denny的专栏

转载声明：本博客文章允许自由转载, 但转载需注明作者，出处作者：denny wqf363@hotmail.com Nov 12，2006 16：26 出处：www.huntmine.com一　Kademlia(KAD)网络Kademlia , Serverless network（无服务器网络）。 一个点对点（P2P）的键, 值>元组存储和查询系统。 Kademlia使用平

 　p2p研究中，主要的技术问题有一：节点的发现与通讯策略；二 文件上传下载的策略；其中文件能否下载是关系到用户满意度的一个重要指标。那么用户如何发现文件源则成了本文的研究对象。 　一）集中式请求：　用户发现文件源，在第一代的p2p软件也是最常用最有效的方法是：到集中式的文件目录服务器获取文件源的地址信息及文件信息（由服务器过滤出在线用户）；然后客户端通过上述信息向目标提供源发起请求，建立连接

参考文献：http://www.stlchina.org/twiki/bin/view.pl/Main/SEStructSys搜索引擎的实现原理，可以看作四步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索→对搜索结果进行处理和排序。 从互联网上抓取网页. 利用能够从互联网上自动收集网页的网络蜘蛛程序，自动访问互联网，并沿着任何网页中的所有URL爬到其它网页，重复这过程，并把爬过的

5.1 搜索引擎数据的索引---倒排表       参考文献：http://my.opera.com/lau_jia/blog/show.dml/408557数据的索引分为三个步骤：网页内容的提取（网络蜘蛛）、词的识别（分词算法）、标引库的建立。目前主流的标引技术有三种，倒排文档、后缀数组和签名档。后缀的方法虽然快（超快），但是其维护困难，代价相当高，不适合搜索引擎的索引。签名档是一种很好

一　robots.txt 什么是robots.txt文件? 搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。搜索引擎遵循Robots协议（详细内容

一 查询子系统1)逻辑表达式综合的搜索引擎通常支持逻辑与,逻辑或,逻辑非这三种操作.多个查询词的时候要进行逻辑操作,通常空格默认为&,如果在多个查询结果前进行预排序,那么就可以把原来复杂的逻辑操作转为有序集合的合并操作,时间复杂度仅为O(m+n).2)排序a)文本排序文本内容是最重要的依据，而文本内容在词汇的集合，因此排序主要考虑到文本词汇的权重，涉及到的因素有:查询词的邻近关系,命中位置(包

1)搜索需求人human   关键字key 信息infomation 2)网页搜索搜索中最成熟的技术,从关键字找到信息,使用倒排索引这种极有效果的索引格式;其它MP3搜索,新闻搜索等都是其一个子项,要么是限制站点的站内搜索,要么就是对时间特别敏感,有时效性; 3)网页目录导航这是从信息中抽取关键字,自动网页分类技术; 用到的是数据挖掘技术,这个也比较成熟了.首先建

Google 黑板报 — 系列一 — 统计语言模型 http://googlechinablog.com/2006/04/blog-post.html 系列二 — 谈谈中文分词 http://googlechinablog.com/2006/04/blog-post_10.html 系列三 — 隐含马尔可夫模型在语言处理中的应用 http://googlechinablog.com/2