一些搜索引擎-数据挖掘要读的基础技术资料

必读资料：

（一） 搜索引擎介绍性Paper/书籍
（1） Arvind Arasu， Junghoo Cho， Hector Garcia-Molina， Andreas
Paepcke，Sriram Raghavan, Search the Web,
http://citeseer.ist.psu.edu/527114.html
以及该paper的参考文献：8，11，22，38
（2） Junghoo Cho 的一些相关论文，重点是他的博士论文，请参考：http://oak.cs.ucla.edu/~cho/
（3） 李晓明，闫宏飞，王继民 《搜索引擎原理、技术与系统》

（二） 编程书籍
《code complete》，中文名《代码大全》。
此书目前一共出版了两版，建议以一版作为精读，另一版作为对比阅读。


选读资料：

（一） 数据挖掘的基础方法和思想
可以参考：《Introduction to Data Mining》，中文名《数据挖掘导论》
http://www.china-pub.com/computers/common/info.asp?id=30045

（二） 自然语言处理
可以参考：《Foundations of Statistical Natural Language Processing》中文名《统计自然语言处理基础》
http://www.china-pub.com/computers/common/info.asp?id=22710

（三） 需要学习的技能/工具语言/平台
（1） linux使用和shell编程
可以参考：《sed与awk》
http://www.china-pub.com/computers/common/info.asp?id=13255
（2） Unix下的网络编程
Richard Stevens, 《TCP/IP 详解》
Richard Stevens, Unix Network Programming，中文名《Unix网络编程》
Richard Stevens, Advanced Programming in the Unix
Environment，中文名《Unix环境高级编程》


建议的学习方式：
1、学习《UNIX环境高级编程》
2、结合《TCP/IP 详解》第一卷的知识，用《Unix网络编程》第一卷提到的方法和工具，进行学习和练习，多写点代码，多用 tcpdump
等工具观察实际的网络数据流。