搜索引擎

出版者:科学出版社

作者:李晓明

页数:330

出版时间:2012-5

价格:48.00元

装帧:平装

isbn号码:9787030342584

具体描述

《搜索引擎:原理技术与系统(第2版)》系统介绍了互联网搜索引擎的工作原理、实现技术及系统构建方案。全书分三篇共13章。上篇介绍搜索引擎的基本原理和技术，讲述一个小型简单搜索引擎实现的具体细节；中篇详细讨论了大规模分布式搜索引擎系统的设计要点及其关键技术；下篇结合“中国Web信息博物馆”和“中国互联网数字资源财富库藏”的实践经验，介绍了构建大规模Web历史网页和非网页仓储系统的技术和方法，以及中文网页的自动分类与聚类、开放域问题系统的构建等。

作者简介

李晓明：天网搜索引擎领域负责人

闫宏飞 王继民：天网搜索引擎项目负责人

目录信息

第二版前言
第一版前言
第一章引论
第一节搜索引擎的概念
第一二节搜索引擎的发展历史
第三节一些著名的搜索引擎
第四节小结
上篇Web搜索引擎基本原理和技术
第二章Web搜索引擎工作原理和体系结构
第一节基本要求
第二节网页搜集
第三节预处理
第四节查询服务
第五节体系结构
第六节小结
第三章Web信息的搜集
第一节概述
一、超文本传输协议
二、一个小型搜索引擎系统
第二节网页搜集
一、定义URL类和Page类
二、与服务器建立连接
三、发送请求和接收数据
四、网页信息存储的天网格式
第三节多道搜集程序并行工作
一、多线程并发工作
二、控制对一个站点井发搜集线程的数目
第四节如何避免网页的重复搜集
一、记录未访问、已访问URL和网页内容摘要信息
二、域名与IP的对应问题
第五节搜集信息的类型
第六节小结
第四章对搜集信息的预处理
第一节索引网页库
第二节网页编码识别
一、基本而重要的概念
二、常用字符编码
三、常用字符编码算法
四、字符的输入和显示
五、编码识别
第三节中文自动分词
第四节分析网页和建立倒排文件
第五节小结
第五章信息查询服务
第一节检索的定义
第二节查询服务的实现
一、结果集合的形成
二、查询结果显示
第三节小结
中篇对质量和性能的追求
第六章可扩展搜集子系统
第一节天网系统概述和集中式搜集系统结构
一、天网系统结构
二、集中式搜集系统
第二节利用并行处理技术高效搜集网页的一种方案
一、节点问URL的划分策略
二、关于性能的讨论
三、性能测试和评价
四、系统的动态可配置性设计
第三节天网分布式搜集系统
第四节对DeepWeb的认识
一、DeepWeh的成因
二、搜索DeepWeb的方法
第五节小结
第七章网页净化与消重
第一节网页净化与元数据提取
一、DocView模型
二、网页的表示
三、提取DocView模型要素的方法
四、模型应用及实验研究
第二节网页消重算法
一、消重算法
二、算法评测
第三节小结
第八章高性能检索子系统
第一节检索系统基本技术
一、系统设计与结构
二、索引创建
三、检索过程
第二节适于查询的网页索引结构
一、倒排索引结构
二、平面位置索引
第三节倒排索引压缩
一、倒排索引压缩技术
二、词典与倒排表的压缩
第四节索引剪枝
一、静态索引剪枝方法
二、动态索引剪枝方法
第五节混合索引技术
一、混合索引的原理
二、混合索引的实现
第六节倒排文件缓存机制
一、倒排文件缓存
二、负载特性
三、缓存策略的选择
第七节小结
第九章相关排序与系统质量评估
第一节传统IR的相关排序技术
第二节链接分析与相关排序
一、链接分析
二、Web查询模式下的新信息
第三节相关排序的一种实现方案
一、形成网页中词项的基本权重
二、利用链接的结构
三、收集用户反馈信息
四、计算最终的权重
第四节信息检索技术评估
一、信息检索技术评估指标
二、TREC和CWIRF信息检索评估
三、搜索引擎技术评估
第五节小结
下篇Web信息资源的组织与应用服务
第十章大规模Web历史网页仓储系统的构建
第一节国外Web历史网页保存现状
一、Internet Arc hive
二、PANDORA
三、其他相关Web保存项目
第二节中国Web信息博物馆的系统设计
一、WehlnfoM all的设计目标
二、Web InfoMall的体系结构
第三节历史网页的存储
一、数据的组织
二、存储结构
三、数据管理与压缩
四、存储性能
第四节数据访问
一、PageID的索引
二、URL的索引
三、数据服务
四、性能与优化
第五节网页的格式保存
第六节小结
第十一章大规模We非网页信息仓储系统的构建
第一节网络资源库藏相关工作
一、Ibiblio
二、Internet Archive
三、Wikimedia
四、中国互联网数字资源财富库藏
第二节CDAL系统概况
第三节CDAL系统设计
一、系统体系结构
二、可扩展的存储组织方案
第四节网络资源描述信息获取
一、Ontology概述
二、描述信息获取机制
三、改进查询的方法
四、改进排序的方法
第五节基于局部聚类思想的共现词汇算法
一、基本定义
二、FDC共现词汇算法
第六节小结
……
第十二章中文网页自动分类与聚类
第十三章开放域问答系统
参考文献
附录术语
· · · · · · (收起)

读后感

北大天网实验室出的一本书，主要结合了天网的实践，并有一套称为TSE的C++代码。 全书分为三部分。除了第三部分涉及更多的高级问题，理论性较强，书中描述也不太详细之外，前两部分对于非专业人士了解IR系统的“原理，技术与系统”很有帮助。该书对网页抓取，文本分析，索引建...

主要是由北大李晓明那个实验室所发表的论文组成，很多地方偏学术，但是在国内这本书应该是最好的搜索引擎方面的书籍，推荐大家作为搜索引擎入门的书籍，要了解最新的搜索引擎技术还是要多读SIGIR,WWW等会议的相关论文。 读完这本书，可以进一步学习<Pattern Recognition and Ma...  

国内的著作，特别是冠以学术的东西，不论是可读性还是内容的质量都很糟糕，但这本却是例外。 300多页的内容把搜索引擎的原理讲的很清晰，此书成于2005年，搜索引擎领域的发展发生了极大的变化，但是基本的原理还是想通的，需要解决的问题还是一致。 比如分词，检索还有存储，书...  

北大天网实验室出的一本书，主要结合了天网的实践，并有一套称为TSE的C++代码。 全书分为三部分。除了第三部分涉及更多的高级问题，理论性较强，书中描述也不太详细之外，前两部分对于非专业人士了解IR系统的“原理，技术与系统”很有帮助。该书对网页抓取，文本分析，索引建...

是阅读该书及TSE源代码非常好的参考资料，可以作为想从零了解搜索引擎的朋友的入门资料。 可以参考某人的csdn博客中的笔记：http://blog.csdn.net/column/details/inside-tse.html  

用户评价

这本书的内容远超我的预期，它不仅仅是一本技术指南，更像是一本关于信息时代社会变革的社会学观察报告。作者在探讨搜索引擎的技术演进的同时，也深入分析了其对社会、文化、经济以及个人生活带来的深远影响。我特别被书中关于“信息茧房”的章节所打动，作者深入剖析了算法推荐机制如何可能加剧信息的隔离，让人们只看到自己熟悉或认同的信息，从而削弱了批判性思维和多元化的视角。这让我反思自己在日常生活中是如何接触和处理信息的，也警醒我要主动去打破这种潜在的“茧房”效应。此外，书中关于搜索引擎的商业模式、隐私保护以及信息安全等话题的讨论，也让我受益匪浅。我开始更加关注自己在网络上的行为，以及我的搜索数据是如何被收集和使用的。这本书提供了一个全新的视角，让我不再仅仅是一个搜索引擎的使用者，而更像是一个拥有知情权和选择权的参与者。它鼓励我去思考，去质疑，去主动塑造自己在数字世界中的体验，这对我来说是一种非常宝贵的启示。

我一直对人类如何组织和检索知识感到好奇，这本书正好满足了我的这一探求欲。作者从历史的角度追溯了信息检索工具的演变，从最初的书籍目录、卡片索引，到后来的数据库和搜索引擎，这一过程本身就充满了智慧的闪光。我尤其对书中关于早期搜索引擎的设计理念和遇到的挑战的描述感到着迷。那个时代，信息量远没有现在庞大，但如何有效地组织和查找这些信息，依然是一个巨大的难题。作者通过大量史料和案例，展现了那些先驱者们是如何一步步突破技术瓶颈，最终构建起我们今天所熟悉的搜索形态。这本书也让我深刻体会到了“迭代”和“优化”的重要性，每一个搜索引擎的进步，都是无数次实验、改进和创新的结果。它让我认识到，任何伟大的成就都不是一蹴而就的，而是建立在前人的基础之上，不断积累和突破的结果。这种对知识演进过程的呈现，让我对“搜索引擎”这个概念有了更深层次的理解，也让我对未来的信息检索技术发展充满了期待。

不得不说，这本书的写作风格非常吸引人，作者的文字功底深厚，叙述流畅自然，即使是那些非常专业的技术概念，也能被他描绘得生动有趣。我喜欢作者在讲述每一个技术要点时，都能够结合当下的一些热点事件或流行的互联网产品来举例说明，这使得抽象的技术原理变得具体可感。比如，在讲解“自然语言处理”时，他用到了时下流行的智能语音助手和聊天机器人作为例子，让我能够直观地理解这些技术是如何工作的。同时，作者也并没有回避技术中的一些局限性和争议，比如关于算法的公正性、信息的可信度等问题，他都进行了深入的探讨，并提供了多种不同的观点供读者思考。这种开放和包容的态度，让我在阅读过程中充满了探索的乐趣。这本书不仅仅是关于“搜索引擎”本身，更像是一本关于如何理解和驾驭信息时代的思维导图。它鼓励我去主动思考，去批判性地审视我所接触到的信息，而不是被动地接受。

读了大概三分之一，我感觉自己像是进入了一个全新的领域，虽然我平常也经常使用搜索引擎，但这本书让我看到了这个工具更深层次的一面。作者在讲解技术原理时，并没有使用过于晦涩难懂的专业术语，而是通过生动形象的比喻和实际的案例，将复杂的算法和数据结构娓娓道来。比如，在解释“爬虫”的工作原理时，作者将其比作辛勤的蜜蜂，在互联网的广阔花丛中不断采集信息；在讲解“索引”的概念时，又将其类比为图书馆的目录，帮助用户快速定位书籍。这种通俗易懂的讲解方式，极大地降低了阅读门槛，让即使是技术小白的我也能轻松理解。我尤其喜欢作者对“相关性”的探讨，它不仅仅是技术层面的匹配，更涉及到用户意图的理解和语义的分析。书中列举了许多不同场景下的搜索需求，并分析了搜索引擎是如何根据这些需求来调整搜索结果的排序，这让我对“搜索”的理解从简单的关键词匹配上升到了对用户深层需求的洞察。这本书让我认识到，一个好的搜索引擎，不仅仅是技术的堆砌，更是对人类认知模式的模拟和对信息需求的深刻理解。

这本书给我的最大触动，在于它让我意识到“搜索引擎”所承载的社会责任。作者在书中探讨了搜索引擎在信息传播、舆论形成以及知识普及方面所扮演的重要角色，同时也指出了其中潜藏的风险和挑战。他分析了搜索引擎在面对虚假信息、仇恨言论等问题时所面临的困境，以及如何通过技术和政策手段来应对这些挑战。我尤其对书中关于“算法透明度”和“信息治理”的讨论印象深刻。作者呼吁搜索引擎应该更加公开其算法的运作方式，让用户和监管机构能够更好地理解和监督搜索结果的生成过程。这让我认识到，一个健康的互联网生态，离不开搜索引擎的公正和透明。这本书不仅是技术的科普，更是一次关于信息时代社会责任的深刻反思，它促使我思考，我们作为信息时代的参与者，应该如何共同构建一个更美好的数字未来。

坦白说，这本书的内容相当厚重，但作者的叙述方式却异常地引人入胜。他将枯燥的技术原理，通过生动的故事和深刻的洞察，转化为引人入胜的篇章。我特别喜欢作者在描述“机器学习”在搜索引擎中的应用时，所展现出的那种前瞻性。他不仅解释了机器如何通过学习海量数据来不断优化搜索结果，还畅想了未来搜索引擎可能具备的更高级的智能，例如主动预测用户的需求，提供更具前瞻性的信息服务。书中关于“个性化搜索”的探讨也让我受益匪浅。作者分析了搜索引擎如何通过追踪用户的历史搜索记录、浏览习惯等信息，来为用户提供更具针对性的搜索结果。这既带来了便利，也引发了我对数据隐私的思考。这本书让我认识到，技术的发展从来不是孤立的，它总是与我们的生活、我们的社会紧密相连，影响着我们对世界的感知方式。

我一直以为“搜索引擎”只是一个简单的工具，这本书彻底颠覆了我的认知。它以一种极其细腻和深入的方式，揭示了这个工具背后庞大的技术体系和复杂的运行机制。作者在阐述“排名算法”时，详细剖析了网页的权重、关键词的密度、链接的质量以及用户行为等多种因素是如何相互作用，共同决定一个搜索结果的优先级。我尤其对书中关于“用户体验”的重视程度感到印象深刻。作者指出，一个成功的搜索引擎，不仅仅是技术上的精确，更要能为用户提供便捷、高效、个性化的搜索体验。这涉及到界面设计、响应速度、搜索结果的呈现方式等方方面面。书中列举了一些搜索引擎在用户体验优化方面的经典案例，让我看到了技术的温度和人性化的关怀。这本书让我从一个旁观者的角度，去欣赏这个我们每天都在使用的工具所凝聚的智慧和汗水，也让我对那些默默工作的工程师和科学家们充满了敬意。

当我合上这本书的最后一页，心中涌起的不仅是知识的满足感，更多的是一种对信息时代全新视角和深刻理解。作者通过层层递进的叙述，从技术原理到社会影响，再到哲学层面的思考，为我构建了一个关于“搜索引擎”的完整图景。我尤其欣赏作者在处理不同观点时的那种审慎和平衡，他既肯定了搜索引擎为人类带来的便利和效率，也警惕了其可能带来的负面效应，并鼓励读者进行独立思考和判断。书中关于“信息素养”的强调，更是让我觉得意义非凡。作者并非简单地教授技术技巧，而是希望我们能够成为更明智、更具批判性的信息消费者。他鼓励我们去质疑、去探究、去验证，而不是盲目地相信搜索结果。这本书让我意识到，掌握“搜索引擎”这项工具，不仅仅是学会如何去“找”，更重要的是学会如何去“辨”，如何去“用”，最终实现对信息的驾驭，而不是被信息所奴役。这是一次宝贵的学习经历，让我对这个我们习以为常的工具，有了更深层次的敬畏和思考。

这本书最让我惊喜的地方在于，它不仅仅局限于技术层面，更将“搜索引擎”置于一个更宏大的社会和哲学语境中进行审视。作者探讨了搜索引擎如何塑造我们的思维方式，如何影响我们对世界的认知。例如，他分析了“搜索即思维”的现象，即我们越来越依赖搜索引擎来获取答案，甚至在思考问题时也习惯于先去搜索，这是否会削弱我们独立思考的能力？书中关于“信息过载”和“注意力稀释”的讨论，也让我感同身受。在这个信息爆炸的时代，如何保持专注，如何筛选真正有价值的信息，成为了一项严峻的挑战。作者提供的建议和方法，让我开始重新审视自己的信息消费习惯。他鼓励我们去培养“信息筛选能力”和“深度阅读能力”，而不是仅仅停留在信息的表面。这本书像一面镜子，让我看到自己在信息时代的盲点，也为我指明了前进的方向，让我更加清晰地认识到，掌握信息检索工具的同时，更重要的是掌握驾驭信息的能力。

这本书的封面设计给我留下了深刻的印象，那种深邃的蓝色背景，仿佛将我带入了一个浩瀚的知识海洋，而中央那个由无数光点汇聚而成的螺旋状图案，则极具未来感，隐喻着信息的流动与连接。我一直以来都对信息的检索和获取有着浓厚的兴趣，尤其是在这个信息爆炸的时代，如何高效地找到自己需要的内容，成为了一门重要的学问。当我翻开这本书的扉页，一股浓郁的纸张香气扑鼻而来，瞬间勾起了我阅读的欲望。序言部分，作者以一种娓娓道来的方式，阐述了信息时代的挑战与机遇，以及对未来信息检索方式的设想。我尤其欣赏作者在开篇就点明了“搜索引擎”作为现代社会不可或缺的工具的地位，以及其背后蕴含的复杂技术和深刻的社会影响。整本书的排版也十分考究，字里行间都透露着严谨与专业，让人在阅读时既能感受到知识的重量，又能体会到阅读的乐趣。我迫不及待地想深入其中，探索信息世界的奥秘，去了解那些隐藏在搜索结果背后的逻辑和智慧，相信这本书定能为我打开一扇新的大门，让我对这个我们每天都在使用的工具有一个全新的认识，甚至能够从中找到提升自己信息素养的灵感。

....是自己看不懂

....是自己看不懂

国内还算不错的书，浅显易懂

国内还算不错的书，浅显易懂

国内还算不错的书，浅显易懂