收录日期:2020/06/02 08:54:12 时间:2016/06/06 10:24:45 标签:Apache
最近我研究 全文搜索引擎的心得 
研究心得: 
1、看到网上那么多人在研究: Google的Page Rank我很心痛 ,我就看了两天Page Rank的资料,就明白它哪个算法基本上没有任何实用价值。其实只是一个思路而已,如果完全照搬它的算法,那将一事无成。 
2、还有很多人研究什么Java中的Luncece那就更可笑了,我就举一个很简单的问题:一亿网页的容量有多大,谁能告诉我? 
     接近 1万G呀,所以用普通编程的思路做全文搜索引擎是行不通的 。 
3、还有很多人研究中文分词,写了很长的文章,却只字不提中文分词在搜索引擎中的作用和用途。其实应该是两不分: A、用来计算关键字在文本中出现的次数 B、用来查询的。 
4、还有很多人问那些信息是如何保存的,其实很简单:文件+数据库 
最后我要说一下总体思路: 
  抓取----然后---预处理----然后索引---然后----保密 
预处理: 包括计算 rank 将htm文件中的htm表示提取纯文本信息 ,然后保存对应的文本信息 
数据库中只保存 文件编号 url Rank  Title 纯文本信息等基本信息 
然后索引  索引很重要么?  答案是:索引不是非常重要  
主要是 "保密" 这部分的运算 
运算之后就可以直接将结果返回给客户端了  
用我的新研究的方法进行运算取得结果用时在 1秒以内   

以上是我研究的一些心得,希望对大家有所帮助。 

也许有人会问,那你用什么语言开发? 
当然用 C、C++ 最好,其次是用Delphi开发 ,这样不但效率高,还可以保证程序在Linux下照样可以执行。 

最后也许还有人回问,蜘蛛的效率如何,你写过没有? 
答案是:我正在写,下面是一个网友对我的小蜘蛛进行的评测: 
========================================= 
▄【┻┳═一(99923309) 12:05:57 
思鱼给他们讲讲我的 蜘蛛  
思鱼(20275543) 12:02:50 
我在家里测试了一下 
  
思鱼(20275543) 12:03:00 
很不错 
  
思鱼(20275543) 12:03:10 
和摆渡前几年的一样   
============================ 
根据我自己的测试,我电脑的配置(P4+512MB内存+40G硬盘+512K的带宽)一天可以抓取 10万个网页,而且每个网页的大小限制在 100K以内,Baidu目前每个网页的大小限制在 130K以内。 

最后,我已经收集了100万个国内的一级域名. 

有兴趣的可以一起聊聊啊! 

erp2@163.com   
www.519so.com  是我花了两周时间做的一个小测试服务器的内存是 512MB 

QQ:99923309 
无聊的人~

你把你的数据换成一千万条记录,每条记录都是由 12800个‘无聊的人’组成的文字。

然后你搜索‘无聊’。

看你怎么把全部内容列出来,再看看你自己如何做的。
日,关键的东西一点都不说,就上来显摆!

如果你是白痴,大家可以原谅你。

如果,你是所谓的高人,至少我鄙视你!!!
在google 上搜索 
fdsafdsafdsafdsafdsafdsafdsafdsafdsafd
fdsafdsafdsafdsafdsafdsafdsafdsafd

分别看结果,能想到什么?

请广大程序员朋友谈谈:程序员的一生是怎样的一生,好吗? nicrosoft呢?好久不见了! 在哪能找到DELPHI5.0安装程序? vb程序使excel变慢? 中文字如何转化成对应的ascii码?在将ascii码转化成对应的二进制字符串? 那位可以给我一个完整的控件代码 zswang(伴水)(伤心中)老大,请速至http://www.csdn.net/expert/topic/378/378407.shtm有事请教 怎样在ATL下创建不规则窗口,比如菱形 大家有vsflexgrid,TRUEDBGRID 控件的使用说明吗? 关于参数的问题 是否可以把小的Wav文件嵌入程序,而不作为单独的文件? 高手在这时候就应显示高手风范,在VC++如何实现生成报表? 怎么回事? 汇编作的键盘记录程序 烟台的高程的查分电话是什么啊 在哪里才能下载DELPHI5.0完全正式企业版. 关于桌面的问T? 如何使用dll中的函数,怎样申明,使用? 如何得到程序所在的目录?程序装在d:,在程序中如何可以知道所在位置? 汇编做键盘记录程序 在数据库中查出了若干条记录,如何使这些记录依次执行一段循环 请问版主:奇怪,我100分的问题给分的时候却超过很多分...... 一个紧迫解决的问题: vsflexgrid,TRUEDBGRID 控件如何返回另一数据表的字段值? 我中了尼姆达病毒,怎么办!? jdbc 连接SQLSERVER2000出现Not associated with a trusted SQL Server connection. 还是这个问题:怎样在ASP页面中触发WORD 启动问题,高手救命!!!!!!! ocx导入 想学Access中VBA的编程,哪里有相关的资料 天呀!!!好不容易周末找个mm聊天都没有怎么办呀