《搜尋引擎：原理技術與系統（第2版）》是2012年科學出版社出版的圖書，作者是李曉明、閆宏飛、王繼民。書中提供了大量原始碼，除了用於構建搜尋引擎之外，對於學習編程，提高編程技巧，以及實現一個大規模套用開發也有一定的參考價值。
基本介紹
- 書名：搜尋引擎：原理技術與系統（第2版）
- 作者：李曉明 閆宏飛 王繼民
- ISBN：7030342585, 9787030342584
- 頁數：330頁
- 定價：37.60
- 出版社：科學出版社
- 出版時間：第2版 (2012年5月1日)
- 裝幀：平裝
- 開本：4
內容簡介,目錄,
內容簡介
《搜尋引擎:原理技術與系統(第2版)》層次分明，由淺入深，上篇和中篇涉及內容提供了原始碼下載地址；既有深入的理論分析，也有大量的實驗數據和程式，具有學習和實用雙重意義，可作為高等院校計算機科學與技術、軟體工程、信息管理與信息系統、電子商務等專業的研究生或高年級本科生的教學參考書和技術資料；對廣大從事網路技術、Web站點管理、數字圖書館、Web挖掘等研究和套用開發的科技人員有很高的參考價值。
目錄
第二版前言
第一版前言
第一章 引論
第一節 搜尋引擎的概念
第二節 搜尋引擎的發展歷史
第三節 一些著名的搜尋引擎
第四節 小結
上篇web搜尋引擎基本原理和技術
第二章 Web搜尋引擎工作原理和體系結構
第一節 基本要求
第二節 網頁蒐集
第三節 預處理
第四節 查詢服務
第五節 體系結構
第六節 小結
第三章 web信息的蒐集
第一節 概述
一、超文本傳輸協定
二、一個小型搜尋引擎系統
第二節 網頁蒐集
一、定義URL類和Page類
二、與伺服器建立連線
三、傳送請求和接收數據
四、網頁信息存儲的天格線式
第三節 多道蒐集程式並行工作
一、多執行緒並發工作
二、控制對一個站點並發蒐集執行緒的數目
第四節 如何避免網頁的重複蒐集
一、記錄未訪問、已訪問URL和網頁內容摘要信息
二、域名與IP的對應問題
第五節 蒐集信息的類型
第六節 小結
第四章 對蒐集信息的預處理
第一節 索引網頁庫
第二節 網頁編碼識別
一、基本而重要的概念
二、常用字元編碼
三、常用字元編碼算法
四、字元的輸入和顯示
五、編碼識別
第三節 中文自動分詞
第四節 分析網頁和建立倒排檔案
第五節 小結
第五章 信息查詢服務
第一節 檢索的定義
第二節 查詢服務的實現
一、結果集合的形成
二、查詢結果顯示
第三節 小結
中篇對質量和性能的追求
第六章 可擴展蒐集子系統
第一節 天網系統概述和集中式蒐集系統結構
一、天網系統結構
二、集中式蒐集系統
第二節 利用並行處理技術高效蒐集網頁的一種方案
一、節 點間15RI。的劃分策略
二、關於性能的討論
三、性能測試和評價
四、系統的動態可配置性設計
第三節 天網分散式蒐集系統
第四節 對DeepWeb的認識
一、DeepWeb的成因
二、搜尋DeepWeb的方法
第五節 小結
第七章 網頁淨化與消重
第一節 網頁淨化與元數據提取
一、DocView模型
二、網頁的表示
三、提取DocView模型要素的方法
四、模型套用及實驗研究
第二節 網頁消重算法
一、消重算法
二、算法評測
第三節 小結
第八章 高性能檢索子系統
第一節 檢索系統基本技術
一、系統設計與結構
二、索引創建
三、檢索過程
第二節 適於查詢的網頁索引結構
一、倒排索引結構
二、平面位置索引
第三節 倒排索引壓縮
一、倒排索引壓縮技術
二、詞典與倒排表的壓縮
第四節 索引剪枝
一、靜態索引剪枝方法
二、動態索引剪枝方法
第五節 混合索引技術
一、混合索引的原理
二、混合索引的實現
第六節 倒排檔案快取機制
一、倒排檔案快取
二、負載特性
三、快取策略的選擇
第七節 小結
第九章 相關排序與系統質量評估
第一節 傳統IR的相關排序技術
第二節 連結分析與相關排序
一、連結分析
二、Web查詢模式下的新信息
第三節 相關排序的一種實現方案
一、形成網頁中詞項的基本權重
二、利用連結的結構
三、收集用戶反饋信息
四、計算最終的權重
第四節 信息檢索技術評估
一、信息檢索技術評估指標
二、TREC和CWlRF信息檢索評估
三、搜尋引擎技術評估
第五節 小結
下篇web信息資源的組織與套用服務
第十章 大規模web歷史網頁倉儲系統的構建
第一節 國外web歷史網頁保存現狀
一、InternetArchive
二、PANDORA
三、其他相關Web保存項目
第二節 中國web信息博物館的系統設計
一、WebInfoMall的設計目標
二、WebInfoMall的體系結構
第三節 歷史網頁的存儲
一、數據的組織
二、存儲結構
三、數據管理與壓縮
四、存儲性能
第四節 數據訪問
一、PageID的索引
二、URL的索引
三、數據服務
四、性能與最佳化
第五節 網頁的格式保存
第六節 小結
第十一章 大規模web非網頁信息倉儲系統的構建
第一節 網路資源庫藏相關工作
一、Ibiblio
二、Internet Archive
二、Wikimedia
四、中國網際網路數字資源財富庫藏
第二節 CDAL系統概況
第三節 CDAL系統設計
一、系統體系結構
二、可擴展的存儲組織方案
第四節 網路資源描述信息獲取
一、0ntology概述
二、描述信息獲取機制
三、改進查詢的方法
四、改進排序的方法
第五節 基於局部聚類思想的共現辭彙算法
一、基本定義
二、H）C共現辭彙算法
第六節 小結
第十二章 中文網頁自動分類與聚類
第一節 文檔自動分類算法的類型
第二節 實現中文網頁自動分類的一般過程
第三節 影響分類器性能的關鍵因素分析
一、實驗設定
二、訓練樣本
三、特徵選取
四、分類算法
五、截尾算法
六、中文網頁分類器的設計方案
第四節 天網目錄導航服務
一、問題的提出
二、天網目錄導航服務的體系結構
三、天網目錄的運行實例
第五節 文本聚類方法
一、文本聚類的一般過程
二、文本間相似性的度量
三、常用聚類算法
四、聚類結果的評估
五、搜尋引擎返回結果的聚類
第六節 小結
第十三章 開放域問答系統
第一節 概述
一、問答系統的歷史
二、著名開放域問答系統介紹
三、開放域問答系統的通用體系結構
第二節 問句的分析
一、問句中的指代消解
二、問句分類
三、問句主題提取
第三節 文檔和段落檢索
一、檢索模型的選用
二、查詢生成
三、查詢結果排序
四、增強索引的功能
第四節 答案提取和驗證模組
一、生成候選答案集合
二、答案提取
第五節 問答系統的改進方法
一、問答系統中外部資源的利用
二、尋找特殊類問題的解決方案
三、通過系綜方法構建問答系統
第六節 問答系統的評測
一、TREC問答系統評測
二、問答系統評測指標
第七節 實例：天網開放域問答系統
第八節 小結
參考文獻
附錄 術語
第一版前言
第一章 引論
第一節 搜尋引擎的概念
第二節 搜尋引擎的發展歷史
第三節 一些著名的搜尋引擎
第四節 小結
上篇web搜尋引擎基本原理和技術
第二章 Web搜尋引擎工作原理和體系結構
第一節 基本要求
第二節 網頁蒐集
第三節 預處理
第四節 查詢服務
第五節 體系結構
第六節 小結
第三章 web信息的蒐集
第一節 概述
一、超文本傳輸協定
二、一個小型搜尋引擎系統
第二節 網頁蒐集
一、定義URL類和Page類
二、與伺服器建立連線
三、傳送請求和接收數據
四、網頁信息存儲的天格線式
第三節 多道蒐集程式並行工作
一、多執行緒並發工作
二、控制對一個站點並發蒐集執行緒的數目
第四節 如何避免網頁的重複蒐集
一、記錄未訪問、已訪問URL和網頁內容摘要信息
二、域名與IP的對應問題
第五節 蒐集信息的類型
第六節 小結
第四章 對蒐集信息的預處理
第一節 索引網頁庫
第二節 網頁編碼識別
一、基本而重要的概念
二、常用字元編碼
三、常用字元編碼算法
四、字元的輸入和顯示
五、編碼識別
第三節 中文自動分詞
第四節 分析網頁和建立倒排檔案
第五節 小結
第五章 信息查詢服務
第一節 檢索的定義
第二節 查詢服務的實現
一、結果集合的形成
二、查詢結果顯示
第三節 小結
中篇對質量和性能的追求
第六章 可擴展蒐集子系統
第一節 天網系統概述和集中式蒐集系統結構
一、天網系統結構
二、集中式蒐集系統
第二節 利用並行處理技術高效蒐集網頁的一種方案
一、節 點間15RI。的劃分策略
二、關於性能的討論
三、性能測試和評價
四、系統的動態可配置性設計
第三節 天網分散式蒐集系統
第四節 對DeepWeb的認識
一、DeepWeb的成因
二、搜尋DeepWeb的方法
第五節 小結
第七章 網頁淨化與消重
第一節 網頁淨化與元數據提取
一、DocView模型
二、網頁的表示
三、提取DocView模型要素的方法
四、模型套用及實驗研究
第二節 網頁消重算法
一、消重算法
二、算法評測
第三節 小結
第八章 高性能檢索子系統
第一節 檢索系統基本技術
一、系統設計與結構
二、索引創建
三、檢索過程
第二節 適於查詢的網頁索引結構
一、倒排索引結構
二、平面位置索引
第三節 倒排索引壓縮
一、倒排索引壓縮技術
二、詞典與倒排表的壓縮
第四節 索引剪枝
一、靜態索引剪枝方法
二、動態索引剪枝方法
第五節 混合索引技術
一、混合索引的原理
二、混合索引的實現
第六節 倒排檔案快取機制
一、倒排檔案快取
二、負載特性
三、快取策略的選擇
第七節 小結
第九章 相關排序與系統質量評估
第一節 傳統IR的相關排序技術
第二節 連結分析與相關排序
一、連結分析
二、Web查詢模式下的新信息
第三節 相關排序的一種實現方案
一、形成網頁中詞項的基本權重
二、利用連結的結構
三、收集用戶反饋信息
四、計算最終的權重
第四節 信息檢索技術評估
一、信息檢索技術評估指標
二、TREC和CWlRF信息檢索評估
三、搜尋引擎技術評估
第五節 小結
下篇web信息資源的組織與套用服務
第十章 大規模web歷史網頁倉儲系統的構建
第一節 國外web歷史網頁保存現狀
一、InternetArchive
二、PANDORA
三、其他相關Web保存項目
第二節 中國web信息博物館的系統設計
一、WebInfoMall的設計目標
二、WebInfoMall的體系結構
第三節 歷史網頁的存儲
一、數據的組織
二、存儲結構
三、數據管理與壓縮
四、存儲性能
第四節 數據訪問
一、PageID的索引
二、URL的索引
三、數據服務
四、性能與最佳化
第五節 網頁的格式保存
第六節 小結
第十一章 大規模web非網頁信息倉儲系統的構建
第一節 網路資源庫藏相關工作
一、Ibiblio
二、Internet Archive
二、Wikimedia
四、中國網際網路數字資源財富庫藏
第二節 CDAL系統概況
第三節 CDAL系統設計
一、系統體系結構
二、可擴展的存儲組織方案
第四節 網路資源描述信息獲取
一、0ntology概述
二、描述信息獲取機制
三、改進查詢的方法
四、改進排序的方法
第五節 基於局部聚類思想的共現辭彙算法
一、基本定義
二、H）C共現辭彙算法
第六節 小結
第十二章 中文網頁自動分類與聚類
第一節 文檔自動分類算法的類型
第二節 實現中文網頁自動分類的一般過程
第三節 影響分類器性能的關鍵因素分析
一、實驗設定
二、訓練樣本
三、特徵選取
四、分類算法
五、截尾算法
六、中文網頁分類器的設計方案
第四節 天網目錄導航服務
一、問題的提出
二、天網目錄導航服務的體系結構
三、天網目錄的運行實例
第五節 文本聚類方法
一、文本聚類的一般過程
二、文本間相似性的度量
三、常用聚類算法
四、聚類結果的評估
五、搜尋引擎返回結果的聚類
第六節 小結
第十三章 開放域問答系統
第一節 概述
一、問答系統的歷史
二、著名開放域問答系統介紹
三、開放域問答系統的通用體系結構
第二節 問句的分析
一、問句中的指代消解
二、問句分類
三、問句主題提取
第三節 文檔和段落檢索
一、檢索模型的選用
二、查詢生成
三、查詢結果排序
四、增強索引的功能
第四節 答案提取和驗證模組
一、生成候選答案集合
二、答案提取
第五節 問答系統的改進方法
一、問答系統中外部資源的利用
二、尋找特殊類問題的解決方案
三、通過系綜方法構建問答系統
第六節 問答系統的評測
一、TREC問答系統評測
二、問答系統評測指標
第七節 實例：天網開放域問答系統
第八節 小結
參考文獻
附錄 術語
