fover717的专栏

信息检索导论学习笔记（一）布尔检索定义信息检索是从大规模非结构化数据（通常是文本）的集合（通常保存在计算机上）中找出满足用户信息需求的资料（通常是文档）的过程。倒排索引为提高查询效率，建立倒排索引习题解答：1-10X or YIntersect(p1,p2)answer <- {}while p1!=NULL and p2!=NULLd

信息检索导论学习笔记（三） 词词典及容错式检索1.词典搜索的数据结构哈希表方式查询速度快，但是无法处理前缀式查询搜索树方式 注意搜索树的平衡性2.通配符查询（1）反向B-树通配符不出现在末尾的情况，出现在起始位置。结合B-树和反向B-树通配符在中间的情况（2）轮转索引能查询通配符在中间的情况，但是词典会变大k-gr

信息检索导论学习笔记（二） 词项词典和倒排记录表文档的分析和编码的转换1.生成字符序列2.文档单位的选择词项集合的选择（1）词条化词条化处理往往与语言本省有关，不同语言下的词条化并不相同。（2）去除停用词（3）归并处理（4）词干还原（stemming）和词形归并（lemmatization）基于跳表的倒排记录表快速归并算法（skip list）在更号

信息检索导论学习笔记（四） 索引构建1.基于块的排序索引方法2.内存是单遍扫描索引构建方法

The Anatomy of a Large-Scale Hypertextual Web Search Engine这篇文章的原文在：http://infolab.stanford.edu/~backrub/google.html这是一篇分析大规模文本搜索引擎的文章，分析的是google的搜索引擎，除了传统的搜索引擎应用到大规模数据的问题，本文还介绍了新的技术挑战包括利用超文本的附加

该方法是使用的Levenshtein算法的一个实现。 简单介绍下Levenshtein Distance(LD)：LD 可能衡量两字符串的相似性。它们的距离就是一个字符串转换成那一个字符串过程中的添加、删除、修改数值。    举例：如果str1="test"，str2="test"，那么LD(str1,str2) = 0。没有经过转换。如果str1="test"