了解搜索引擎必备SEO书籍：自制搜索引擎
自制搜索引擎（书）简介：
本书聚焦于Google和Yahoo!等Web检索服务幕后的搜索引擎，旨在阐明这种系统内部的工作机制。诸位读者通过第1章的学习，掌握了搜索引擎的基础知识和原理之后，就可以从第2章开始，对照着示例搜索引擎的源代码体验搜索引擎的开发过程了。这种原理和实践的有机结 合，有助于大家更加深人地理解搜索引擎的构造。
一直在企业和大学从事搜索引擎研发工作的山田负责搜索引擎原理 的写作，并完成了整体构思和统稿的工作。开源搜索引擎Senna/Groonga的开发者、拥有多个检索服务实战经验的末永在书中介绍了实 践和运用搜索引擎时的要点。这种内容上的相互补充使得原理和实践有机地结合在了一起。
若从本书获得的知识和经验能有助于诸位读者创造出划时代的软件和服务，我们将感到不胜荣幸。
自制搜索引擎
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^
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wiser39
wiser的构成39
准备用于检索的文档40
2-2 安装 wiser42
构建 wiser42
启动 wiser43
解压缩Wikipedia的副本44目录| xi
2-3 运行wiser45
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-phraseO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”3
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^
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129
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^
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^
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^8
观察Golomb编码的效果138
对比压缩启用前后的索引大小138
专栏避免滥用全文捜索引擎139 7-1wiser没能实现的功能^
倒排索引之外的全文捜索索引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
优化捜索结果的排名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
分面捜索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^
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
IA-1深度话题^
近几年的压缩方法166
动态索引构建169
分布式索引174
A-2wiser中的文本提取和存储178
用于处理XML的2种API--DOM和SAX178
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
上一篇：SEO书籍推荐：SEO实战密码（第2版） 下一篇：SEO电子书:SEO艺术pdf版
如果您需要帮助，可以立即拨打我们的服务热线！
