一对一免费咨询:

0532-86217711

在线咨询

新闻中心

这里有最新的行业信息与相关公司信息。

建立符合搜索抓取习惯的网站

发布时间:2021-02-22 浏览次数:

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。如下为建立倒排索引的基本过程:

建立符合搜索抓取习惯的网站(图1)

(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:titlekeywordscontentlinkanchor、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?

建立符合搜索抓取习惯的网站(图2)

上述即是索引系统中的倒排索引过程,是搜索引擎实现毫秒级检索非常重要的一个环节。


我们很乐意倾听您的声音
即刻与我们取得联络,成为日后肩并肩
合作的伙伴。

联系我们

0532-86217711

公司地址:青岛市市北区辽宁路153号
全国热线:0532-86217711
公司传真:0532-86217700
电子邮箱:911765911@qq.com

鲁ICP备12021464号 | 鲁公网安备 37020302370744号

友情链接 :   
青岛网站建设
青岛网站优化