摘要：
说实话，我们的这个软件真的不太好单独发布。本来想叫上爬虫组和UI组一起整合后联合发布，但是整合的结果不太好。正好我们也做了图形界面，就单独发布吧。等所有组完全整合起来后，应该会是一个不错的网站。 界面没有变化，但是内部是完全重新写的。第二阶段两个pipeline组做了分工，我们负责网页部分的提取，另一组负责PDF和问答部分。对数据格式我们做了一些改进，比如每个网页有四个标签，每一个标签对应一个preview。这个preview的目的是提供在网页内容中，标签词汇附近的内容预览。类似于搜索引擎的预览功能。图1 百度搜索的预览图2 选择网页的一个标签，查看其附近内容图3 图形界面 但是最终的... 阅读全文
