随笔分类 -  Search Engine

摘要：在本文的上半部分《基于朴素贝叶斯分类器的文本分类算法（上）》一文中简单介绍了贝叶斯学习的基本理论，这一篇将展示如何将该理论运用到中文文本分类中来，具体的文本分类原理就不再介绍了，在上半部分有，也可以参见代码的注释。 阅读全文

摘要：本文缘起于最近在读的一本书-- Tom M.Mitchell的《机器学习》,书中第6章详细讲解了贝叶斯学习的理论知识，为了将其应用到实际中来，参考了网上许多资料，从而得此文。文章将分为上下两个部分，第一部分将介绍贝叶斯学习的相关理论(如果你对理论不感兴趣，请直接跳至第二部分)。第二部分讲如何将贝叶斯分类器应用到中文文本分类，随文附上示例代码。 阅读全文

摘要：昨天有幸拜读了蛙蛙池塘的《蛙蛙推荐：蛙蛙教你文本聚类》这篇文章，受益匪浅，于是今天就动手尝试照着他的C#代码，用C++和STL标准库重新实现一遍，因此就有了这篇文章。本文将重新温习蛙蛙池塘那篇文章，并且加入我个人在用C++重写这份代码过程中的一些心得体会。 阅读全文

摘要：Nutch 是一个基于Lucene，用Java 实现的开源搜索引擎,它提供了我们运行自己的搜索引擎所需的全部工具,包括全文搜索和Web爬虫。 阅读全文

摘要：这个开源的Web爬虫，Internet Archive在它的官方文档中说只维护在linux下，我不想用那么麻烦的bash shell去设置那些环境变量什么的，所以还是偷点懒，自己写个windows命令脚本来让这个爬虫在windows下面跑起来吧，现在就跟我来吧，呵呵。 阅读全文

摘要：Information Retrieval这个术语产生于Calvin Mooers1948年在MIT的硕士论文。 Information Retrieval(IR)：从文档集合中返回满足用户需求的相关信息的过程。作为一门学科，是研究信息的获取(acquisition)、表示(representation)、存储(storage)、组织(organization)和访问(access)... 阅读全文

摘要：一，信息检索的基本概念，评价，模型和算法: 1)模型、相关反馈、查询扩展;2)文本处理技术;3)文本分类和聚类技术(倾向性分析);4)信息过滤技术;5)信息组织和索引;6)并行和分布式检索 二，信息检索的应用：1)WEB检索;2)数字图书馆;3)多媒体检索 三，国际著名研究机构和代表人物 1）美国康奈尔大学Salton(1927-1995)，现代信息检索的奠基人，SMART... 阅读全文

摘要：import java.io.IOException;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.SimpleAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Fiel... 阅读全文

摘要：建立索引:Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/-->import java.io.File;import java.io.FileReader;import java.io.IOException;import java.util.Date;im... 阅读全文