网络抓取，通过网络爬虫，沿着链接爬行。记录部分信息。遵循两个策略，深度，广度。网络哪些部分能被抓取，哪些不被抓取。爬虫对抓取信息进行预处理。存入文档服务器，建立倒排索引。倒排索引，以关键词和文档编号结...
网络抓取，通过网络爬虫，沿着链接爬行。
记录部分信息。
遵循两个策略，深度，广度。
网络哪些部分能被抓取，哪些不被抓取。
爬虫对抓取信息进行预处理。存入文档服务器，建立倒排索引。
倒排索引，以关键词和文档编号结合主建的索引结构。
倒排索引中，词典最为重要，词典中保存了大量的中英词结构。就是淘宝的类目。淘宝的分词主要基于词典来分词。
写标题的时候，尽量接近类目词，尽量被词典给索引到。让关键词融合词典，便于分类。
学员评论
shannyc2016-11-18
Elaine_892016-05-18
bettyyan2013-03-23
鱼非非2012-12-01
你感兴趣的课程
扫一扫 关注好知微信