2006年07月_tanruitian

10月 09月 07月 05月 03月

转载 Lucene入门与使用

1.1 Lucene 历史 org.apache.lucene包是纯java语言的全文索引检索工具包。 Lucene的作者是资深的全文索引/检索专家，最开始发布在他本人的主页上，2001年10月贡献给APACHE，成为APACHE基金jakarta的一个子项目。目前，lucene广泛用于全文索引/检索的项目中。 lucene也被翻译成C#版本，目前发展

2006-07-21 16:28:00 1098

转载 lucene简单例子

lucene的组成结构：对于外部应用来说索引模块(index)和检索模块(search)是主要的外部应用入口 org.apache.Lucene.search/ 搜索入口 org.apache.Lucene.index/

2006-07-21 16:24:00 1340

转载 lucene的demo

/*关于索引的主要函数*/File file=new File(argv[]);IndexWriter writer = new IndexWriter("index", new StandardAnalyzer(), true); Document doc = new Document();doc.add(Field.Text("path", file.getPath()));doc.a

2006-07-21 16:24:00 808

转载介绍 Nutch

Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。可以为什么我们需要建立自己的搜索引擎呢？毕竟我们已经有google可以使用。这里我列出3点原因：透明度：Nutch是开放源代码的，因此任何人都可以查看他的排序算法是如何工作的。商业的搜索引擎排序算法都是保密的，我们无法知道为什么搜索出来的排序结果是如何算出来的。更进一步，一些搜索引

2006-07-18 15:19:00 925

原创搜索引擎学习资源收集

一、搜索引擎技术/动态资源、综合类1、卢亮的搜索引擎研究 http://www.wespoke.com/卢亮属于搜索引擎开发上的专家，以前开发过一个搜索引擎"博索"(http://booso.com/),好像现在已经停止开发了，目前他服务于博客网。在他的这个blog上可以了解许多搜索引擎开发的技术和经验，值得持续关注。2、laolublog 有不少来自国外的关于

2006-07-18 00:11:00 2008

原创网络机器人（Robots）

网络机器人（Robots）: 是福还是祸? Martijn Koster, NEXOR April 1995 [1997: Updated links and addresses] Codehunter[程式猎人]翻译摘要机器人在万维网上使用已经有一年多了（相对于1995年）。在这段时间中，它们担当着有用的任务，同时也对网络造成了很大的破坏。本文着重研究机器人在资源收寻方面的优势以及劣势。讨论

2006-07-15 21:58:00 3010

原创中文搜索引擎技术揭密：网络蜘蛛

中文搜索引擎技术揭密：网络蜘蛛来源：e800.com.cn 搜索引擎一直专注于提升用户的体验度，其用户体验度则反映在三个方面：准、全、快。用专业术语讲是：查准率、查全率和搜索速度（即搜索耗时）。其中最易达到的是搜索速度，因为对于搜索耗时在1秒以下的系统来说，访问者很难辨别其快慢了，更何况还有网络速度的影响。因此，对搜索引擎的评价就集中在了前两者：准、全。中文搜索引擎的“准”，需要保证搜索的前几十

2006-07-15 21:57:00 977

原创 larbin使用说明

larbin是一种爬虫工具，我也是前段时间网上看到 Larbin 一种高效的搜索引擎爬虫工具一文时才知道有这么个东西，初步认定，我比较喜欢这个工具(比起nutch的crawl来说),因为它是C++写的，类似C嘛，我熟，可以自己改改，顺便学习一下C++(几年来的经验告诉我说：改别人的东西来学一种技术比从头写helloworld快很多)。于是开始了我艰辛的larbin试用之旅。回头看看自己遇到的问

2006-07-15 21:55:00 2599 1