搜索引擎中的基礎詞

我想知道如果在構建倒排索引時在搜索引擎中選擇基詞的規則。我知道一般停用詞不會被索引。但是其他人呢？我很困惑... 在此先感謝。搜索引擎中的基礎詞

2013-04-13 ray6080

你的意思是干擾？一些搜索引擎使用它。這意味着所有單詞都被截斷，因此walk,walks,0 walked和walking將全部索引爲walk。運行搜索之前，查詢也一樣。它會導致更多的點擊，因爲walking in the woods的搜索也將加快「一個walk in the woods」。

來源

2013-04-22 13:54:24 Paramaeleon

不只是阻止。我的意思是我們無法索引網頁中的每一個詞，因爲它太大了，對吧？那麼哪些詞應該被索引，哪些詞應該被忽略？有一個共同的規則嗎？ – ray6080

搜索模塊*會爲每個文檔中的每個文檔編制索引。有壓縮技術可以減少所需的硬盤空間，但這些二進制索引迅速增長。我認爲每個搜索引擎運營商都有自己的規則，有經驗的排除。例如，如果我必須自己設計一個搜索引擎，我會排除從OCR讀取的文檔中永遠不會出現超過一次的字符串，但那只是我自己的決定。我也知道一個搜索引擎，它只搜索那些屬於有效句子的單詞。但是沒有_general_規則。 – Paramaeleon

我看...謝謝。 – ray6080

搜索引擎中的基礎詞

回答

相關問題