其实还是比较推荐的
2012-05-11
最近埋头苦看各种搜索引擎原理的书籍，当然我是一个入门者，所以从入门者的角度来说几句吧~
首先我的背景是给老外打工，所以几乎都是英文，挑选这本书仅仅是偶然，其实我想找的是另外一本 《信息检索实践》，在误点的情况下下载了本书，然后读完了，通读一遍的感觉是里面还不是很深入。
个人感觉搜索引擎的重点有三个：划词，搜索，抓取。
划词是最难的，个人感觉是最难的，因为不论从中文还是英文来说，各种的动词数词和名词都是比较难以掌控，简单点举个例子“google”是一个新生词，很多人用google代表搜索，用百度同样也可以代表搜索，在这种情况下，划词是最困难的……而电脑搜索和图书馆搜索的最大不一样在于图书馆是既定的，但是电脑是无限扩张。但是这本书里面其实并没有很详细的说这种东西，这种东西如果要说，其实也不只有300页就能讲完了吧。
排序，其实这玩意就是数学，加权神马的谁最高谁排第一，问题是怎么算这个值。这段部分其实作者也结合了各种划词的原理，来讨论各种词的属性之类，不过还不是很详细。
搜索是最接近程序员的，从一开始的SQL的各种select语句开始，就开始接触到了搜索，不过搜索引擎的搜索是以文档为基础的，而非以数据库。本书里面提到一个新的东西叫BigTable，我从来没有接触过，但是个人感觉和Linux的系统很相似，BigTable是一种基于文档结构而开发的带有数据检索功能的文档系统（怎么这么绕？）好吧，反正就是很好玩啦。
最近在接触的是NOSQL的数据库，也是大型的文档型数据库，正在尝试两者互相融入，因为数据流量并非只有100000这么少，日常的IO工作保守估计也会很大量，暂时还没做测试，所以不表。
最后一点就是抓取，花了大量篇幅来说抓取工作，从URL的角度，从页面链接的角度。对于这个我比较外行，所以我根本不知道我该说什么……因为什么都很重要，人工智能也不过如此吧。
最后的最后，欢迎交流，请勿吐槽，随笔于TUE图书馆。
查字典图书网