![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
技术分享
文章平均质量分 76
soso_blog
这个作者很懒,什么都没留下…
展开
-
搜索引擎检索技术
<br /> 文/腾讯soso 谢海劝 <br /> <br /> 《阿凡达》全球首映,引起轰动,影迷需要对该影片进行全方位的了解,可能需要去腾讯网找资讯,去新浪网找新闻,去优酷网找相关视频,去百度图片找相关图片……,最后去保利电影院的网站定一张电影票。其实事情可以不用如此复杂,打开www.soso.com,输入“阿凡达”,点击“搜索”按钮,用户马上得到关于该影片的资讯、新闻、视频、图片、排档、影院、影评等信息。<br /> 如此简单的一个输入框+搜索按钮,却可以实现如此神奇的一站式搜索服务,为原创 2010-06-28 15:03:00 · 9792 阅读 · 46 评论 -
腾讯搜搜孙良:“情境搜索”更懂你
<br /><br />腾讯soso<br /> <br />【TechWeb】2010年12月9日,谷歌地理位置和本地服务副总裁玛丽莎·梅耶尔透露,谷歌有望明年正式推出“情境发现”服务。而这恰恰与2009年腾讯搜搜提出的“情境搜索”如出一辙。近日,笔者就“情境搜索”的相关问题采访了腾讯搜索技术研发中心总经理孙良。<br /> <br />TechWeb:“情境搜索“是何时提出的?<br />孙良:大概09年初,搜搜开始对情境搜索概念进行内部讨论。其实更早的时候,我们就在考虑搜搜如何去做搜索。09年9月份,原创 2011-01-25 15:40:00 · 14441 阅读 · 3 评论 -
解密”搜索引擎热”:”引擎”价值在哪里
<br /> <br /> <br />核心观点掌握了搜索,也就抓住了互联网经济的制高点谁抓住了搜索引擎,谁就抓住了互联网上信息传递的主动权互联网没有疆域,但利益有疆界,有民族性,有国界基础设施能力和拥有数据资源多少,是另一种形式的“核武器” <br /> 随着网络上信息的不断膨胀,互联网之争,越来越演化为入口之争。而搜索引擎,正是这样的一个入口。“在互联网领域,谁掌握了搜索引擎,就掌握了信息的入口,这背后,是巨大的经济利益,是话语权,是一国信息技术实力和水平的展现。”中国科学院计算技术研转载 2010-12-28 10:17:00 · 4006 阅读 · 0 评论 -
构建一个高性能的网页抓取器
<br />腾讯soso文/武泽胜<br /> <br /> 互联网的发展,使人类提前进入了信息爆炸的年代,在浩瀚无边的信息海洋里,如何快速、准确找到对自己有用的信息,就成了一个很有价值的研究课题,于是,搜索引擎应运而生。现在,国内外大大小小的搜索引擎有很多,搜搜也是这搜索引擎大军中的一员悍将。笔者有幸参与了搜搜研发过程中的一些工作,在这里写一些自己的理解与看法,权当是抛砖引玉,希望能够得到业内前辈们的一些指点。<br /> 对于网页搜索引擎来说,它的基本处理流程,通常可以分为三个步骤:原创 2010-10-25 11:40:00 · 21414 阅读 · 38 评论 -
检索系统的下游管理
<br /> <br />检索系统的下游管理<br />腾讯soso文/黄达文、雷冬冬<br /><br /><br /> 搜索引擎的检索系统,是一个复杂的分布式计算系统,往往需要成百上千台机器通过网络连接协同工作,处理用户的检索请求。不仅如此,由于数据分布以及容灾的问题,机器间往往还有上下游、分组、分镜像的关系。本文讲述如何管理这些机器间的拓扑关系。<br /><br /><br /> <br />一、检索系统的整体拓扑<br /> 整个检索系统的机器的拓扑关系,类似一个树状的结构,如图1所示原创 2010-09-30 11:01:00 · 6200 阅读 · 5 评论 -
网页分类技术介绍
<br />文/soso 张立明<br />1. 技术背景<br /> 分类问题是人类所面临的一个非常重要且具有普遍意义的问题。将事物正确的分类,有助于人们认识世界,使杂乱无章的现实世界变得有条理。自动文本分类就是对大量的自然语言文本按照一定的主题类别进行自动分类,它是自然语言处理的一个十分重要的问题。文本分类主要应用于信息检索,机器翻译,自动文摘,信息过滤,邮件分类等任务。文本分类的一个关键问题是特征词的选择问题及其权重分配。<br /> <br /> 在搜索引擎中,文本分类主要有这原创 2010-06-22 10:58:00 · 20169 阅读 · 40 评论 -
情境搜索—搜索未来之路
<br /> <br /> 腾讯SOSO 总经理 孙良<br /><br /> 能想象这样的场景吗?当你和好友聊股票时,上证、深证指数会自动出现你面前;当你和驴友聊旅游时,景点的天气、适宜出行指数、驴友评论等情况会自动出现在你面前...,是的,未来的情境搜索会使得搜索无处不在、无所不能。<br /><br /> 传统搜索引擎的局限<br /><br /> 通用搜索引擎的特点是通用,它实现了搜索,但并不是为每个人所定制,现实中网络用户的使用习惯千差万别,在搜索结果中反原创 2010-06-08 15:26:00 · 5110 阅读 · 22 评论 -
spider技术综述
<br /> <br />文/腾讯soso邓大付<br /> <br /> Spider系统是搜索引擎当中进行互联网上数据采集的一个核心子系统。在这个子系统当中,通常先种入一批种子Url,Spider对这些种子Url采集之后将链接提取入库,然后再对新入库的Url进行采集,并且负责对采集过的Url进行更新采集,如此循环。<br /> <br /> 随着各种垂直搜索引擎的不断发展,整个Spider在功能上又分为传统的收集互联网上所有数据的大Spider和服务于某个专门领域的聚焦Spider。两类Sp原创 2010-07-28 15:05:00 · 10142 阅读 · 12 评论 -
人工智能算法—决策树
<br /> <br /> 文/腾讯soso林世飞<br /> <br /> 决策树方法最早产生于上世纪60年代,到70年代末。由J RossQuinlan提出了ID3算法,此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进,对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进,既适合于分类问题,又适合于回归问题<br /> 这里 介绍其基本原理 和一个实验例子。<br /> 先介绍2个算法:<br /> 算法一:熵(原创 2010-07-22 15:22:00 · 30603 阅读 · 29 评论 -
海量索引数据的机群分布
<br /> <br />文/腾讯soso王志平<br /> 索引数据的存储是搜索中很重要的一个环节,在数据量较小的情况下,如普通的中小网站,一般存在的文档数在千万级以下,这个时候,可以简单的实现搜索系统,将所有的索引数据存放在一台机器上。而网页搜索引擎需要索引的数据重量到了上百亿上千亿的级别。因此,需要成千上万台的机器来存放如此巨量的网页数据。那么如何将如此巨量的数据分布存放到这些机器上呢?<br /> 较为简便直观的方法是每台机器上存放一定不相同的文档集合,每个机器对不重复的一部分网页文档建原创 2010-07-13 10:24:00 · 9723 阅读 · 43 评论 -
情境搜索专题访谈
<br />腾讯soso—soso高层和高校专家畅谈情境搜索未来<br /> <br /><br /> 参加本次访谈的主要嘉宾有:腾讯soso总经理孙良,腾讯soso副总李京,腾讯soso副总监杨海松,北京信息科学技术学院教授俞士汶,中科院计算所程学旗,访谈由csdn的总编刘江主持。<br /> <br /> 本次访谈主要讨论了传统搜索引擎的现状,发展中遇到的瓶颈,对于很多现在引擎解决的不是很好的case进行交流,提出解决方法。由此大家交流了对下 一代搜索引擎的思考,soso专家提出了情原创 2011-01-25 15:52:00 · 15962 阅读 · 1 评论