企業做網站藏文網頁倒排索引（下）
日期 : 2020-10-21 18:42:11
藏文網頁倒排索引。
第四步:對標題建索引。大部分的Web文檔有文檔標題TITLE, 標題反映了文檔的主要內容, 是搜索和導航的重要依據。標題索引以詞、短語或句子為索引單位, 具體根據詞表匹配情況確定, 如果標題匹配詞表中的規范詞則使用規范詞, 如果沒有則直接以標題建索引。藏文規范詞表是動態更新的。檢索時以匹配標題索引為優先策略, 先查詢標題索引庫, 再查詢全文索引庫。
第五步:索引庫更新。網站的頁面信息是動態更新的, 由網絡爬蟲抓取得到的藏文網頁倒排索引庫也需要更新。搜索引擎的倒排索引更新有多種方式, 包括修改更新、覆蓋更新和添加更新。鑒于目前上線的藏文網站數量少, 網絡爬蟲工作周期短, 藏文網頁的倒排索引庫更新可以采取添加更新加覆蓋更新的策略。每次爬蟲工作完成后, 建立新的索引庫, 將查詢引擎鏈接指向新的索引庫, 同時保留近兩期的索引庫, 將更早的索引庫刪除。每次添加新的索引庫后, 先將之前近兩期的索引庫保留一段時間備用。
第四步:對標題建索引。大部分的Web文檔有文檔標題TITLE, 標題反映了文檔的主要內容, 是搜索和導航的重要依據。標題索引以詞、短語或句子為索引單位, 具體根據詞表匹配情況確定, 如果標題匹配詞表中的規范詞則使用規范詞, 如果沒有則直接以標題建索引。藏文規范詞表是動態更新的。檢索時以匹配標題索引為優先策略, 先查詢標題索引庫, 再查詢全文索引庫。
第五步:索引庫更新。網站的頁面信息是動態更新的, 由網絡爬蟲抓取得到的藏文網頁倒排索引庫也需要更新。搜索引擎的倒排索引更新有多種方式, 包括修改更新、覆蓋更新和添加更新。鑒于目前上線的藏文網站數量少, 網絡爬蟲工作周期短, 藏文網頁的倒排索引庫更新可以采取添加更新加覆蓋更新的策略。每次爬蟲工作完成后, 建立新的索引庫, 將查詢引擎鏈接指向新的索引庫, 同時保留近兩期的索引庫, 將更早的索引庫刪除。每次添加新的索引庫后, 先將之前近兩期的索引庫保留一段時間備用。
上一篇：企業做網站民俗文化中的色彩運用于網頁設計
下一篇：企業做網站字體特性
相關文章
精彩導讀
熱門資訊
