Kangsheng的专栏

来源：e800.com.cn PageRank揭密 PageRank的原理类似于科技论文中的引用机制：谁的论文被引用次数多，谁就是权威。说的更白话一点：张三在谈话中提到了张曼玉，李四在谈话中也提到张曼玉，王五在谈话中还提到张曼玉，这就说明张曼玉一定是很有名的人。在互联网上，链接就相当于“引用”，在B网页中链接了A，相当于B在谈话时提到了A，如果在C、D、E、F中都链接了A，那么说明A网页是最重要的

来源：e800.com.cn 排序技术的发展趋势 各种搜索引擎的技术改进和优化，都直接反应到搜索结果的排序上。许多搜索引擎都在进一步研究新的排序方法，来提升客户的满意度。专业人士认为，目前的搜索引擎排序算法上还存在两大不足。 一、没有真正解决相关性。相关性是指搜索词和页面的相关程度。仅仅通过链接、字体、位置等表面特征，不能真正判断搜索词和文章的相关性，更何况许多时候这些特征不会都同时存在。这也是许

作者： 车东 Email: chedongATbigfoot.com/chedongATchedong.com版权声明：可以任意转载，转载时请务必以超链接形式标明文章原始出处和作者信息及本声明http://www.chedong.com/tech/lucene.html关键词：Lucene java full-text search engine Chinese word segment内容摘要：

卢亮 : 六翼的天使       在开发Booso新闻搜索引擎的时候，出现一个问题就是有很多的新闻属于转载的形式，要判断新闻是否转载，经过实验，我发现可以用“平移”算法来实现。"平移算法"非常简单易用，就是比较两个文章／字串中最高的重叠率和平均重叠的长度。例如我们有两个文章的标题："报告显示中国ip视频通信应用早于西方国家_通讯与电讯_科技时代_新浪网"http://tech.sina.com.c

作者：gdsean（原作）   在本文我又提到lucene了，在java业界，提到全文检索，几乎没有什么人不知道它。用google搜索一下，满世界都是有关资料。具有代表性的就是车东的“基于Java的全文索引引擎Lucene简介”，我要写的也就只有最简单的三板斧，再加上支持中文的ChineseAnalyzer以及按照时间排序的搜索结果排序方法。这些都可以在其他地方找到相关资料，我只是把他们提出来，作

排序小结    排序算法是一种基本并且常用的算法。由于实际工作中处理的数量巨大，所以排序算法对算法本身的速度要求很高。而一般我们所谓的算法的性能主要是指算法的复杂度，一般用O方法来表示。在后面我将给出详细的说明。    对于排序的算法我想先做一点简单的介绍，也是给这篇文章理一个提纲。    我将按照算法的复杂度，从简单到难来分析算法。    第一部分是简单排序算法，后面你将看到他们的共同点是算法复

来源：e800.com.cn 随着“眼球经济”席卷互联网，成千上万的资金迅速流向最能吸引浏览着眼球的搜索引擎市场。有大量调查显示搜索引擎市场正处在高速发展时期，成为了未来几年内最具发展潜力的产业之一。随着Google、百度、中国搜索等各具特色的搜索引擎逐渐成为人们最常用的网络工具，企业对搜索引擎的注意力也从“观察”升级为“动武”。 随着市场容量和使用者人数的不断激增，如何完善搜索功能使之更加公平、

来源：e800.com.cn 其他方法 HillTop算法： HillTop同样是一项搜索引擎结果排序的专利，是Google的一个工程师Bharat在2001年获得的专利。Google的排序规则经常在变化，但变化最大的一次也就是基于HillTop算法进行了优化。HillTop究竟原理如何，值得Google如此青睐？ 其实HillTop算法的指导思想和PageRank的是一致的，都是通过网页被链接的

智能信息处理系统内核实现程 军1 智能信息处理现状简介目前网上推出的各种新型服务模式，如智能Agent，智能检索，信息挖掘，信息推送，信息导航，知识发现等功能，其核心问题之一是如何解决信息的自动分类。关于信息的自动分类技术，主要有两种方法：一种是以美国Salton教授提出的向量空间模型（Vector Space Mode, 简称VSM）理论为基础；一种是基于Agent的超文本分类方法，其基础为自适