shuilv2000的专栏

8月5日，百度公司在美国纳斯达克上市，其表现引起全球关注。该公司的发行价为27美元，其时的P/E即已超过去年8月在纳斯达克上市的Google，而Google是全球排名第一的搜索引擎。去年的Google以发行价85美元上市后，股价上冲到300美元以上，市值达到800亿美元。百度上市当日，开盘价即达到66美元，最高股价达到151美元，最后收盘于122美元。其当日股价上升幅度超过Google一年的“努力

现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。 　　1、基于字符串匹配的分词方法　　这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行配，若在词典中找到某个字符串，则匹配成功（识别出一个词）。按照扫描方向的不同，串匹配分词方法可以分为正向匹配和逆向匹配；按照不同长度优先匹配的情况，可以分为最大

网页数据的快速采集、海量数据的索引和存储、搜索结果的相关性排序、搜索效率的毫秒级要求、分布式处理和负载均衡、自然语言的理解技术　　1、数据量 　　传统全文检索系统面向的是企业本身的数据或者和企业相关的数据，一般索引库规模多在GB级，数据量大的也只有几百万条；但互联网网页搜索需要处理几十亿的网页，搜索引擎的策略都是采用服务器群集和分布式计算技术。 　　2、内容相关性