82搜索为您找到约 3 条结果
www.searchwiki.cn
百科
技术
网页爬虫的抓取策略与 robots 协议
搜索引擎的核心流程分三步：爬虫抓取网页、解析正文并建立索引、接收查询后召回并排序。抓取阶段要处理重复内容、死链与抓取频率；索引阶段把文本切成词项，记录每个词出现在哪些文档、出现多少次、位置在哪里，这就是倒排索引。 倒排索引由词典和 posting list 组成。词典保存所有词项，posting list 记录包含该词的文档编号、词频和位置。查询时先查词典拿到候选文档集合，再做…
www.searchwiki.cn
百科
技术
中文分词的三个难点：歧义、未登录词与粒度
…常用二元组切分保证召回，再叠加词典词提升精度；查询侧同样切分，并要求词项相邻来近似短语匹配，这样既快又稳。 搜索引擎的核心流程分三步：爬虫抓取网页、解析正文并建立索引、接收查询后召回并排序。抓取阶段要处理重复内容、死链与抓取频率；索引阶段把文本切成词项，记录每个词出现在哪些文档、出现多少次、位置在哪里，这就是倒排索引。 文中步骤已在常见环境下验证，遇到特殊情况建议先备份再操作。
www.searchwiki.cn
百科
技术
站内搜索系统设计：召回、排序与摘要高亮
…常用二元组切分保证召回，再叠加词典词提升精度；查询侧同样切分，并要求词项相邻来近似短语匹配，这样既快又稳。 搜索引擎的核心流程分三步：爬虫抓取网页、解析正文并建立索引、接收查询后召回并排序。抓取阶段要处理重复内容、死链与抓取频率；索引阶段把文本切成词项，记录每个词出现在哪些文档、出现多少次、位置在哪里，这就是倒排索引。 文中步骤已在常见环境下验证，遇到特殊情况建议先备份再操作。