使用C#開發(fā)搜索引擎

第1章 使用c#開發(fā)搜索引擎快速入門
1.1 各種搜索引擎
1.1.1 通用搜索
1.1.2 垂直搜索
1.1.3 站內(nèi)搜索
1.2 搜索引擎整體結(jié)構(gòu)
1.3 搜索引擎基本技術(shù)
1.3.1 網(wǎng)絡(luò)爬蟲
1.3.2 文本挖掘
1.3.3 全文索引
1.3.4 搜索語法介紹
1.3.5 搜索用戶界面
1.4 c#開發(fā)快速入門
1.4.1 準(zhǔn)備開發(fā)環(huán)境
1.4.2 基本語法
1.4.3 多維數(shù)組
1.4.4 位運算
1.4.5 枚舉類型
1.4.6 面向?qū)ο?br />1.4.7 集合類
1.4.8 泛型
1.4.9 委托和事件
1.4.10 類庫
1.5 本章小結(jié)
1.6 術(shù)語表
第2章 使用c#開發(fā)網(wǎng)絡(luò)爬蟲
2.1 網(wǎng)絡(luò)爬蟲抓取原理
2.2 爬蟲架構(gòu)
2.2.1 基本架構(gòu)
2.2.2 分布式爬蟲架構(gòu)
2.2.3 垂直爬蟲架構(gòu)
2.3 下載網(wǎng)頁
2.3.1 http協(xié)議
2.3.2 下載靜態(tài)網(wǎng)頁
2.3.3 下載動態(tài)網(wǎng)頁
2.4 網(wǎng)絡(luò)爬蟲遍歷與實現(xiàn)
2.5 網(wǎng)站地圖
2.6 連接池
2.7 url地址查新
2.7.1 嵌入式數(shù)據(jù)庫
2.7.2 布隆過濾器
2.8 抓取rss
2.9 解析相對地址
2.10 網(wǎng)頁更新
2.11 信息過濾
2.12 垂直行業(yè)抓取
2.13 抓取限制應(yīng)對方法
2.13.1 更換ip地址
2.13.2 抓取需要登錄的網(wǎng)頁
2.13.3 抓取asp.net網(wǎng)頁
2.14 保存信息
2.14.1 存入數(shù)據(jù)庫
2.14.2 存成圖像
2.15 日志
2.16 本章小結(jié)
2.17 術(shù)語表
第3章 索引各種格式文檔
3.1 從html文件中提取信息
3.1.1 識別網(wǎng)頁的編碼
3.1.2 正則表達(dá)式
3.1.3 html agility pack介紹
3.1.4 網(wǎng)頁正文提取
3.1.5 結(jié)構(gòu)化信息提取
3.1.6 查看網(wǎng)頁的dom結(jié)構(gòu)
3.1.7 網(wǎng)頁結(jié)構(gòu)相似度計算
3.2 從非html文件中提取文本
3.2.1 text文件
3.2.2 pdf文件
3.2.3 office文件
3.2.4 rtf文件
3.3 本章小結(jié)
3.4 術(shù)語表
第4章 自然語言處理
4.1 統(tǒng)計機(jī)器學(xué)習(xí)
4.2 文檔排重
4.3 中文關(guān)鍵詞提取
4.3.1 關(guān)鍵詞提取的基本方法
4.3.2 從網(wǎng)頁中提取關(guān)鍵詞
4.4 相關(guān)搜索
4.5 拼寫檢查
4.5.1 拼寫檢查的概率模型
4.5.2 模糊匹配問題
4.5.3 英文拼寫檢查
4.5.4 中文拼寫檢查
4.6 文本摘要
4.6.1 文本摘要的設(shè)計
4.6.2 實現(xiàn)文本摘要技術(shù)
4.6.3 lucene.net中的動態(tài)摘要
4.7 文本分類
4.7.1 自動分類的接口定義
4.7.2 自動分類的實現(xiàn)
4.8 自動聚類
4.8.1 文檔相似度
4.8.2 k均值聚類方法
4.8.3 k均值實現(xiàn)
4.9 拼音轉(zhuǎn)換
4.10 句法分析樹
4.11 信息提取
4.12 本章小結(jié)
4.13 術(shù)語表
第5章 用c#實現(xiàn)中文分詞
5.1 漢語中的詞
5.2 文本切分的基本方法
5.3 有限狀態(tài)機(jī)
5.4 查找詞典算法
5.4.1 標(biāo)準(zhǔn)trie樹
5.4.2 三叉trie樹
5.5 中文分詞的原理
5.6 中文分詞流程與結(jié)構(gòu)
5.7 切分詞圖
5.7.1 保存切分詞圖
5.7.2 生成全切分詞圖
5.8 概率語言模型的分詞方法
5.8.1 一元模型
5.8.2 n元模型
5.9 最大熵
5.10 未登錄詞識別
5.11 詞性標(biāo)注
5.12 地名切分
5.12.1 地址類性標(biāo)注
5.12.2 未登錄詞識別
5.13 本章小結(jié)
5.14 術(shù)語表
第6章 lucene.net原理與應(yīng)用
6.1 lucene.net快速入門
6.1.1 索引文檔
6.1.2 搜索文檔
6.1.3 lucene.net結(jié)構(gòu)
6.2 lucene.net深入介紹
6.2.1 索引原理
6.2.2 分析文本
6.2.3 遍歷索引庫
6.2.4 檢索模型
6.2.5 收集最相關(guān)的文檔
6.3 索引中的壓縮算法
6.3.1 變長壓縮
6.3.2 差分編碼
6.4 創(chuàng)建和維護(hù)索引庫
6.4.1 設(shè)計一個簡單的索引庫
6.4.2 創(chuàng)建索引庫
6.4.3 向索引庫中添加索引文檔
6.4.4 刪除索引庫中的索引文檔
6.4.5 更新索引庫中的索引文檔
6.4.6 索引的優(yōu)化與合并
6.5 查找索引庫
6.5.1 布爾查詢
6.5.2 同時查詢多列
6.5.3 跨度查詢
6.5.4 通配符查詢
6.5.5 過濾
6.5.6 按指定列排序
6.5.7 查詢大容量索引
6.5.8 函數(shù)查詢
6.5.9 定制相似性
6.5.1 0評價搜索結(jié)果
6.6 中文信息檢索
6.6.1 lucene.net中的中文處理
6.6.2 lietu中文分詞的使用
6.6.3 定制tokenizer
6.6.4 解析查詢串
6.6.5 實現(xiàn)字詞混合索引
6.7 抓取數(shù)據(jù)庫中的內(nèi)容
6.7.1 讀取數(shù)據(jù)
6.7.2 數(shù)據(jù)同步
6.8 概念搜索
6.9 本章小結(jié)
6.10 術(shù)語表
第7章 實現(xiàn)搜索用戶界面
7.1 搜索頁面設(shè)計
7.1.1 用于顯示搜索結(jié)果的asp.net
7.1.2 搜索結(jié)果分頁
7.1.3 設(shè)計一個簡單的搜索頁面
7.2 實現(xiàn)搜索接口
7.2.1 lucene.net搜索接口
7.2.2 指定范圍搜索
7.2.3 搜索頁面的索引緩存與更新
7.3 實現(xiàn)關(guān)鍵詞高亮顯示
7.4 實現(xiàn)分類統(tǒng)計視圖
7.4.1 搜索結(jié)果分類統(tǒng)計與導(dǎo)航
7.4.2 層次樹
7.5 相關(guān)搜索詞
7.6 實現(xiàn)ajax自動完成
7.6.1 總體結(jié)構(gòu)
7.6.2 服務(wù)器端處理
7.6.3 瀏覽器端處理
7.7 集成其他功能
7.7.1 拼寫檢查
7.7.2 再次查找
7.7.3 黑名單
7.7.4 搜索日志
7.8 本章小結(jié)
第8章 使用solr開發(fā)網(wǎng)站搜索
8.1 搜索服務(wù)器端
8.8.1 solr結(jié)構(gòu)
8.1.2 啟動solr服務(wù)器
8.1.3 配置支持中文的solr
8.1.4 索引數(shù)據(jù)
8.1.5 查詢功能
8.1.6 高亮
8.2 solr的.net客戶端
8.2.1 使用solrnet
8.2.2 實現(xiàn)多分類
8.2.3 分類統(tǒng)計
8.3 查詢語法
8.3.1 對空格的支持
8.3.2 日期加權(quán)
8.4 索引分布
8.5 本章小結(jié)