解密搜索引擎技術(shù)實(shí)戰(zhàn)：Lucene&Java精華版(第3版)是獵兔搜索開(kāi)發(fā)團(tuán)隊(duì)的軟件研發(fā)和教學(xué)實(shí)踐的經(jīng)驗(yàn)匯總。本書(shū)總結(jié)搜索引擎相關(guān)理論與實(shí)際解決方案，并給出了Java實(shí)現(xiàn)，其中利用了流行的開(kāi)源項(xiàng)目Lucene和Solr，而且還包括原創(chuàng)的實(shí)現(xiàn)。本書(shū)主要包括總體介紹部分、爬蟲(chóng)部分、自然語(yǔ)言處理部分、全文檢索部分以及相關(guān)案例分析。

爬蟲(chóng)部分介紹了網(wǎng)頁(yè)遍歷方法和如何實(shí)現(xiàn)增量抓取，并介紹了從網(wǎng)頁(yè)等各種格式的文檔中提取主要內(nèi)容的方法。

自然語(yǔ)言處理部分從統(tǒng)計(jì)機(jī)器學(xué)習(xí)的原理出發(fā)，包括了中文分詞與詞性標(biāo)注的理論與實(shí)現(xiàn)及在搜索引擎中的應(yīng)用等細(xì)節(jié)，同時(shí)對(duì)文檔排重、文本分類、自動(dòng)聚類、句法分析樹(shù)、拼寫(xiě)檢查等自然語(yǔ)言處理領(lǐng)域的經(jīng)典問(wèn)題進(jìn)行了深入淺出的介紹，并總結(jié)了實(shí)現(xiàn)方法。

在全文檢索部分，結(jié)合Lucene介紹了搜索引擎的原理與進(jìn)展。用簡(jiǎn)單的例子介紹了Lucene的應(yīng)用方法，包括完整的搜索實(shí)現(xiàn)過(guò)程：從完成索引到搜索用戶界面的實(shí)現(xiàn)。

目錄

第1章 搜索引擎總體結(jié)構(gòu) 1
第2章 網(wǎng)絡(luò)爬蟲(chóng)的原理與應(yīng)用 11
第3章 索引內(nèi)容提取 86
第4章 中文分詞的原理與實(shí)現(xiàn) 144
第5章 讓搜索引擎理解自然語(yǔ)言 199
第6章 Lucene原理與應(yīng)用 303
第7章 搜索引擎用戶界面 370
第8章 使用Solr實(shí)現(xiàn)企業(yè)搜索 413
第9章 地理信息系統(tǒng)案例分析 474
第10章 戶外活動(dòng)搜索案例分析 495