自制搜索引擎 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[日] 山田浩之，[日] 末永匡 著，胡屹 译

出版社： 人民邮电出版社

ISBN：9787115411709

版次：1

商品编码：11837411

包装：平装

丛书名： 图灵程序设计丛书

开本：32开

出版时间：2016-01-01

用纸：胶版纸

页数：190

正文语种：中文

编辑推荐

　　2600行代码，真实体验搜索引擎的开发过程
　　开源搜索引擎Senna/Groonga的开发者亲自执笔
　　探明Google、百度背后的工作机制
　　专业：开源搜索引擎Senna/Groonga开发者、Yahoo!搜索引擎研发者执笔。
　　实战易上手：2600行代码，从零开始写一个简易搜索引擎，然后进行优化。
　　讲解细致：浓缩搜索引擎的关键知识点 ，源码可下载，边学习边实践。
　　平缓进阶：书末介绍更专业的搜索引擎技术，为读者的深入学习做准备。

内容简介

　　《自制搜索引擎》聚焦于Google和Yahoo!等Web搜索服务幕后的搜索引擎系统，首先讲解了搜索引擎的基础知识和原理，接着以现实中的开源搜索引擎Senna/Groonga为示例，使用该引擎的源代码引导读者亲自体验搜索引擎的开发过程。这部分讲解涉及了倒排索引的制作和压缩、检索的处理流程以及搜索引擎的优化等内容。又简单介绍了一些更加专业的搜索引擎的知识和要点，为读者今后进一步学习打下了基础。

作者简介

　　山田浩之，信息工程学博士。先后于日本IBM、雅虎从事分布式搜索引擎的研发工作。目前在东京大学生产技术研究所从事高性能并行数据库的研发工作。

　　末永匡，开源搜索引擎Senna/Groonga的开发者。每天都在奋斗，梦想着能创建一个更加自由、更加无拘无束的，而不是一家独大的应用程序平台。

　　胡屹，多年从事Web开发工作。热爱编程，关注设计模式，致力于提升软件开发的质量。曾获得SCJP和PHP ZCE证书。译有《计算机是怎样跑起来的》。

目录

第1章　搜索引擎是如何工作的　　1
1-1　理解搜索引擎的构成　　3
什么是搜索引擎　　3
构成搜索引擎的组件　　4
与搜索引擎相关的组件　　5
1-2　 实现了快速全文搜索的索引结构　　7
全文搜索的两种方法　　7
倒排索引的结构　　8
倒排索引的构建方法　　9
倒排索引中的术语　　10
1-3　深入理解倒排索引　　12
倒排索引=词典+倒排文件　　12
从倒排索引中查找单词　　13
将单词的位置信息加入倒排文件中　　13
从倒排索引中查找短语　　14
1-4　制作中文文档的倒排索引　　16
分割中文句子的方法　　16
权衡分割方法　　17
1-5　实现倒排索引　　19
实现词典　　19
实现倒排文件　　22
1-6　使用倒排索引进行检索　　24
布尔检索　　24
使用倒排索引的检索处理流程　　24
关联度的计算方法　　26
信息检索中的检索　　27
1-7　构建倒排索引　　29
使用内存构建倒排索引　　29
使用二级存储构建倒排索引　　29
静态索引构建和动态索引构建　　32
1-8　准备要检索的文档　　34
收集数据　　34
数据规范化　　35
第2章　准备全文搜索引擎的检索样本　　37
2-1　全文搜索引擎wiser　　39
wiser的构成　　39
准备用于检索的文档　　40
2-2　安装wiser　　42
构建wiser　　42
启动wiser　　43
解压缩Wikipedia的副本　　44
2-3　运行wiser　　45
构建倒排索引　　45
使用倒排索引查询　　46
比较grep和wiser的运行速度　　46
第3章　构建倒排索引　　49
3-1　复习有关倒排索引的知识　　51
提取词元　　51
为每个词元创建倒排列表　　53
3-2　构建倒排索引　　54
在存储器上创建倒排列表　　54
倒排列表和倒排文件的数据结构　　54
从源代码级别梳理倒排索引的构建顺序　　56
进一步阅读源代码　　59
专栏　根据实际情况设计搜索引擎（系统）　　68
第4章　开始检索吧　　71
4-1　检索处理的大致流程　　73
充分理解检索处理的流程　　73
4-2　使用倒排索引进行检索　　75
从源代码级别梳理检索处理的流程　　75
解读split_query_to_tokens()函数的具体实现　　76
使用具体示例加深对检索处理流程的理解　　77
解读函数search_docs()的实现细节　　80
解读函数search_phrase()的实现　　84
专栏　如何实现标签检索　　88
第5章　压缩倒排索引　　89
5-1　压缩的基础知识　　90
压缩倒排索引的好处　　90
专栏　压缩的目的　　90
倒排索引的压缩方法　　91
倒排文件的压缩方法　　91
压缩的原理　　94
5-2　实现wiser中的压缩功能　　97
压缩功能源代码的概要　　97
了解无需进行压缩时的操作　　99
抓住Golomb编码的要点　　101
解读Golomb编码中的编码处理　　105
解读Golomb编码的解码处理　　108
第6章　挑战wiser的优化及参数的调整　　113
6-1　提高检索处理的效率　　115
优化检索处理　　115
将查询分割为无重复部分的词元序列　　116
6-2　禁用短语检索　　119
分析对2字符的字符串进行检索时的行为　　119
分析对3字符的字符串进行检索时的行为　　120
6-3　改变检索结果的输出顺序　　122
作为检索结果排序核心的指标　　122
按照文档大小降序排列的检索结果　　124
专栏　排名欺诈　　128
6-4　 让1个字符的查询也能检索出结果　　29
获取以特定字符开头的词元的列表　　129
合并检索到的结果　　131
专栏　如何实现相似文档的检索　　131
6-5　 调整控制倒排索引更新的缓冲区容量　　133
确认由缓冲区容量的差异带来的不同效果　　133
用sar命令分析负载　　134
6-6　 调整只有英文字母的词元的分割方法　　135
如何避免用英文单词检索时准确率下降的问题　　135
如何判断某字符是否属于索引对象　　135
修改负责分割词元的函数　　136
6-7　确认压缩的效果　　138
观察Golomb编码的效果　　138
对比压缩启用前后的索引大小　　138
专栏　避免滥用全文搜索引擎　　139
第7章　为今后更加深入的学习做准备　　141
7-1　wiser没能实现的功能　　143
倒排索引之外的全文搜索索引　　143
高效处理大规模数据的存储器　　143
利用缓存提高检索的速度　　143
使用各种各样的压缩方法　　144
优化搜索结果的排名　　144
调整准确率和召回率　　145
降低检索结果排序处理的负载　　147
并行处理　　147
结合对属性的筛选过滤　　148
分面搜索　　148
专栏　时延和吞吐量　　149
7-2　 全文搜索引擎Groonga的特点　　150
通过词元的部分一致检索提升召回率　　150
使用内存映射文件　　151
片段　　152
专栏　宣传活动的重要性　　152
7-3　 实现出考虑到用户意图的搜索引擎　　153
引入停用词　　153
应对词素解析的错误　　153
专栏　断句错误　　154
处理全角字符和半角字符　　155
对查询进行归一化　　156
留意布尔检索的解析过程　　156
通过词素解析器适当地解析查询　　157
对错误的输入进行修正　　157
输入补全　　158
建议用户检索相关的关键词　　159
7-4　收集、提取文档时的要点　　160
制作爬虫时的处理要点　　160
在提取文本时需要处理的要点　　163
Appendix　附录　　165
A-1　深度话题 166
近几年的压缩方法　　166
动态索引构建　　169
分布式索引　　174
A-2　wiser中的文本提取和存储　　178
用于处理XML的2 种API——DOM和SAX　　178
提取文档的标题和正文　　179
掌握状态的迁移　　182
构建文档数据库　　187
后记　　191

前言/序言

评分☆☆☆☆☆

非常好的书，拓展知识的好方法！

评分☆☆☆☆☆

还没时间好好读完，不过大体看了下，还是值得好好研读的，这类书感觉还是要结合实际操作才能更有收货

评分☆☆☆☆☆

买回来自己敲代码，慢慢熟悉操作系统，值得一试

评分☆☆☆☆☆

使用javaCC,对学习编译原理，影响不大……

评分☆☆☆☆☆

同事推荐的，我也买来看。

评分☆☆☆☆☆

日本人写的书比较细腻，自制这一套我看了好几本，这本挺不错！！！！

评分☆☆☆☆☆

30天过去了，我连书都没打开过

评分☆☆☆☆☆

呢本书好似只系有一个39点一期嘅迷你系统我如果一定要行一行非常之好用嘅书呢呀咁想我使用

评分☆☆☆☆☆

感觉很神秘，希望真能自己创造出来一个编译器，加油(? •?_•?)?，哈哈(?ω?)hiahiahia