搜索引擎检索系统概述_百度蜘蛛_百度科普-山东薪火相传网络科技有限公司

欢迎访问山东薪火相传网络科技有限公司!

搜索引擎检索系统概述

编辑:济宁网络公司 发布时间:2018-06-15 浏览量:993

  前面简要介绍过了搜索引擎的索引系统,实际上在建立倒排索引的最后还需要有一个入库写库的过程,而为了提高效率这个过程还需要将全部term以及偏移量保存在文件头部,并且对数据进行压缩,这涉及到的过于技术化在此就不多提了。今天简要给大家介绍一下索引之后的检索系统。

  检索系统主要包含了五个部分,如下图所示:


  (1)Query串切词分词即将用户的查询词进行分词,对之后的查询做准备,以“10号线地铁故障”为例,可能的分词如下(同义词问题暂时略过):

  10 0x123abc

  号 0x13445d

  线 0x234d

  地铁 0x145cf

  故障 0x354df

  (2)查出含每个term的文档集合,即找出待选集合,如下:

  0x123abc 1 2 3 4 7 9…..

  0x13445d 2 5 8 9 10 11……

  ……

  ……

  (3)求交,上述求交,文档2和文档9可能是我们需要找的,整个求交过程实际上关系着整个系统的性能,这里面包含了使用缓存等等手段进行性能优化;

  (4)各种过滤,举例可能包含过滤掉死链、重复数据、色情、垃圾结果以及你懂的;

  (5)最终排序,将最能满足用户需求的结果排序在最前,可能包括的有用信息如:网站的整体评价、网页质量、内容质量、资源质量、匹配程度、分散度、时效性等等,之后会详细给大家介绍。

  如果大家对搜索引擎检索还有别的疑问,大家可以到[学院同学汇][学习讨论]《搜索引擎检索系统概述》讨论帖中发表自己的看法,我们的工作人员会关注这里并与大家进行探讨。

服务区域
友情链接


版权所有:山东薪火相传网络科技有限公司  公司地址:山东省济宁市红星国际21层   

全国免费咨询电话:4008-777-505 售前电话:0537-2565066、15588791254 24小时咨询电话:13280038186  公司传真:0537-2231717  Email:service@sdxhxc.com

技术支持:薪火技术部 ICP备案:鲁ICP备12015246号-6 鲁ICP备12015246号-1


  • 电话咨询

  • 4008-777-505
  • 13280038186
  • 0537-2565066