百度是全球最大的中文搜索引擎，也是在中国地区的主流搜索引擎，有着几亿的搜索用户，可以说得上是互联网上的CCTV，是广大优化团队主要优化对象。百度上有很多应用平台，如知道、文库、百科，都是非常成功的平台，同时也是跟百度搜索引擎结合得很好的平台，虽然百度在做电子商务平台不太理想，但百度本身就是一个电子商...
分类：
其他好文 时间：
2014-06-27 19:20:49
阅读次数：
268
AddtoAny:SubscribeButton让读者方便的订阅你的博客到任何Feed阅读器GoogleXMLSitemaps生成完全兼容各大搜索引擎的Sitemaps/网站地图.BookmarkMe添加社会化书签网站按钮到你的博客文章页面，方便用户收藏和分享.BrokenLinkChecker检查...
分类：
其他好文 时间：
2014-06-27 15:43:29
阅读次数：
130
书籍学习——董西成《Hadoop技术内幕 深入解析HADOOP COMMON和HDFS架构设计与实现原理》HDFS 高容错，高伸缩性Lucene是引擎开发包，提供了一个纯java的高性能全文检索，可方便的嵌入到各种应用中实现全文搜索/索引功能。Nutch是以Lucene为基础实现的搜索引擎应用，Lu...
分类：
其他好文 时间：
2014-06-27 12:15:57
阅读次数：
221
数天前，百度站长平台发布“正确理解索引量工具”一文，称索引量仅指被百度搜索引擎建立了索引的网页总量，表示网站中有多少页面可以作为搜索候选结果，不同网页因内容重要性、稀缺性不同，被展现的几率有很大差别。换句话说，既使你的网站有1亿个网页被建立索引，也许真正能获得流量的仅有100个页面。 该文章一经发布...
分类：
Web程序 时间：
2014-06-26 22:47:22
阅读次数：
397
中文分词是做好中文内容检索、文本分析的基础，主要应用于搜索引擎与数据挖掘领域。中文是以词为基本语素单位，而词与词之间并不像英语一样有空格来分隔，因而中文分词的难点在于如何准确而又快速地进行分词以下介绍4款开源中文分词系统。1、ICTCLAS – 全球最受欢迎的汉语分词系统 中文词法分析是中文信息处理...
分类：
其他好文 时间：
2014-06-26 22:35:29
阅读次数：
298
ElasticSearch是一个基于Lucene构建的开源，分布式，RESTful搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。支持通过HTTP使用JSON进行数据索引。 我们建立一个网站或应用程序，并要添加搜索功能，令我们受打击的是：搜索工作是很难的。我们希望...
分类：
其他好文 时间：
2014-06-26 12:33:39
阅读次数：
197
Rewrite 主要的功能就是实现 URL 的重写，通过重写 URL 实现静态化(当然这是伪静态)， 这样做的目的是便于搜索引擎和用户的理解，以提高搜索引擎的收录数量。...
分类：
其他好文 时间：
2014-06-26 12:04:49
阅读次数：
324
垂直搜索引擎研发经验总结
什么是垂直搜索引擎？
垂直搜索引擎是针对某一行业的搜索引擎，是搜索引擎的细化和延伸，是对网页库中的某类信息进行一次整合，定向分字段抽取出所需要的数据，再进行二次处理和索引，最后根据用户提交的请求，返回搜索结果。
与普通的网页搜索引擎相比，它们最大的区别是对网页信息进行了结构化信息抽取，也就是将网页的非结构化数据抽取成特定的结...
分类：
其他好文 时间：
2014-06-26 07:38:14
阅读次数：
294
trie -- suffix tree -- suffix automa 有这么一些应用场景：
即时响应用户输入的AJAX搜索框时, 显示候选列表。
搜索引擎的关键字个数统计。
后缀树(Suffix Tree): 从根到叶子表示一个后缀。
仅仅从这一个简单的描述，我们可以概念上解决下面的几个问题：
P:查找字符串o是否在字符串S中
A:若o在S中，则o必然是S的某个后缀...
分类：
其他好文 时间：
2014-06-25 08:47:36
阅读次数：
165
W3Cschool上是这样说明的:
元素可提供有关页面的元信息（meta-information），比如针对搜索引擎和更新频度的描述和关键词。
标签位于文档的头部，不包含任何内容。 标签的属性定义了与文档相关联的名称/值对。
HTML 与 XHTML 之间的差异
在 HTML 中， 标签没有结束标签。
在 XHTML 中， 标签必须被正确地关闭。
提示和注释：
注释： 标签永...
分类：
Web程序 时间：
2014-06-22 17:22:53
阅读次数：
228
