莱布尼兹

之前一直以为，无论在index或搜索时，如果boost为0，結果将不会得出。但今天经过测试，不是这样的。 来看它的评分公式吧，其中一项就是 queryNorm(q) ，它是这样计算的：  1／sumOfSquaredWeights½  但这样可能遇到分母为0的情况，于是在Query中的weight()中作了修正 ：如果是infinite则为1.  不过，由此我又想到了...

3.3－2011.7 Highlights of the Lucene release include: The spellchecker module now includes suggest/auto-complete functionality, with three...

其实nutch的评分机制有二部分，与通常的ＳＥ类似： １。keywords匹配度 比如利用了lucene的similary机制，要索引和查询时均可定制。   ２。page rank 这里有二个， 一是LinkAanlyzeScoring，作通常连接分析，但基本上都没有方法实现；不知道是否是opic的一个早期版本？   二是opic，即on-line importance c...

以下是转载的执行recrawl的脚本(其实还是可以再优化的,比如参数和备份处理过程等 ），来对比 一下与普通的crawl有啥区别。 # runbot script to run the Nutch bot for crawling and re-crawling. # Usage: bin/runbot [safe] # If executed in 'safe' mode,...

  在整个crawl->recrawl后，其实作为搜索的文件夹只有两个： * index（indexes) :提供搜索，和获取details信息（其实它也是通过 lucene doc fields来得到）。如title,url,last-modified,cache等等。 * segments ： 提供summary即页面的描述，也就 是parse_text和cached(快照，con...