企业做网站藏文网页倒排索引（下）
日期 : 2020-10-21 18:42:11
藏文网页倒排索引。
第四步:对标题建索引。大部分的Web文档有文档标题TITLE, 标题反映了文档的主要内容, 是搜索和导航的重要依据。标题索引以词、短语或句子为索引单位, 具体根据词表匹配情况确定, 如果标题匹配词表中的规范词则使用规范词, 如果没有则直接以标题建索引。藏文规范词表是动态更新的。检索时以匹配标题索引为优先策略, 先查询标题索引库, 再查询全文索引库。
第五步:索引库更新。网站的页面信息是动态更新的, 由网络爬虫抓取得到的藏文网页倒排索引库也需要更新。搜索引擎的倒排索引更新有多种方式, 包括修改更新、覆盖更新和添加更新。鉴于目前上线的藏文网站数量少, 网络爬虫工作周期短, 藏文网页的倒排索引库更新可以采取添加更新加覆盖更新的策略。每次爬虫工作完成后, 建立新的索引库, 将查询引擎链接指向新的索引库, 同时保留近两期的索引库, 将更早的索引库删除。每次添加新的索引库后, 先将之前近两期的索引库保留一段时间备用。
第四步:对标题建索引。大部分的Web文档有文档标题TITLE, 标题反映了文档的主要内容, 是搜索和导航的重要依据。标题索引以词、短语或句子为索引单位, 具体根据词表匹配情况确定, 如果标题匹配词表中的规范词则使用规范词, 如果没有则直接以标题建索引。藏文规范词表是动态更新的。检索时以匹配标题索引为优先策略, 先查询标题索引库, 再查询全文索引库。
第五步:索引库更新。网站的页面信息是动态更新的, 由网络爬虫抓取得到的藏文网页倒排索引库也需要更新。搜索引擎的倒排索引更新有多种方式, 包括修改更新、覆盖更新和添加更新。鉴于目前上线的藏文网站数量少, 网络爬虫工作周期短, 藏文网页的倒排索引库更新可以采取添加更新加覆盖更新的策略。每次爬虫工作完成后, 建立新的索引库, 将查询引擎链接指向新的索引库, 同时保留近两期的索引库, 将更早的索引库删除。每次添加新的索引库后, 先将之前近两期的索引库保留一段时间备用。
上一篇：企业做网站民俗文化中的色彩运用于网页设计
下一篇：企业做网站字体特性
相关文章
精彩导读
热门资讯
