首页 站外优化正文

搜索引擎索引系统概述(一)

admin 站外优化 2019-09-04 16:26:23 130 0


      众所周知,搜索引擎的主要工作过程包括:抓取、存储、页面分析、索引、检索等几个主要过程。过去几周给大家介绍了抓取相关的简要过程。今天简要介绍一下索引系统,以亿为单位的网页库中查找特定的某些关键词犹如大海里面捞针,也许一定的时间内可以完成查找,但是用户等不起,从用户体验角度我们必须在毫秒级别给予用户满意的结果,否则用户只能流失。怎样才能达到这种要求呢?

      如果能知道用户查找的关键词(query切词后)都出现在哪些页面中,那么用户检索的处理过程即可以想象为包含了query中切词后不同部分的页面集合求交的过程,而检索即变成了页面名称之间的比较、求交。这样,在毫秒内以亿为单位的检索成为了可能。这就是通常所说的倒排索引及求交检索的过程。



     (1)页面分析的过程实际上是将原始页面的不同部分进行识别并标记,例如:title、keywords、content、link、anchor、评论、其他非重要区域等等;

     (2)分词的过程实际上包括了切词分词同义词转换同义词替换等等,以对某页面title分词为例,得到的将是这样的数据:term文本、termid、词类、词性等等;

     (3)之前的准备工作完成后,接下来即是建立倒排索引,形成{termàdoc},可以粗略的理解为如下,为什么是【term->doc】,而不是直接应用【doc->term】呢?


》》》


AAVBBCNVM,N。KJO
版权声明

本文仅代表作者观点,不代表本站立场。
发布的有些文章部分内容来源于互联网。如有侵权,请联系我们,我们会尽快删除。

本文链接:http://www.shseotuiguang.com/post/539.html

发表评论

评论列表(0人评论 , 130人围观)
☹还没有评论,来说两句吧...

上海网站推广_上海网络推广_上海网站优化_上海SEO优化

http://www.shseotuiguang.com/

统计代码 | 蜀ICP备18039239号

Powered By 城南二哥

用手机扫描二维码

关注获取更多资讯