登录
首页 » Windows开发 » 搜索引擎

搜索引擎

于 2022-05-07 发布 文件大小:2.47 MB
0 221
下载积分: 2 下载次数: 1

代码说明:

爬虫模块、预处理模块和搜索模块。 搜索引擎的三个部分是相互独立的,三个部分分别工作,主要的关系体现在前一部分得到的数据结果为后一部分提供原始数据。 用户通过浏览器提交查询的词或者短语 P,搜索引擎根据用户的查询返回匹配的网页信息列表 L; 上述过程涉及到两个问题,如何匹配用户的查询以及网页信息列表从何而来,根据什么而排序?用户的查询 P 经过分词器被切割成小词组 并被剔除停用词 ( 的、了、啊等字 ),根据系统维护的一个倒排索引可以查询某个词 pi 在哪些网页中出现过,匹配那些 都出现的网页集即可作为初始结果,更进一步,返回的初始网页集通过计算与查询词的相关度从而得到网页排名,即 Page Rank,按照网页的排名顺序即可得到最终的网页列表; 假设分词器和网页排名的计算公式都是既定的,那么倒排索引以及原始网页集从何而来?原始网页集在之前的数据流程的介绍中,可以得知是由爬虫 spider 爬取网页并且保存在本地的,而倒排索引,即词组到网页的映射表是建立在正排索引的基础上的,后者是分析了网页的内容并对其内容进行分词后,得到的网页到词组的映射表,将正排索引倒置即可得到倒排索引; 网页的分析具体做什么呢?由于爬虫收集来的原始网页中包含很多信息,比如 html 表单以及一些垃圾信息比如广告,网页分析去除这些信息,并抽取其中的正文信息作为后续的基础数据。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • Alarm clock program, you can set the alarm, ring tones from the set, it is pract...
    闹钟程序,可以设定闹铃,铃声自定,很实用-Alarm clock program, you can set the alarm, ring tones from the set, it is practical
    2022-02-05 02:46:40下载
    积分:1
  • 起点
    定时启动服务,当指定服务被意外关闭,自动启动该服务,使用wmi实现。-Start-up services from time to time, when the specified service was accidentally shut down, automatically start the service, use wmi to achieve.
    2023-01-13 11:45:04下载
    积分:1
  • 一个程序,主要解决窗口不能切换的问题
    一个程序,主要解决窗口不能切换的问题 -A program, the main window can not switch to solve the problem
    2022-08-24 21:05:13下载
    积分:1
  • 文本形式的字节流转binary格式的字节流
    文本形式的字节流转binary格式的字节流-text byte transfer binary format byte stream
    2022-02-15 01:08:43下载
    积分:1
  • procedures have only mean of 0 and variance for a random number to produce the m...
    程序只产生均值为0,方差为1的随机数,要产生均值为E,方差为D的随机数,只要随机数*D+E就可以了。 高斯随机数程序还是带参数的,参数是用来描述正态分布的一个浮点数表。在执行程序时 ,先生成这个表(只做一次),而后就可以任意多次地执行高斯随机数产生程序了。 使用C是为了保证通用性,如果有人觉得麻烦,可以用C++做个类,把这些东西都封装进去 。 另外,如果有人有兴趣,也可以把它修改成任意形式分布的连续随机数产生程序,修改非 常简单,这里就不提示了。-procedures have only mean of 0 and variance for a random number to produce the mean E, D variance for the random number, as long as a few random E* D on it. Gaussian random process parameters or with the parameter is used to describe a normal distribution of the float table. In the implementation process, Mr. into the table (one-off), and you can repeatedly arbitrary implementation Gaussian random number generator proceedings. The use of C is to ensure commonality, if someone finds trouble, can be used to be a Class C, all these things into account Packaging. Also, if someone is interested, can you change the form of arbitrary distribution of continuous random number generator procedure is very simple changes, I will not be sacrificed as a result.
    2022-10-24 11:05:03下载
    积分:1
  • 在线旅游
    今天旅游拥有了先进的通过选择的在线预订和信息系统。如果我们考虑现有的方案中,用户要搜索手动问到提供程序是面向较少用户的详细信息,这会消耗更多的人力。旅游提供商的所有者是不能够直接接触客户和他们的利益,因此旅游门户网站是一个自动化的系统,已经为游旅游者、 旅游经营者和旅游代理商。该网站允许用户登录和搜索在线的详细信息,在世界各地的最佳旅游目的地。
    2022-04-21 02:38:58下载
    积分:1
  • 我们参加比赛时的源程序,现在吐血奉上,希望大家一起提高,里面用到了0832,和液晶显示...
    我们参加比赛时的源程序,现在吐血奉上,希望大家一起提高,里面用到了0832,和液晶显示-We take part in competitions at the source, and now offer hematemesis, hoping to improve the U.S., which used the 0832, and the liquid crystal display
    2022-05-17 23:59:15下载
    积分:1
  • DeskTop桌面处理 DeskTop桌面处理
    DeskTop桌面处理 DeskTop桌面处理-DeskTop Desktop Desktop DeskTop treatment treatment
    2023-01-08 15:30:03下载
    积分:1
  • 学习化学的一个工具,可以分析晶体的大概结构,并进行图形旋转等...
    学习化学的一个工具,可以分析晶体的大概结构,并进行图形旋转等-study of a chemical tool can analyze the crystal structure around, and rotating graphics
    2022-01-26 07:33:21下载
    积分:1
  • microcontroler
    pic单片机编程的basic项目。通过I2C与外设的Pic接口。I2C协议简介。如何使用单片机与外设的接口。
    2022-02-14 14:28:32下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载