popkiler的专栏

      我们可以将WEB信息的搜索看作一个信息检索问题，即在由WEB网页组成的文档集中检索出与用户查询相关的文档．所以我们可以用衡量传统信息检索系统的性能参数一查全率(Recall)和查准率(Precision)–来衡量一个搜索引擎的性能。       查全率是检索出的相关文档数和文档集中所有的相关文档数的比率．衡量的是检索系统(搜索引擎)的查全率；       查准率是检索出的相关文

搜索分类开门贴，呵呵！记得在99年开始上网，那时候网站还很少，基本上还是靠看电脑报之类的杂志报纸来回去最新的网站信息，现在却发现不得不依靠搜索来寻找自己需要的材料，而不是去找那个网站了。个人认为现在网络上的太多东西存在重叠，以至于大家不得不依靠搜索给自己安上一双慧眼。Google的成功是必然的，顺应了技术发展。那下一步又是什么呢？我想可能会是分类搜索，基于特定内容的搜索，毕竟Google给我们

网页去重：搜索引擎重复网页发现技术分析(转载)2007-05-23 11:50原载：http://hi.baidu.com/xiezuo/blog/item/03820cd7c6c920dca044dfc2.html一.  介绍统计结果表明，近似镜像网页数占总网页数的比例高达全部页面的29%,而完全相同的页面大约占全部页面的22%。这些重复网页有的是没有一点改动的拷贝，有的在内容上稍作

网页去重：搜索引擎重复网页的算法(转载)2007-2-28 11:26:59搜索引擎算法之复制网页搜索引擎复制网页的算法春节这几天，看了一些搜索引擎基本原理的书，下面把了解到关于复制网页的算法写下来。关键词：搜索引擎，复制网页，算法，信息指纹，Fingerprint，关键词搜索引擎判断复制网页一般都基于这么一个思想：为每个网页计算出一组信息指纹（Fingerprint），若两个网页