学步园

基础知识 Apache Lucene 是开发搜索类应用程序时最常用的 Java 类库，我们的框架也将基于它。为了下文更好的描述，我们需要先了解一些有关 Lucene 和搜索的基础知识。注意，本文不关注索引的文件格式、分词技术等话题。 什么是搜索和索引 从用户的角度来看，搜索的过程是通过关键字在某种资源中寻找特定的内容的过程。而从计算机的角度来看，实现这个过程可以有两种办法。一是对所有资源逐个与 关键字匹配，返回所有满足匹配...

        最近在学习搜索引擎的一些知识，在网上下载了一本经典书籍——《走进搜索引擎》，在此和大家分享。      电子书基本信息：           《走进搜索引擎》 梁斌  著   2007年10月出版        下载地址：               http://pan.baidu.com/s/1jGooFn4

自从有了搜索引擎，就有了针对搜索引擎网页排名的作弊(SPAM)。以至于用户发现在搜索引擎中排名靠前的网页不一定就是高质量的，用句俗话说，闪光的不一定是金子。 搜索引擎的作弊，虽然方法很多，目的只有一个，就是采用不正当手段提高自己网页的排名。早期最常见的作弊方法是重复关键词。比如一个卖数码相机的网站，重复地罗列各种数码相机的品牌，如尼康、佳能和柯达等等。为了不让读者看到众多讨厌的关键词，聪明一点的作弊...

毕业设计源码——搜索引擎 各种版本的搜索引擎，资源不断更新。 1.2014年1月20日更新（热）：搜索引擎源码 1.0 下载

scrapy安装 http://xuh5156.github.io/2014/06/04/scrapy_install/

 口碑public praise，指用户对品牌的评价，是品牌它触点中的一些关键指标。口碑监测指标全面描述用户（广义的服户）对品牌的评价，包括产品应用消息、企业荣誉、企业公民行为、负品牌现象、论坛与博客监测五个方面。     将口碑引入到品牌指数数据模型中并进行量化监测，是品牌指数系统3.1的一个新功能。在以互联网为特色的新媒体时代，我们需要做的不是需不需要在意口碑，而在于如何以数据方式监测、评估口碑效果，我们相信这...

spider是搜索引擎的必须模块.spider数据的结果直接影响到搜索引擎的评价指标. 第一个spider程序由MIT的Matthew K Gray操刀该程序的目的是为了统计互联网中主机的数目 Spier定义(关于Spider的定义,有广义和狭义两种). 狭义:利用标准的http协议根据超链和web文档检索的方法遍历万维网信息空间的软件程序. 广义:所有能利用http协议检索web文档的软件都称之为spider. 其中Protocol Gives Sites Way To Keep Out The 'Bots Jere...

1 介绍 项目地址：https://code.google.com/p/genetworkclient/ GeoNetwork是空间信息领域中的目录服务软件，它是一个基于Java实现的开源软件，使用Lucene实现空间资源的全文检索。 GentworkClient 是本人开发的一个Java 库，是开源软件Genetwork的客户端实现，目标是提供一个简单易用的API来添加、删除、修改和查询Genetwork中的空间资源。 2 GenetworkClient API package cn.ac.registAService.service; import java.util...

本文转自：http://blog.csdn.net/hguisu/article/details/7969757 1.概述       在关系数据库系统里，索引是检索数据最有效率的方式,。但对于搜索引起，他它并不能满足其特殊要求：       1）海量数据：搜索引擎面对的是海量数据，像Google，百度这样大型的商业搜索引擎索引都是亿级甚至几千的网页数量 ，面对如此海量数据 ,使得数据库系统很难有效的管理。        2）数据操作简单：搜索引擎使用的数据操作简单 ,一...

系统架构     互联网在近10年的得到飞速发展，互联网正在逐渐深入人们的生活，改变人们的生活。互联网经济也经历了风风雨雨，从缓慢起步到急速膨胀，从泡沫破灭到逐步回暖；从“网络广告”到“拇指经济”，从“网络游戏”到“搜索力经济”。目前，搜索引擎成为最受人们关注的焦点之一，也成为亿万富翁的制造摇篮。越来越多的公司都希望在搜索引擎这座金矿中挖到筐金子，其中许多人会选择拥有自己的搜索引擎。国内著名搜索引擎公司百度...