由于搜索算法本身的局限性，对于用户的语义、意图等理解不够，而基于用户行为的点击调权，作为对传统搜索算法的补充，在搜索中扮演着重要的作用。   尽管用户行为已经被证明在搜索中的效果，但是一直只是停留在query-url层面，或者ng … 继续阅读 同义词反馈机制

检索结果聚类，可以有效地反映出特定Query下，检索结果内容的分布，可以清晰地描述出结果中的各个类别，对Query结果的展示方式亦不再是传统1页若干条结果的流式输送，而是采用展现核心词或代表词的方式，简明扼要地从不同维度提示核心信息，免去用 … 继续阅读 检索结果聚类展望

日志在计算机系统中是一个非常广泛的概念，任何程序都有可能输出日志：操作系统内核、各种应用服务器等等。日志的内容、规模和用途也各不相同，很难一概而论。   本文讨论的日志处理方法中的日志，仅指Web日志。其实并没有精确的定义，可能包 … 继续阅读 日志分析方法概述

长期以来，站长们选择使用JavaScript来实现网页的动态行为，这样做的原因是多种多样的，如加快页面的响应速度、降低网站流量、隐藏链接或者嵌入广告等。   由于早期的搜索引擎没有相应的处理能力，导致在索引这类网页上往往出现问题， … 继续阅读 JavaScript解析：让搜索引擎看到更真实的网页

传统的搜索引擎的定义，是指一种对于指定的查询（Query），能够返回与之相关的文档集合（Documents）的系统。   而百度将这个定义更加丰富化，即搜索引擎能够帮助人们更方便的找到所求。   这里的“所求”，比“文档 … 继续阅读 搜索引擎中的粒度问题

一、背景 Spider 位于搜索引擎数据流的最上游，负责将互联网上的资源采集到本地，提供给后续检索使用，是搜索引擎的最主要数据来源之一。   spider 系统的目标就是发现并抓取互联网中一切有价值的网页，为达到这个目标，首先就是 … 继续阅读 索引页链接补全机制的一种方法

摘要： 两篇文档是否相关往往不只决定于字面上的词语重复，还取决于文字背后的语义关联。对语义关联的挖掘，可以让我们的搜索更加智能化。   本文着重介绍了一个语义挖掘的利器：主题模型。   主题模型是对文字隐含主题进行建模的 … 继续阅读 搜索背后的奥秘—浅谈语义主题计算