标签：Lucene

2014-02-16阅读(3793)评论(0)

如同SQL和数组排序那样，聚类是广义上的排序。通过排序对象，聚类算法找到对象的邻居，同时保留对象的多维性。聚类算法的目的是识别分组，同时能拓展到多维空间。 聚类算法有三种分类方式： 4.2.1 基于分组结构的聚类算法分类 类似于WordPr...

2014-01-26阅读(6160)评论(0)

依靠索引和用户点击的确可以搜索数十万个文档，但是由于文档中不存在“链接”这个概念，那就无法应用PR来对其排名了。《智能Web算法》里介绍了DocRank算法来排序文档。 package com.hankcs; import&nbs...

2014-01-26阅读(6098)评论(3)

搜索引擎通过分析每个用户的每次搜索与用户的每次点击，从中学习到哪个结果才是用户最需要的，最终可以针对每个用户改进搜索结果。这是机器学习一个实例。 在《智能Web算法》的2.4章，给出了简单的实现，利用用户点击数据来训练搜索引擎，得出每个结果...

2014-01-26阅读(6185)评论(0)

如果仅仅依靠索引来提供检索结果的话，将会受到垃圾网页的干扰，将2.1节的源码中添加垃圾网页的那行注释取消，会发现垃圾网页排名第一： Search results using Lucene index&...

2014-01-26阅读(6564)评论(2)

这是《智能Web算法》的笔记，备忘备查。 Lucene是一个成功的开源IR（信息获取）库，可以快速地分析、索引和搜索文档（网页和电子文档）。 Lucene现在最新版本已经有4.6了，由于《智能Web算法》的配书代码用的是2.3.0，所以我依...