本书采用循序渐进的方式讲解C#及其在电商、ERP及手机APP方面的开发技术。
电子书
编辑推荐
2600行代码，真实体验搜索引擎的开发过程！
内容简介
《自制搜索引擎》聚焦于Google和Yahoo!等Web搜索服务幕后的搜索引擎系统，首先讲解了搜索引擎的基础知识和原理，接着以现实中的开源搜索引擎Senna/Groonga为示例，使用该引擎的源代码引导读者亲自体验搜索引擎的开发过程。这部分讲解涉及了倒排索引的制作和压缩、检索的处理流程以及搜索引擎的优化等内容。又简单介绍了一些更加专业的搜索引擎的知识和要点，为读者今后进一步学习打下了基础。
章节目录
- 扉页
- 版权页
- 版权声明
- 免责声明
- 译者序
- 前言
- 目录
- 第1章 搜索引擎是如何工作的
- 1-1 理解搜索引擎的构成
- 什么是搜索引擎
- 构成搜索引擎的组件
- 与搜索引擎相关的组件
- 1-2 实现了快速全文搜索的索引结构
- 全文搜索的两种方法
- 倒排索引的结构
- 倒排索引的构建方法
- 倒排索引中的术语
- 1-3 深入理解倒排索引
- 倒排索引=词典+倒排文件
- 从倒排索引中查找单词
- 将单词的位置信息加入倒排文件中
- 从倒排索引中查找短语
- 1-4 制作中文文档的倒排索引
- 分割中文句子的方法
- 权衡分割方法
- 1-5 实现倒排索引
- 实现词典
- 实现倒排文件
- 1-6 使用倒排索引进行检索
- 布尔检索
- 使用倒排索引的检索处理流程
- 关联度的计算方法
- 信息检索中的检索
- 1-7 构建倒排索引
- 使用内存构建倒排索引
- 使用二级存储构建倒排索引
- 静态索引构建和动态索引构建
- 1-8 准备要检索的文档
- 收集数据
- 数据规范化
- 第2章 准备全文搜索引擎的检索样本
- 2-1 全文搜索引擎wiser
- wiser的构成
- 准备用于检索的文档
- 2-2 安装wiser
- 构建wiser
- 启动wiser
- 解压缩Wikipedia的副本
- 2-3 运行wiser
- 构建倒排索引
- 使用倒排索引查询
- 比较grep和wiser的运行速度
- 第3章 构建倒排索引
- 3-1 复习有关倒排索引的知识
- 提取词元
- 为每个词元创建倒排列表
- 3-2 构建倒排索引
- 在存储器上创建倒排列表
- 倒排列表和倒排文件的数据结构
- 从源代码级别梳理倒排索引的构建顺序
- 进一步阅读源代码
- 专栏 根据实际情况设计搜索引擎（系统）
- 第4章 开始检索吧
- 4-1 检索处理的大致流程
- 充分理解检索处理的流程
- 4-2 使用倒排索引进行检索
- 从源代码级别梳理检索处理的流程
- 解读split_query_to_tokens()函数的具体实现
- 使用具体示例加深对检索处理流程的理解
- 解读函数search_docs()的实现细节
- 解读函数search_phrase()的实现
- 专栏 如何实现标签检索
- 第5章 压缩倒排索引
- 5-1 压缩的基础知识
- 压缩倒排索引的好处
- 专栏 压缩的目的
- 倒排索引的压缩方法
- 倒排文件的压缩方法
- 压缩的原理
- 5-2 实现wiser中的压缩功能
- 压缩功能源代码的概要
- 了解无需进行压缩时的操作
- 抓住Golomb编码的要点
- 解读Golomb编码中的编码处理
- 解读Golomb编码的解码处理
- 第6章 挑战wiser的优化及参数的调整
- 6-1 提高检索处理的效率
- 优化检索处理
- 将查询分割为无重复部分的词元序列
- 6-2 禁用短语检索
- 分析对2字符的字符串进行检索时的行为
- 分析对3字符的字符串进行检索时的行为
- 6-3 改变检索结果的输出顺序
- 作为检索结果排序核心的指标
- 按照文档大小降序排列的检索结果
- 专栏 排名欺诈
- 6-4 让1个字符的查询也能检索出结果
- 获取以特定字符开头的词元的列表
- 合并检索到的结果
- 专栏 如何实现相似文档的检索
- 6-5 调整控制倒排索引更新的缓冲区容量
- 确认由缓冲区容量的差异带来的不同效果
- 用sar命令分析负载
- 6-6 调整只有英文字母的词元的分割方法
- 如何避免用英文单词检索时准确率下降的问题
- 如何判断某字符是否属于索引对象
- 修改负责分割词元的函数
- 6-7 确认压缩的效果
- 观察Golomb编码的效果
- 对比压缩启用前后的索引大小
- 专栏 避免滥用全文搜索引擎
- 第7章 为今后更加深入的学习做准备
- 7-1 wiser没能实现的功能
- 倒排索引之外的全文搜索索引
- 高效处理大规模数据的存储器
- 利用缓存提高检索的速度
- 使用各种各样的压缩方法
- 优化搜索结果的排名
- 调整准确率和召回率
- 降低检索结果排序处理的负载
- 并行处理
- 结合对属性的筛选过滤
- 分面搜索
- 专栏 时延和吞吐量
- 7-2 全文搜索引擎Groonga的特点
- 通过词元的部分一致检索提升召回率
- 使用内存映射文件
- 片段
- 专栏 宣传活动的重要性
- 7-3 实现出考虑到用户意图的搜索引擎
- 引入停用词
- 应对词素解析的错误
- 专栏 断句错误
- 处理全角字符和半角字符
- 对查询进行归一化
- 留意布尔检索的解析过程
- 通过词素解析器适当地解析查询
- 对错误的输入进行修正
- 输入补全
- 建议用户检索相关的关键词
- 7-4 收集、提取文档时的要点
- 制作爬虫时的处理要点
- 在提取文本时需要处理的要点
- Appendix 附录
- A-1 深度话题
- 近几年的压缩方法
- 动态索引构建
- 分布式索引
- 后记
- A-2 wiser中的文本提取和存储
- 用于处理XML的2种API——DOM和SAX
- 提取文档的标题和正文
- 掌握状态的迁移
- 构建文档数据库
- 后记
- 新书宣传页
展开全部
自制搜索引擎是2016年由人民邮电出版社出版,作者[日]山田浩之。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《自制搜索引擎》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
本书采用循序渐进的方式讲解C#及其在电商、ERP及手机APP方面的开发技术。
电子书
谷歌开发高手通俗讲解数据压缩算法，高效传输和存储海量数据，打造流畅的用户体验。
电子书
本书适合立志成为数据科学家的R语言初学者阅读。
电子书
用Python语言求解经典的计算机科学问题。
电子书
《R语言学习手册》：7章全面介绍R语言及Rattle工具，附课后习题。
电子书