自製搜索引擎 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[日] 山田浩之，[日] 末永匡 著，鬍屹 譯

齣版社： 人民郵電齣版社

ISBN：9787115411709

版次：1

商品編碼：11837411

包裝：平裝

叢書名： 圖靈程序設計叢書

開本：32開

齣版時間：2016-01-01

用紙：膠版紙

頁數：190

正文語種：中文

編輯推薦

　　2600行代碼，真實體驗搜索引擎的開發過程
　　開源搜索引擎Senna/Groonga的開發者親自執筆
　　探明Google、百度背後的工作機製
　　專業：開源搜索引擎Senna/Groonga開發者、Yahoo!搜索引擎研發者執筆。
　　實戰易上手：2600行代碼，從零開始寫一個簡易搜索引擎，然後進行優化。
　　講解細緻：濃縮搜索引擎的關鍵知識點 ，源碼可下載，邊學習邊實踐。
　　平緩進階：書末介紹更專業的搜索引擎技術，為讀者的深入學習做準備。

內容簡介

　　《自製搜索引擎》聚焦於Google和Yahoo!等Web搜索服務幕後的搜索引擎係統，首先講解瞭搜索引擎的基礎知識和原理，接著以現實中的開源搜索引擎Senna/Groonga為示例，使用該引擎的源代碼引導讀者親自體驗搜索引擎的開發過程。這部分講解涉及瞭倒排索引的製作和壓縮、檢索的處理流程以及搜索引擎的優化等內容。又簡單介紹瞭一些更加專業的搜索引擎的知識和要點，為讀者今後進一步學習打下瞭基礎。

作者簡介

　　山田浩之，信息工程學博士。先後於日本IBM、雅虎從事分布式搜索引擎的研發工作。目前在東京大學生産技術研究所從事高性能並行數據庫的研發工作。

　　末永匡，開源搜索引擎Senna/Groonga的開發者。每天都在奮鬥，夢想著能創建一個更加自由、更加無拘無束的，而不是一傢獨大的應用程序平颱。

　　鬍屹，多年從事Web開發工作。熱愛編程，關注設計模式，緻力於提升軟件開發的質量。曾獲得SCJP和PHP ZCE證書。譯有《計算機是怎樣跑起來的》。

目錄

第1章　搜索引擎是如何工作的　　1
1-1　理解搜索引擎的構成　　3
什麼是搜索引擎　　3
構成搜索引擎的組件　　4
與搜索引擎相關的組件　　5
1-2　 實現瞭快速全文搜索的索引結構　　7
全文搜索的兩種方法　　7
倒排索引的結構　　8
倒排索引的構建方法　　9
倒排索引中的術語　　10
1-3　深入理解倒排索引　　12
倒排索引=詞典+倒排文件　　12
從倒排索引中查找單詞　　13
將單詞的位置信息加入倒排文件中　　13
從倒排索引中查找短語　　14
1-4　製作中文文檔的倒排索引　　16
分割中文句子的方法　　16
權衡分割方法　　17
1-5　實現倒排索引　　19
實現詞典　　19
實現倒排文件　　22
1-6　使用倒排索引進行檢索　　24
布爾檢索　　24
使用倒排索引的檢索處理流程　　24
關聯度的計算方法　　26
信息檢索中的檢索　　27
1-7　構建倒排索引　　29
使用內存構建倒排索引　　29
使用二級存儲構建倒排索引　　29
靜態索引構建和動態索引構建　　32
1-8　準備要檢索的文檔　　34
收集數據　　34
數據規範化　　35
第2章　準備全文搜索引擎的檢索樣本　　37
2-1　全文搜索引擎wiser　　39
wiser的構成　　39
準備用於檢索的文檔　　40
2-2　安裝wiser　　42
構建wiser　　42
啓動wiser　　43
解壓縮Wikipedia的副本　　44
2-3　運行wiser　　45
構建倒排索引　　45
使用倒排索引查詢　　46
比較grep和wiser的運行速度　　46
第3章　構建倒排索引　　49
3-1　復習有關倒排索引的知識　　51
提取詞元　　51
為每個詞元創建倒排列錶　　53
3-2　構建倒排索引　　54
在存儲器上創建倒排列錶　　54
倒排列錶和倒排文件的數據結構　　54
從源代碼級彆梳理倒排索引的構建順序　　56
進一步閱讀源代碼　　59
專欄　根據實際情況設計搜索引擎（係統）　　68
第4章　開始檢索吧　　71
4-1　檢索處理的大緻流程　　73
充分理解檢索處理的流程　　73
4-2　使用倒排索引進行檢索　　75
從源代碼級彆梳理檢索處理的流程　　75
解讀split_query_to_tokens()函數的具體實現　　76
使用具體示例加深對檢索處理流程的理解　　77
解讀函數search_docs()的實現細節　　80
解讀函數search_phrase()的實現　　84
專欄　如何實現標簽檢索　　88
第5章　壓縮倒排索引　　89
5-1　壓縮的基礎知識　　90
壓縮倒排索引的好處　　90
專欄　壓縮的目的　　90
倒排索引的壓縮方法　　91
倒排文件的壓縮方法　　91
壓縮的原理　　94
5-2　實現wiser中的壓縮功能　　97
壓縮功能源代碼的概要　　97
瞭解無需進行壓縮時的操作　　99
抓住Golomb編碼的要點　　101
解讀Golomb編碼中的編碼處理　　105
解讀Golomb編碼的解碼處理　　108
第6章　挑戰wiser的優化及參數的調整　　113
6-1　提高檢索處理的效率　　115
優化檢索處理　　115
將查詢分割為無重復部分的詞元序列　　116
6-2　禁用短語檢索　　119
分析對2字符的字符串進行檢索時的行為　　119
分析對3字符的字符串進行檢索時的行為　　120
6-3　改變檢索結果的輸齣順序　　122
作為檢索結果排序核心的指標　　122
按照文檔大小降序排列的檢索結果　　124
專欄　排名欺詐　　128
6-4　 讓1個字符的查詢也能檢索齣結果　　29
獲取以特定字符開頭的詞元的列錶　　129
閤並檢索到的結果　　131
專欄　如何實現相似文檔的檢索　　131
6-5　 調整控製倒排索引更新的緩衝區容量　　133
確認由緩衝區容量的差異帶來的不同效果　　133
用sar命令分析負載　　134
6-6　 調整隻有英文字母的詞元的分割方法　　135
如何避免用英文單詞檢索時準確率下降的問題　　135
如何判斷某字符是否屬於索引對象　　135
修改負責分割詞元的函數　　136
6-7　確認壓縮的效果　　138
觀察Golomb編碼的效果　　138
對比壓縮啓用前後的索引大小　　138
專欄　避免濫用全文搜索引擎　　139
第7章　為今後更加深入的學習做準備　　141
7-1　wiser沒能實現的功能　　143
倒排索引之外的全文搜索索引　　143
高效處理大規模數據的存儲器　　143
利用緩存提高檢索的速度　　143
使用各種各樣的壓縮方法　　144
優化搜索結果的排名　　144
調整準確率和召迴率　　145
降低檢索結果排序處理的負載　　147
並行處理　　147
結閤對屬性的篩選過濾　　148
分麵搜索　　148
專欄　時延和吞吐量　　149
7-2　 全文搜索引擎Groonga的特點　　150
通過詞元的部分一緻檢索提升召迴率　　150
使用內存映射文件　　151
片段　　152
專欄　宣傳活動的重要性　　152
7-3　 實現齣考慮到用戶意圖的搜索引擎　　153
引入停用詞　　153
應對詞素解析的錯誤　　153
專欄　斷句錯誤　　154
處理全角字符和半角字符　　155
對查詢進行歸一化　　156
留意布爾檢索的解析過程　　156
通過詞素解析器適當地解析查詢　　157
對錯誤的輸入進行修正　　157
輸入補全　　158
建議用戶檢索相關的關鍵詞　　159
7-4　收集、提取文檔時的要點　　160
製作爬蟲時的處理要點　　160
在提取文本時需要處理的要點　　163
Appendix　附錄　　165
A-1　深度話題 166
近幾年的壓縮方法　　166
動態索引構建　　169
分布式索引　　174
A-2　wiser中的文本提取和存儲　　178
用於處理XML的2 種API——DOM和SAX　　178
提取文檔的標題和正文　　179
掌握狀態的遷移　　182
構建文檔數據庫　　187
後記　　191

前言/序言

評分☆☆☆☆☆

使用javaCC,對學習編譯原理，影響不大……

評分☆☆☆☆☆

飛超，入門級，有啓發的好書

評分☆☆☆☆☆

書挺好，質量不錯，活動期間買挺便宜，準備好好學習天天嚮上

評分☆☆☆☆☆

內容淺顯易懂，還有CD，就算不會，跟著走就行瞭

評分☆☆☆☆☆

本書寫的很好，對於理解編程語言和編譯器有很大幫助。通過看代碼和動手實驗能夠對編譯器的整體結構和工作流程有進一步的瞭解。

評分☆☆☆☆☆

非常接地氣，雖然不細緻入微，但也是築基的一本好書

評分☆☆☆☆☆

買來準備自學的，希望能堅持下去。

評分☆☆☆☆☆

書很好，慢慢學習，打摺買的，還不錯吧

評分☆☆☆☆☆

啦啦看國産的點點滴滴