.1 拼寫檢查 272
4.9.2 分類統計 276
4.9.3 相關搜索 281
4.9.4 再次查找 284
4.9.5 搜索日志 284
4.10 查詢分析 286
4.10.1 歷史搜索詞記錄 286
4.10.2 日志信息過濾 286
4.10.3 信息統計 287
4.10.4 挖掘日志信息 289
4.10.5 查詢詞意圖分析 290
4.11 部署網站 290
4.11.1 部署到Web服務器 290
4.11.2 防止攻擊 292
4.12 手機搜索界面 295
4.13 本章小結 296
(展開)

書頁展示

更多圖書信息
數據來源于網絡,如有問題,請反饋至此郵箱:[email protected]

作者:羅剛、崔智杰
出版:清華大學出版社

ISBN:9787302477082

出版日期:2017-09-01

清華大學出版社

清華大學出版社

清華大學出版社成立于1980年6月,是由教育部主管、清華大學主辦的綜合出版單位。植根于“清華”這座久負盛名的高等學府,秉承清華人“自強不息,厚德載物”的人文精神,清華大學出版社在短短二十多年的時間里,迅速成長起來。作為來自一流大學的出版單位,清華大學出版社始終堅持弘揚科技文化產業、服務科教興國戰略的出版方向,把出版高等學校教學用書和科技圖書作為主要任務,并為促進學術交流、繁榮出版事業設立了多項出版基金,逐漸形成了以出版高水平的教材和學術專著為主的鮮明特色,在教育出版領域樹立了強勢品牌。目前,清華版教材已在全國一百多所院校得到廣泛使用。高品質、多層次的計算機圖書是清華大學出版社的一大品牌支柱。20世紀80年代末,在席卷全球的信息化浪潮中,清華大學出版社快速切入計算機圖書市場,逐漸成為并一直保持這一市場的領先地位,為發展中國計算機教育做出了巨大貢獻。

(展開)

作者信息

羅剛、崔智杰

羅剛,計算機軟件碩士,畢業于吉林工業大學。2005年創立北京盈智星科技發展有限公司,2008年聯合創立上海數聚軟件公司。獵兔搜索創始人,當前獵兔搜索在北京、上海以及石家莊均設有研發部。他帶領獵兔搜索技術開發團隊先后開發出獵兔中文分詞系統、獵兔文本挖掘系統,智能垂直搜索系統以及網絡信息監測系統等,實現互聯網信息的采集、過濾、搜索和實時監測,其開發的搜索軟件日用戶訪問量萬次以上。

(展開)

使用移動設備
掃描二維碼下載客戶端

注:目前僅提供安卓客戶端下載

Copyright ?2020  BookAsk 書問  |  京ICP證160134號   |  

京公網安備 11010802026432號

  |  出版物經營許可證新出發京零字第海150168號   |  營業執照:91110108318038279C   |  網站地圖   |  關于我們   |  合作伙伴   |  商務合作   |  友情鏈接
深蓝海域投注 怎么样开始炒股 极速飞艇计划人工在线 云南11选5走势图 成熟女性毛茸茸 宁夏体育彩票11选5开奖 体彩排列五最准十专家 武汉麻将红中赖子杠 排列五直播新浪直播彩通 新疆18选7 兰州按摩qq群 新疆11选5推荐号 排列三近百期开机号和试机号 500万彩票网足球比分直播 湖南快乐十分钟开奖结果查询 3d开奖结果试机号 老11选5