搜索引擎技术一（帖子收藏）

阅读更多

 

　 利用Sphinx实现实时全文检索

　 基于Sphinx构建准实时更新的分布式通用搜索引擎平台

　 尝试使用IKVM运行Lucene 2.9.0版

　 中文分词的整理

　 Apache Lucene 2.9的改进

　 Scrapy 轻松定制网络爬虫

　 如何识别搜索引擎爬虫的真伪

　 互联网网站的反爬虫策略浅析

　 如何对付网络爬虫 - JavaEye和网络爬虫斗争之路

　 当前几个主要的Lucene中文分词器的比较

　 beta技术沙龙：大型网站的Lucene应用

　 中文分词和TF-IDF

　 nutch0.9实现抓取动态网页部署笔记

　 Sphinx 的那些麻烦事

　 Lucene 索引滚动流程设计

　 开源Java搜索引擎：Minion

　 我的开源PHP中文分词扩展：PHPCWS 1.0.0

　 亿级数据的高并发通用搜索引擎架构设计

　 Hibernate Search 3.1支持动态搜索分析器及查询时间的性能改进

　 Sphinx在Windows下安装使用[支持中文全文检索]

　 Apache Solr：基于Lucene的可扩展集群搜索服务器

　 Apache Lucene与Lucene.Net——全文检索服务器

　 Lucene中创建索引的效率和删除索引的实现

　 推荐引擎反思

　 Apache solr，构建自己的全文搜索引擎

　 此周边搜索非彼周边搜索

　 基于Sphinx+MySQL的千万级数据全文检索（搜索引擎）架构设计

　 谷歌搜索排序的介绍

　 推荐ruby中文分词器 － RMMSeg

　 rmmseg-cpp - 简洁高效的ruby中文分词程序

　 Xapian - C++全文检索程序

　 使用libmmseg实现Ruby的中文分词功能

　 教你索引邮件

　 Compass 2.0：简化、集成及性能提升

　 关键词提取算法

　 教你文本聚类

　 搜索spider对二叉查找树查找实验

　 谈谈网络爬虫设计中的问题

　 为什么说Lucene不好

　 如何验证谷歌抓取机器人(Googlebot)

　 百度分词算法详解

　 lucene.net 2.0 中文分词后语法高亮问题

　 Lucene搜索结果排序问题（按时间倒序排的替代解决方法）

　 谈 Page Rank – Google 的民主表决式网页排名技术

　 PHP 的搜索引擎技术

　 蜘蛛/爬虫程序的多线程控制（C#语言）

　 爬虫/蜘蛛程序的制作（C#语言）

　 用Python写一个小小的爬虫程序

　 如何构造一个C#语言的爬虫程序

　 搜索引擎中网络爬虫的设计分析