开源有哪些信誉好的足球投注网站引擎的比较..doc

开源有哪些信誉好的足球投注网站引擎的比较 AComparisonofOpenSourceSearchEngines ChristianMiddleton,RicardoBaeza-Yates 作者： ChristianMiddleton /in/cmiddlet Hi5的高级工程师。 RicardoBaeza-Yates /Ricardo_Baeza-Yates Yahoo的高级研究人员。 翻译： 史春奇， 有哪些信誉好的足球投注网站工程师， 中科院计算所毕业， chunqi.shi@ 原文：/WRG/dctos/Middleton-Baeza.pdf 目录... 1 第1章简介... 2 第2章背景... 3 2.1文档收集... 4 2.1.1网页抓取... 4 2.1.2文本检索大会TREC. 4 2.2索引... 5 2.3查询和排序... 5 2.4检索评估... 6 第3章有哪些信誉好的足球投注网站引擎... 7 3.1特征... 8 3.2评估... 9 第4章比较方法... 11 4.1文档收集... 11 4.2测试比较... 12 4.3引擎安装... 12 第5章测试... 12 5.1索引... 12 5.1.1TREC-4数据集的索引测试... 12 5.1.2索引WT10g的分组。... 14 5.2查询... 15 5.2.1TREC-4数据集的查询实验... 17 5.2.2准确率和召回率的比较... 19 5.3整体评估... 19 第6章结论... 20 参考书目... 21 第1章 简介 随着互联网信息量的激增，为用户提供网上相关信息的检索成为迫切需求。而当你准备在网站上提供这种检索服务的时候，你可以选择，要么利用商业有哪些信誉好的足球投注网站引擎，要么选择开源有哪些信誉好的足球投注网站引擎。对于很多站点，采用商业有哪些信誉好的足球投注网站引擎，可能没预期的那么便捷，你得花钱，而且呀，你可能没大站点那样受人家重视。另一方面，开源有哪些信誉好的足球投注网站引擎也能提供商业有哪些信誉好的足球投注网站引擎的同类功能（部分能够处理大数据量），同时拥有开源理念带来的好处：不花钱，可以更主动地来维护软件，也通过二次开发来满足个人的需求。 现今，可以选择的开源产品很多，而要决定是采用哪个开源产品，就必须认真考虑每个开源产品的不同的特性。对这些有哪些信誉好的足球投注网站引擎划分的依据可以是开发的编程语言，索引文件的存储（倒排文件，数据库，还是其他文件格式），查询的能力（布尔运算，模糊查询，词根替换等等），排序策略，支持索引的文件类型，在线索引能力和增量索引的能力。其他值得考虑的重要因素是项目的最后更新日期，当前版本和项目的活跃度。这些因素之所以重要是因为，如果一个开源有哪些信誉好的足球投注网站引擎在近期没有更新的话，那么要满足现在的网站的话，可能存在很多的缺陷和问题。利用这些特性就可以给出一个大体上的划分，同时能够减少待选的开源产品的数目。最后，考虑不同负载的时候有哪些信誉好的足球投注网站引擎的性能，当信息量增加时，性能的如何降低的，这些也非常重要。此时，就要分析数据量和索引时间的对比情况，索引阶段所用的资源，和检索阶段的性能。 就目前我们了解的情况，本文的工作是首创，比较了17个主流有哪些信誉好的足球投注网站引擎，并且在不同的文档集合和多种查询类型的情况下，比较了索引和查询的性能。本文的目的是告诉人们遇到某种有哪些信誉好的足球投注网站需求的时候，该如何选择是最合适的开源有哪些信誉好的足球投注网站引擎。 第二章，介绍信息检索的基础概念，第三章，描述一下本文的有哪些信誉好的足球投注网站引擎，第四章，测试实验的实现思路，第五章前两节，给出实验的结果。第五章最后一节，对结果进行分析。最后，第六章进行总结。 第2章背景 信息检索（IR）是一个较广的领域，一般符合如下定义：是对信息项进行数据表示，存储，组织和访问的领域。 作为一个较广的领域，信息检索必须要能够在对信息进行处理后，用户就能够容易地访问到他们关注的信息。另一个也不失一般性的定义，描述如下：信息检索是从大量数据集合（通常是存放在本地服务器或者互联网上）中，查找满足需求的非结构化（文本）数据（文档）集。 核心思想是从可以获取到的数据中，检索出具有相关性的部分来满足用户的信息需求。为了实现这个目的，信息检索（IR）系统由几个相互关联的模块组成（图2.1）。通常这些模块含有三个方面的：索引，查找和排序。 图2.1：信息检索过程 索引：负责表示和组织所有信息，实现高效的信息访问。 查询：从索引中抽出满足用户需求的信息。 排序：尽管这是非必须的步骤，但对检索来说非常重要，启示式地对检索结果尽可能按照满足用户需求的方式排序。 2.1文档收集 要有信息可以检索的话，就要先收集信息，作为索引的入口数据。待收集文档可以是任何类型的数据，只要能从中抽取出信息来。这就有很多场景了，要具体看检索系统的应用背景了。 2.1.1网页抓取 在网页有哪些信誉好的足球投注网站的场景中，网络爬虫是相当必要的。简单来讲，爬虫是能够在网站间游走，并且将访问过的页面下载保存下来。网络爬虫种类很多，有些是商业的，也有开源的。