数学之美感想2---开发一个简单的搜索引擎大概

　　开发一个搜索引擎，要有下载网页，索引，网页质量，网页与关键词的相关性四个方面。

　　第一个下载网页方面是网络爬虫的问题，是个DFS和BFS的交叉性的问题。

　　索引是建立颗粒度和快速查找的依据，也是布尔代数的基础。

　　网页质量是采用了Pagerank算法。民主表决，很多人链接的网页，这个网页的质量就高。　　链接数矩阵和等值矩阵不断迭代，然后逼近真正的网页质量，据检测，经过10次之后，大致变化就不大了。

　　网页和关键词的相关性---采用了TF-IDF的方法，理论为：将关键词拆分，然后拆分的词的频率*权值的和。信息论的依据还有相关的公式。信息量越多，TF-IDF值越大，而在命中的文献中平均出现的次数越多，TF-IDF越大（这个得想想）。

转载于:https://www.cnblogs.com/gui--li/archive/2012/08/07/2627461.html