关于百度搜索引擎技术的一点笔记
预处理技术包括：网页分析和倒排索引网页分析：
关键词的提取：
去处html 广告 导航 版权 停用词
然后用切词软件利用字典切出 p={c1,c2,c3.....} 一般c的有效数为200左右
重复和转载文章的消除：
去噪和消重
DocView模型
网页标识、网页类型、内容类别、标题、关键词、摘要、正文、相关链接等要素
网页重要程度的计算：
被引用的次数，最直观的表现为超链接
网页的入度大
网页父网页入度大
网页镜像度高
网页目录深度小
首先形成 网页对应特征相的正排索引，然后再形成 特征词对应网页的倒序索引。
这个分享太实用了，刚好能用到，感谢楼主！ 这个思路很新颖，打开了新世界的大门，谢谢分享 楼主太厉害了，整理得这么详细，必须支持
页:
[1]