基于xapian的相关度搜索项目初步完成


　　最近两个月研究了相关度搜索引擎的一些知识，对Xapian和Omega（一个基于Xapian的应用）的代码进行了一定量的修改，开发出了一款轻量级的基于中文字典词库的相关度搜索引擎。
　　这个搜索引擎的功能是：从数据库的一个表中取出内容字段的数据，利用基于中文字典词库的分词算法，建立这些数据的索引。根据索引，我们可以检索到与某条记录相关的其它记录，以及扩展分词列表。
　　扩展分词列表的概念是负责eYou邮件网关算法的同事介绍的，她认为仅凭一个分词找到相关记录的算法过于刻板，应该是先找到与这个分词语义最相关的一组分词，然后针对这组分词进行更精确的搜索。
　　上图是我将占座网随笔数据导入后的查询结果，这是一个demo页面的截图，第一篇ID为105121的文章的相关文章从第二行开始列出，看起来效果还算可以。

《基于xapian的相关度搜索项目初步完成》有13个想法

  1. 恭喜恭喜

    ps: “餐巾纸, 卫生纸, 纸, 铜板纸” 这个验证码和别的不是一个层次————就是嘛，别光整那些一岁二岁的……

    赞

    回复

  7. 你好，最近在看一些搜索的东西，能把xapin的搜索源码及你的修改版各发给我一份吗？谢谢
    我的email：xiaohefei521@yahoo.com.cn

    赞

    回复

发表评论

Fill in your details below or click an icon to log in:

Gravatar
WordPress.com 徽标

您正在使用您的 WordPress.com 账号评论。 ( 注销 /  更改 )

Facebook photo

您正在使用您的 Facebook 账号评论。 ( 注销 /  更改 )

取消

Connecting to %s