fuyangchang的专栏

Analysis包分析 算法和数据结构分析: 由于Analysis包比较简单,不详述了! 算法:基于机械分词 1-gram,2-gram,HMM(如果使用ICTCLAS接口的话) 数据结构:部分源码用到了Set ,HashTable,HashMap 认真理解TokenLucene中的Analysis包专门用于完成对于索引文件的分词.Lucene中的Token是一个

 http://book.csdn.net/bookfiles/276/index.html#c1csdn中的 Lucene IN ACTION 中文版网址，可以看到前四章

 某些网站允许软件开发社团通过发布开发者指南、白皮书、FAQs【常见问题解答】和源代码以实现信息的共享。随着信息量的增长，和几个开发者贡献出自己的 知识库，于是网站提供搜索引擎来搜索站点上现有的所有信息。虽然这些搜索引擎对文本文件的搜索可以做的很好，但对开发者搜索源代码做了比较严格的限制。搜 索引擎认为源代码就是纯文本文件，因此，在这一点上，与成熟的可以处理大量源文件的工具――grep相比没有什么

JAVA读取WORD,EXCEL,POWERPOINT,PDF文件的方法http://blog.sina.com.cn/u/54c1567b010008vhOFFICE文档使用POI控件，PDF可以使用PDFBOX0.7.3控件，完全支持中文，用XPDF也行，不过感觉PDFBOX比较好，而且作者也在更新。水平有限，万望各位指正 WORD:import org.apache.lucene.d

Compass学习文档(1)作者：javafishCompass是第一个实现java搜索引擎的开源框架,它是基于 Lucene之上的，提供更简单的搜索引擎API，事务支持，对象到搜索引擎映射（Annotations & XML），Xml到搜索引擎映射，可以和Hibernate,Spring集成，功能非常的强大。如果用Hibernate,Spring做的项目需要搜 索引擎的话，Compass是个非常

nutch0.9 NT批处理文件@echo offrem *********************************************************************rem * A script to launch nutch on Windows 2000/XP System.rem *rem * Written by babaturem * baba...