V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
yedingding
V2EX  ›  程序员

Teahour #63: 与微搜索丁彦聊搜索引擎技术

  •  
  •   yedingding ·
    sishen · 2014-10-20 12:23:00 +08:00 · 3987 次点击
    这是一个创建于 3685 天前的主题,其中的信息可能已经有所发展或是发生改变。
    本期由玎玎主持,邀请到了微搜索的创始人丁彦来 Teahour 做客,聊聊构建搜索引擎的基本知识。

    微搜索是一个站内(应用内)搜索云服务,大家在听这期节目前,可以尝试一下 Teahour 网站的搜索功能,使用的就是微搜索的服务。搜索引擎是我们用来查询信息的工具,简单说来,做一个搜索引擎,分成三步,即信息搜集、信息整理和支持查询。本期节目中,丁彦介绍了他做微搜索服务时对于搜索引擎实现的经验分享,抓取信息内容的实现、索引信息的实现和实际搜索的实现。

    http://teahour.fm/2014/10/19/build-search-engine.html
    23 条回复    2014-10-23 09:33:27 +08:00
    greatdk
        1
    greatdk  
       2014-10-20 12:33:31 +08:00
    无法播放?
    omengye
        2
    omengye  
       2014-10-20 12:43:06 +08:00
    Teahour 终于肯更新了
    Linxing
        3
    Linxing  
       2014-10-20 12:53:39 +08:00
    好久没更新了啊
    manoon
        4
    manoon  
       2014-10-20 13:15:52 +08:00
    玎玎...
    againstodds
        5
    againstodds  
       2014-10-20 13:43:45 +08:00
    嘉宾似乎对搜索讲得不是很自信啊
    againstodds
        6
    againstodds  
       2014-10-20 13:49:56 +08:00
    “我爱人”也是一个名词啊,怎么把“我”分出来,没说清楚啊
    luin
        7
    luin  
       2014-10-20 13:50:52 +08:00 via iPhone
    终于更新啦~
    visualrun
        8
    visualrun  
       2014-10-20 14:26:05 +08:00
    回家路上有东西听了
    yedingding
        9
    yedingding  
    OP
       2014-10-20 14:42:52 +08:00
    @againstodds 中文分词效果很大程度上靠词库。对于词库(字典)来说,爱人是一个词,我爱人是两个词,比如我儿子,我妈妈这些不应该作为一个词单元。所以,当词库里我开头的最多只有两个字的时候,第三个字进来就不需要再判断了。如果场景有必要当成一个词的话,就需要更新词库,加入到常用词里。口水环境比较难讲,有纸笔画会更好一点。
    yedingding
        10
    yedingding  
    OP
       2014-10-20 14:43:22 +08:00
    @greatdk 是移动端吗,我刚发现有这个问题,需要修复一下。
    yedingding
        11
    yedingding  
    OP
       2014-10-20 14:44:07 +08:00
    @manoon 咋了,:p
    yedingding
        12
    yedingding  
    OP
       2014-10-20 14:44:51 +08:00
    @omengye
    @Linxing
    @luin 我也觉得好久了... 出门一个半月。
    yanyanlong
        14
    yanyanlong  
       2014-10-20 15:58:10 +08:00
    终于。。。更新了。。 已经是tea2hour了, 要变成双月更么。。
    kofj
        15
    kofj  
       2014-10-20 17:13:10 +08:00
    分词是最让人头疼的了(>﹏<)7当遇到多语种混合分词的时候直接酷云在厕所了
    ChanneW
        16
    ChanneW  
       2014-10-20 17:17:37 +08:00
    怎么拿到邀请码?
    manoon
        17
    manoon  
       2014-10-20 17:25:41 +08:00 via Android
    @yedingding 一直以为是,“丁丁“
    yedingding
        18
    yedingding  
    OP
       2014-10-20 17:43:55 +08:00   ❤️ 1
    @ChanneW 可以用我的,a8a383085b09
    yedingding
        19
    yedingding  
    OP
       2014-10-20 17:44:09 +08:00
    @yanyanlong 希望不会...
    yedingding
        20
    yedingding  
    OP
       2014-10-20 17:44:46 +08:00
    @kofj 实战肯定是各种坑,尤其是 CJK..
    skywalker
        21
    skywalker  
       2014-10-20 18:35:27 +08:00
    总算更新了!
    kiky
        22
    kiky  
       2014-10-21 10:32:22 +08:00
    等待好久teahour了,去测试看看这个微搜索,@livid 不知道v2ex 能否使用。
    yandy
        23
    yandy  
       2014-10-23 09:33:27 +08:00
    @againstodds 其实是紧张 好不好T_T,一直做技术,没上过台面。。。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   985 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 32ms · UTC 21:03 · PVG 05:03 · LAX 13:03 · JFK 16:03
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.