解密搜索引擎技術實戰(zhàn)：Lucene&Java精華版

第1章  搜索引擎總體結構
1.1  搜索引擎基本模塊
1.2  開發(fā)環(huán)境
1.3  搜索引擎工作原理
1.3.1  網(wǎng)絡爬蟲
1.3.2  全文索引結構與Lucene實現(xiàn)
1.3.3  搜索用戶界面
1.3.4  計算框架
1.3.5  文本挖掘
1.4  本章小結第2章  網(wǎng)絡爬蟲的原理與應用
2.1  爬蟲的基本原理
2.2  爬蟲架構
2.2.1  基本架構
2.2.2  分布式爬蟲架構
2.2.3  垂直爬蟲架構
2.3  抓取網(wǎng)頁
2.3.1  下載網(wǎng)頁的基本方法
2.3.2  網(wǎng)頁更新
2.3.3  抓取限制應對方法
2.3.4  URL地址提取
2.3.5  抓取JavaScript動態(tài)頁面
2.3.6  抓取即時信息
2.3.7  抓取暗網(wǎng)
2.3.8  信息過濾
2.3.9  最好優(yōu)先遍歷
2.4  存儲URL地址
2.4.1  BerkeleyDB
2.4.2  布隆過濾器
2.5  并行抓取
2.5.1  多線程爬蟲
2.5.2  垂直搜索的多線程爬蟲
2.5.3  異步I/O
2.6  RSS抓取
2.7  抓取FTP
2.8  下載圖片
2.9  圖像的OCR識別
2.9.1  圖像二值化
2.9.2  切分圖像
2.9.3  SVM分類
2.10  Web結構挖掘
2.10.1  存儲Web圖
2.10.2  PageRank算法
2.10.3  HITs算法
2.10.4  主題相關的PageRank
2.11  部署爬蟲
2.12  本章小結第3章  索引內(nèi)容提取
3.1  從HTML文件中提取文本
3.1.1  字符集編碼
3.1.2  識別網(wǎng)頁的編碼
3.1.3  網(wǎng)頁編碼轉換為字符串編碼
3.1.4  使用HTMLParser實現(xiàn)定向抓取
3.1.5  使用正則表達式提取數(shù)據(jù)
3.1.6  結構化信息提取
3.1.7  網(wǎng)頁的DOM結構
3.1.8  使用NekoHTML提取信息
3.1.9  網(wǎng)頁去噪
3.1.10  網(wǎng)頁結構相似度計算
3.1.11  提取標題
3.1.12  提取日期
3.2  從非HTML文件中提取文本
3.2.1  提取標題的一般方法
3.2.2  PDF文件
3.2.3  Word文件
3.2.4  Rtf文件
3.2.5  Excel文件
3.2.6  PowerPoint文件
3.3  提取垂直行業(yè)信息
3.3.1  醫(yī)療行業(yè)
3.3.2  旅游行業(yè)
3.4  流媒體內(nèi)容提取
3.4.1  音頻流內(nèi)容提取
3.4.2  視頻流內(nèi)容提取
3.5  存儲提取內(nèi)容
3.6  本章小結第4章  中文分詞原理與實現(xiàn)
4.1  Lucene中的中文分詞
4.1.1  Lucene切分原理
4.1.2  Lucene中的Analyzer
4.1.3  自己寫Analyzer
4.1.4  Lietu中文分詞
4.2  查找詞典算法
4.2.1  標準Trie樹
4.2.2  三叉Trie樹
4.3  中文分詞的原理
4.4  中文分詞流程與結構
4.5  形成切分詞圖
4.6  概率語言模型的分詞方法
4.7  N元分詞方法
4.8  新詞發(fā)現(xiàn)
4.9  未登錄詞識別
4.10  詞性標注
4.10.1  隱馬爾可夫模型
4.10.2  基于轉換的錯誤學習方法
4.11  平滑算法
4.12  機器學習的方法
4.12.1  最大熵
4.12.2  條件隨機場
4.13  有限狀態(tài)機
4.14  本章小結第5章  讓搜索引擎理解自然語言
5.1  停用詞表
5.2  句法分析樹
5.3  相似度計算
5.4  文檔排重
5.4.1  語義指紋
5.4.2  SimHash
5.4.3  分布式文檔排重
5.5  中文關鍵詞提取
5.5.1  關鍵詞提取的基本方法
5.5.2  HITS算法應用于關鍵詞提取
5.5.3  從網(wǎng)頁中提取關鍵詞
5.6  相關搜索詞
5.6.1  挖掘相關搜索詞
5.6.2  使用多線程計算相關搜索詞
5.7  信息提取
5.8  拼寫檢查與建議
5.8.1  模糊匹配問題
5.8.2  英文拼寫檢查
5.8.3  中文拼寫檢查
5.9  自動摘要
5.9.1  自動摘要技術
5.9.2  自動摘要的設計
5.9.3  基于篇章結構的自動摘要
5.9.4  Lucene中的動態(tài)摘要
5.10  文本分類
5.10.1  特征提取
5.10.2  中心向量法
5.10.3  樸素貝葉斯
5.10.4  支持向量機
5.10.5  多級分類
5.10.6  規(guī)則方法
5.10.7  網(wǎng)頁分類
5.11  自動聚類
5.11.1  聚類的定義
5.11.2  K均值聚類方法
5.11.3  K均值實現(xiàn)
5.11.4  深入理解DBScan算法
5.11.5  使用DBScan算法聚類實例
5.12  拼音轉換
5.13  概念搜索
5.14  多語言搜索
5.15  跨語言搜索
5.16  情感識別
5.16.1  確定詞語的褒貶傾向
5.16.2  實現(xiàn)情感識別
5.16.3  用戶協(xié)同過濾
5.17  本章小結第6章  Lucene原理與應用
6.1  Lucene深入介紹
6.1.1  常用查詢
6.1.2  查詢語法與解析
6.1.3  查詢原理
6.1.4  使用Filter篩選搜索結果
6.1.5  遍歷索引庫
6.1.6  索引數(shù)值列
6.2  Lucene中的壓縮算法
6.2.1  變長壓縮
6.2.2  PForDelta
6.2.3  前綴壓縮
6.2.4  差分編碼
6.2.5  設計索引庫結構
6.3  創(chuàng)建和維護索引庫
6.3.1  創(chuàng)建索引庫
6.3.2  向索引庫中添加索引文檔
6.3.3  刪除索引庫中的索引文檔
6.3.4  更新索引庫中的索引文檔
6.3.5  索引的合并
6.3.6  索引文件格式
6.3.7  分發(fā)索引
6.3.8  修復索引
6.4  查找索引庫
6.5  讀寫并發(fā)控制
6.6  優(yōu)化使用Lucene
6.6.1  索引優(yōu)化
6.6.2  查詢優(yōu)化
6.6.3  實現(xiàn)時間加權排序
6.6.4  實現(xiàn)字詞混合索引
6.6.5  重用Tokenizer
6.6.6  定制Tokenizer
6.7  檢索模型
6.7.1  向量空間模型
6.7.2  BM25概率模型
6.7.3  統(tǒng)計語言模型
6.8  查詢大容量索引
6.9  實時搜索
6.10  本章小結第7章  搜索引擎用戶界面
7.1  實現(xiàn)Lucene搜索
7.2  搜索頁面設計
7.2.1  Struts2實現(xiàn)的搜索界面
7.2.2  翻頁組件
7.3  實現(xiàn)搜索接口
7.3.1  編碼識別
7.3.2  布爾搜索
7.3.3  指定范圍搜索
7.3.4  搜索結果排序
7.3.5  搜索頁面的索引緩存與更新
7.4  歷史搜索詞記錄
7.5  實現(xiàn)關鍵詞高亮顯示
7.6  實現(xiàn)分類統(tǒng)計視圖
7.7  實現(xiàn)相似文檔搜索
7.8  實現(xiàn)AJAX搜索聯(lián)想詞
7.8.1  估計查詢詞的文檔頻率
7.8.2  搜索聯(lián)想詞總體結構
7.8.3  服務器端處理
7.8.4  瀏覽器端處理
7.8.5  服務器端改進
7.8.6  拼音提示
7.8.7  部署總結
7.9  集成其他功能
7.9.1  拼寫檢查
7.9.2  分類統(tǒng)計
7.9.3  相關搜索
7.9.4  再次查找
7.9.5  搜索日志
7.10  搜索日志分析
7.10.1  日志信息過濾
7.10.2  信息統(tǒng)計
7.10.3  挖掘日志信息
7.11  本章小結第8章  使用Solr實現(xiàn)企業(yè)搜索
8.1  Solr簡介
8.2  Solr基本用法
8.2.1  Solr服務器端的配置與中文支持