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XapianOmega(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……

  2. 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

发表评论

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

WordPress.com 徽标

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

Google photo

您正在使用您的 Google 账号评论。 注销 /  更改 )

Twitter picture

您正在使用您的 Twitter 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 )

Connecting to %s