自制搜索引擎 PDF 电子书 X0112

java8

Java电子书：自制搜索引擎  PDF 电子书 Java吧 java8.com

作者:山田浩之 末永匡出版社:人民邮电出版社出版时间:2016年01月
; Z3 [  i6 Z% K- _9 }$ ^
编号：166-Java吧资源免费-X0112【Java吧 java8.com】
, |$ n$ D; U, ~! Z% s& r2 G  |6 a/ I$ [) f
' C3 N$ l$ m% Z
4 Z. z' |, s+ r( U2 j6 {
目录：
1 u: [, K( w1 @! M% Z4 S

第 1章　搜索引擎是如何工作的　　1
( M& s# R4 N: K( e% e1-1　理解搜索引擎的构成　　3
什么是搜索引擎　　3
构成搜索引擎的组件　　4
) A2 B' |9 W1 X5 S6 {7 k5 R3 H& s与搜索引擎相关的组件　　5
, y3 }& U6 L+ i; _7 w1-2　 实现了快速全文搜索的索引结构　　7
- D0 c) [, d# h6 K' p# W全文搜索的两种方法　　7
# S' E1 k( q' |3 @( }7 G倒排索引的结构　　8
. _$ A% {) N4 t; c1 e倒排索引的构建方法　　9
倒排索引中的术语　　10
# x. A( r4 J2 L' b/ `1-3　深入理解倒排索引　　12
" f$ h' k% y! ~9 j; K' ]! F4 i倒排索引=词典+倒排文件　　12
从倒排索引中查找单词　　13
将单词的位置信息加入倒排文件中　　13
" e; A( H0 R' p从倒排索引中查找短语　　14
1-4　制作中文文档的倒排索引　　16
分割中文句子的方法　　16
权衡分割方法　　17
1-5　实现倒排索引　　19
. _. a9 i& J" o. A1 A5 s) L$ _! e7 [& J4 Q实现词典　　19
实现倒排文件　　22
1-6　使用倒排索引进行检索　　24
布尔检索　　24
: |% W  g( j9 }  Z7 N使用倒排索引的检索处理流程　　24
5 K# t+ C( ?1 {6 W4 \8 q关联度的计算方法　　26
. V9 ?+ V3 d& f- ~' w% i信息检索中的检索　　27
1-7　构建倒排索引　　29
使用内存构建倒排索引　　29
& e* z0 R0 L4 O4 {; k6 {5 k使用二级存储构建倒排索引　　29
静态索引构建和动态索引构建　　32
; [3 T3 x( }& V4 \& j  b1-8　准备要检索的文档　　34
收集数据　　34
数据规范化　　35
第 2章　准备全文搜索引擎的检索样本　　37
: C% b5 B: T5 G# o& A2-1　全文搜索引擎wiser　　39
wiser的构成　　39
0 m- W& o# ~' a4 g准备用于检索的文档　　40
2-2　安装wiser　　42
构建wiser　　42
7 h2 {3 y% L# y& T0 H启动wiser　　43
* x6 q4 q& W. m解压缩Wikipedia的副本　　44
5 i% c! J. e, ]" \4 b2-3　运行wiser　　45
构建倒排索引　　45
0 o! D* C+ c$ Q) P/ f6 S- T) a. l使用倒排索引查询　　46
比较grep和wiser的运行速度　　46
) _& j: q' D' R1 [# W. }  Z第3章　构建倒排索引　　49
7 P7 ?9 o8 T  J% Y3-1　复习有关倒排索引的知识　　51
提取词元　　51
为每个词元创建倒排列表　　53
. u* A" R+ o0 L# s+ Z: O+ F3 D3-2　构建倒排索引　　54
在存储器上创建倒排列表　　54
倒排列表和倒排文件的数据结构　　54
从源代码级别梳理倒排索引的构建顺序　　56
3 ~* N! e0 i, K8 O进一步阅读源代码　　59
专栏　根据实际情况设计搜索引擎（系统）　　68
第4章　开始检索吧　　71
5 Q0 B3 V9 l8 a7 N/ n+ `2 k) z4-1　检索处理的大致流程　　73
: ?3 Q6 H, G( U+ \  G$ e充分理解检索处理的流程　　73
2 u+ J1 K: ?0 z: U2 \4-2　使用倒排索引进行检索　　75
" O" y& E- a& P! H; @从源代码级别梳理检索处理的流程　　75
! [9 X: l/ l0 K解读split_query_to_tokens()函数的具体实现　　76
2 C4 G3 W# ?& q使用具体示例加深对检索处理流程的理解　　77
解读函数search_docs()的实现细节　　80
- p( v: j$ ]; Q7 _解读函数search_phrase()的实现　　84
专栏　如何实现标签检索　　88
- a' W) p& h" X% j第5章　压缩倒排索引　　89
5-1　压缩的基础知识　　90
9 w$ G0 A& }' l- U! t7 q* {压缩倒排索引的好处　　90
- \6 e, u3 Q: m% s0 y! j5 U专栏　压缩的目的　　90
) U, m6 {* C, Z$ X: s; g* ~6 h倒排索引的压缩方法　　91
/ U: I; i: ?' D( t倒排文件的压缩方法　　91
压缩的原理　　94
5-2　实现wiser中的压缩功能　　97
压缩功能源代码的概要　　97
了解无需进行压缩时的操作　　99
抓住Golomb编码的要点　　101
解读Golomb编码中的编码处理　　105
7 o, W/ v# m$ j* {$ m+ E0 d1 N! x0 B3 H解读Golomb编码的解码处理　　108
第6章　挑战wiser的优化及参数的调整　　113
6-1　提高检索处理的效率　　115
优化检索处理　　115
4 h: U3 d5 |' U7 H0 @# X. b* [将查询分割为无重复部分的词元序列　　116
6-2　禁用短语检索　　119
分析对2字符的字符串进行检索时的行为　　119
2 ]  I; E0 i  e8 U$ E" E分析对3字符的字符串进行检索时的行为　　120
1 T4 U+ C. e  u3 V4 B8 c6-3　改变检索结果的输出顺序　　122
作为检索结果排序核心的指标　　122
按照文档大小降序排列的检索结果　　124
, z% o$ a7 ?; s9 |! M) F专栏　排名欺诈　　128
6-4　 让1个字符的查询也能检索出结果　　29
获取以特定字符开头的词元的列表　　129
2 F7 V0 f4 k2 l" R  F合并检索到的结果　　131
" U! u: b8 M) o+ H) v- ~专栏　如何实现相似文档的检索　　131
& |! m5 M" r# o( w6-5　 调整控制倒排索引更新的缓冲区容量　　133
! u  R! ^  R2 T: s确认由缓冲区容量的差异带来的不同效果　　133
用sar命令分析负载　　134
" O* d% @# ~. r+ u7 j6-6　 调整只有英文字母的词元的分割方法　　135
如何避免用英文单词检索时准确率下降的问题　　135
如何判断某字符是否属于索引对象　　135
修改负责分割词元的函数　　136
6-7　确认压缩的效果　　138
0 J3 U: |) R4 ~观察Golomb编码的效果　　138
2 S! H7 m& a9 P8 t  k) t对比压缩启用前后的索引大小　　138
% X. X) B0 |  i& C: N专栏　避免滥用全文搜索引擎　　139
第7章　为今后更加深入的学习做准备　　141
9 U) i5 [* [1 b3 q. O2 K: T7-1　wiser没能实现的功能　　143
倒排索引之外的全文搜索索引　　143
, {/ V& t! O3 V( q2 y高效处理大规模数据的存储器　　143
利用缓存提高检索的速度　　143
使用各种各样的压缩方法　　144
5 F3 y$ s! C7 H  f" }% m" \优化搜索结果的排名　　144
调整准确率和召回率　　145
8 t8 u$ D: M' {3 D降低检索结果排序处理的负载　　147
并行处理　　147
% O6 X+ O( m( o6 V( u! C2 `$ e- o结合对属性的筛选过滤　　148
1 O# x3 g- _. t+ u% z: U分面搜索　　148
专栏　时延和吞吐量　　149
* e4 r6 _) l8 Y6 ~) D  w7-2　 全文搜索引擎Groonga的特点　　150
通过词元的部分一致检索提升召回率　　150
$ X& w5 a9 t% t- n1 b% L  q6 m使用内存映射文件　　151
片段　　152 java8.com
% S+ S: s; f7 l( \$ y" R专栏　宣传活动的重要性　　152
7-3　 实现出考虑到用户意图的搜索引擎　　153
引入停用词　　153
应对词素解析的错误　　153
+ Z% Q2 }- S- p: Y专栏　断句错误　　154
处理全角字符和半角字符　　155
对查询进行归一化　　156
留意布尔检索的解析过程　　156
通过词素解析器适当地解析查询　　157
( c, g$ V4 h: {  b9 ^5 _2 N对错误的输入进行修正　　157
输入补全　　158
建议用户检索相关的关键词　　159
/ T6 {- q: x8 }" V- k7-4　收集、提取文档时的要点　　160
1 r8 v- F- ^/ c5 |制作爬虫时的处理要点　　160
在提取文本时需要处理的要点　　163
Appendix　附录　　165
2 r. j- t( e0 ~0 M4 tA-1　深度话题 166
% N5 p) n8 y. C* G近几年的压缩方法　　166
0 g! v1 W( H: {  v+ C动态索引构建　　169
  b! V- G2 L7 |分布式索引　　174
A-2　wiser中的文本提取和存储　　178
用于处理XML的2 种API——DOM和SAX　　178
. h( o8 v1 D5 v0 A% z9 h( y提取文档的标题和正文　　179
* I6 s6 {4 k; `( S) D掌握状态的迁移　　182
构建文档数据库　　187
后记　　191

+ S$ ~, \: G2 J- y6 H

百度云盘下载地址(完全免费-绝无套路)：

游客，如果您要查看本帖隐藏内容请回复

# m. M2 X3 ~! n  `, P1 P

等风去火星

免费下载的网站 头一次遇到 不错

茹阿玛

路过，收下了，不错的论坛

时光予厚爱

我又来了 白漂开始

火山下的小草

真的无套路，大赞

牵载男荨

免费下载的网站 头一次遇到 不错

鉡艏歌

我来白漂了 多谢

何桂雨

java吧 真给力

吕氏自然科学风水学

真的免费下载 难得

祝暖暖

真的免费下载 难得