本文介绍了如何搭建站内搜索引擎，从为什么使用检索系统到实现最简单的检索系统，包括倒排索引的构建。讨论了额外的考虑因素，如相关性计算、召回率与准确率、排名策略、时效性、筛选和人工干预，旨在提供一个基础的站内搜索解决方案。
搜索引擎，对很多人来说，熟悉又陌生。熟悉，是因为每个人每天都能接触到，比如百度、google、淘宝内部搜索；陌生，是因为鲜有人了解他的原理。
因为工作需要，有幸参与负责了一个站内搜索的项目。所以可以从实现的角度来讲讲怎么去实现一个站内检索系统。
1、为什么要使用检索系统
可能有些人会这么想，站内搜索我直接用数据库的like就可以实现。这种想法其实在实际中不太可行。首先，like语句很可能用不到搜索，因此性能低下；其次，like语句只能做比较精确的比配，相关性比较低下。比如，"我在北京玩的很好"这句话，如果你用"北京市"去搜索，肯定搜不出来，用帝都也是搜索不出来的，但是，实际上"北京市"和"帝都"以及"北京"都是一个意思；最后，站内检索系统可以做非常复杂的rank、打散以及屏蔽策略。
综上，正确认识一个检索系统是非常重要的。
2、实现最简单的检索系统
基于此，现在给大家来讲诉怎么快速搭建一个检索系统。
2.1、准备材料。
我们现在有3篇文本
D0: "it is what it is"
D1: "what is it"
D2: "it is a banana"
2.2、整理分析文本
搜索引擎整理信息的过程称为“创建索引”，常见的索引数据结构可以有多种，比如kd-tree等，我个人认为用的最多的数据结构当属倒排索引(
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
