搜索引擎

出版时间：2010-6  出版社：机械工业出版社  作者：W.Bruce Croft,Donald Metzler,Trevor Strohman  页数：309  译者：刘挺,秦兵,张宇,车万翔  
Tag标签：无  

前言

本书综述了信息检索中的重要问题，并介绍了这些问题如何对搜索引擎的设计与实现产生影响。本书并不是按照相同的详细程度描述每个主题，相反，我们侧重于那些对于实现搜索引擎组件以及组件背后的信息检索模型最重要的部分。网络搜索引擎显然是一个重要的话题，我们主要覆盖了在网络上使用的搜索技术，但搜索引擎在其他场合中也有应用，这就是为什么我们重点强调各种搜索引擎背后的信息检索理论与概念的原因。本书的目标读者群主要是计算机科学或计算机工程的本科生，但研究生也会发现本书是有用的，此外，本书也适合多数情报科学专业的学生。最后，无论读者是什么背景，通过阅读本书都可以对他们动手开发搜索引擎有所帮助。本书中涉及数学知识，但并不深奥。’书中也有代码和程序设计的练习，但对于那些已经完成了基本计算机科学与程序设计课程的人来说，完全可以掌握。每章末尾的练习使用了被称为Galago的基于Java的开源搜索引擎。Galago既是为本书所设计的，也借鉴了Lemur和Indri项目的经验。换句话说，这是一个功能齐全的能够支持真正应用的搜索引擎。许多编程练习都是针对Galago组件的使用、修改和扩展。内容在第1章，我们对信息检索及它与搜索引擎的关系做了一个高层次的回顾。在第2章，我们描述了搜索引擎的架构，这一章全面介绍搜索引擎的各个组件，但没有涉及细节问题。在第3章，我们关注于爬取、文档信息源和其他用于获取被检索信息的技术。第4章描述了文本的统计特征，以及用来处理和识别重要特征的技术，并为建立索引做准备。第5章描述了怎样为有效的搜索建立索引，以及怎样利用索引处理查询。在第6章，我们描述了怎样处理查询，并把它们转换为更好的形式，以表达用户的信息需求。

内容概要

　　本书介绍了信息检索（IR）中的关键问题，以及这些问题如何影响搜索引擎的设计与实现，并且用数学模型强化了重要的概念。对于网络搜素引擎这一重要的话题，书中主要涵盖了在网络上广泛使用的搜索技术。　　本书适用于高等院校计算机科学或计算机工程专业的本科生、研究生，对于专业人士而言，本书也不失为一本理想的入门教材。

作者简介

作者：（美国）克罗夫特（W.Bruce Croft） （美国）Donald Metzler （美国）Trevor Strohman 译者：刘挺 秦兵 张宇 等克罗夫特（W.Bruce Croft），马萨诸塞大学阿默斯特分校计算机科学特聘教授、ACM会士。他创建了智能信息检索研究中心，发表了200余篇论文，多次获奖，其中包括2003年由ACM SIGIR颁发的Gerard Salton奖。Donald Metzler，马萨诸塞大学阿默斯特分校博士，是位于加州Santa Clara的雅虎研究中心搜索与计算机广告组的研究科学家。Trevor Strohman，马萨诸塞大学阿默斯特分校博士。他开发了Galago搜索引擎，也是Indri搜索引擎的主要开发者。

书籍目录

出版者的话 译者序 前言 第1章 搜索引擎和信息检索  　1.1 什么是信息检索  　1.2 重要问题  　1.3 搜索引擎  　1.4 搜索工程师  　参考文献和深入阅读  　练习  第2章 搜索引擎的架构  　2.1 什么是软件架构  　2.2 基本的构件  　2.3 组件及其功能  　　2.3.1 文本采集  　　2.3.2 文本转换  　　2.3.3 索引的创建  　　2.3.4 用户交互  　　2.3.5 排序  　　2.3.6 评价  　2.4 搜索引擎是如何工作的  　参考文献和深入阅读  　练习  第3章 信息采集和信息源  　3.1 确定搜索的内容  　3.2 网络信息爬取  　　3.2.1 抓取网页  　　3.2.2 网络爬虫  　　3.2.3 时新性  　　3.2.4 面向主题的信息采集  　　3.2.5 深层网络  　　3.2.6 网站地图  　　3.2.7 分布式信息采集  　3.3 文档和电子邮件的信息采集  　3.4 文档信息源  　3.5 转换问题  　3.6 存储文档  　　3.6.1 使用数据库系统  　　3.6.2 随机存取  　　3.6.3 压缩和大规模文件  　　3.6.4 更新  　　　3.6.5 BigTable  　3.7 重复检测  　3.8 去除噪声  　参考文献和深入阅读  　练习  第4章 文本处理  　4.1 从词到词项  　4.2 文本统计  　　4.2.1 词表增长  　　4.2.2 估计数据集和结果集大小  　4.3 文档解析  　　4.3.1 概述  　　4.3.2 词素切分  　　4.3.3 停用词去除  　　4.3.4 词干提取  　　4.3.5 短语和n元串  　4.4 文档结构和标记  　　4.5 链接分析  　　4.5.1 锚文本  　　4.5.2 PageRank  　　4.5.3 链接质量  　4.6 信息抽取  　4.7 国际化  　参考文献和深入阅读  　练习  第5章 基于索引的相关排序  　5.1 概述  　5.2 抽象的相关排序模型  　5.3 倒排索引  　　5.3.1 文档  　　5.3.2 计数  　　5.3.3 位置  　　5.3.4 域与范围  　　5.3.5 分数  　　5.3.6 排列  　5.4 压缩  　　5.4.1 熵与歧义  　　5.4.2 Delta编码  　　5.4.3 位对齐码  　　5.4.4 字节对齐码  　　5.4.5 实际应用中的压缩  　　5.4.6 展望  　　5.4.7 跳转和跳转指针  　5.5 辅助结构  　5.6 索引构建  　　5.6.1 简单构建  　　5.6.2 融合  　　5.6.3 并行与分布式  　　5.6.4 更新  　5.7 查询处理  　　5.7.1 document-at-a-time评价  　　5.7.2 term-at-a-time评价  　　5.7.3 优化技术  　　5.7.4 结构化查询  　　5.7.5 分布式的评价  　　5.7.6 缓存  　参考文献和深入阅读  　练习  第6章 查询与界面  　6.1 信息需求与查询  　6.2 查询转换与提炼  　　6.2.1 停用词去除和词干提取  　　6.2.2 拼写检查和建议  　　6.2.3 查询扩展  　　6.2.4 相关反馈  　　6.2.5 上下文和个性化  　6.3 搜索结果显示  　　6.3.1 搜索结果页面与页面摘要  　　6.3.2 广告与搜索  　　6.3.3 结果聚类  　6.4 跨语言搜索  　参考文献和深入阅读  　练习  第7章 检索模型  　7.1 检索模型概述  　　7.1.1 布尔检索  　　7.1.2 向量空间模型  　7.2 概率模型  　　7.2.1 将信息检索作为分类问题  　　7.2.2 BM25排序算法  　7.3 基于排序的语言模型  　　7.3.1 查询项似然排序  　　7.3.2 相关性模型和伪相关反馈  　7.4 复杂查询和证据整合  　　7.4.1 推理网络模型  　　7.4.2 Galago查询语言  　7.5 网络搜索  　7.6 机器学习和信息检索  　　7.6.1 排序学习  　　7.6.2 主题模型和词汇不匹配  　7.7 基于应用的模型  　参考文献和深入阅读  　练习  第8章 搜索引擎评价  　8.1 搜索引擎评价的意义  　8.2 评价语料  　8.3 日志  　8.4 效果评价  　　8.4.1 召回率和准确率  　　8.4.2 平均化和插值  　　8.4.3 关注排序靠前的文档  　　8.4.4 使用用户偏好  　8.5 效率评价  　8.6 训练、测试和统计  　　8.6.1 显著性检验  　　8.6.2 设置参数值  　　8.6.3 在线测试  　8.7 基本要点  　参考文献和深入阅读  　练习  第9章 分类和聚类  　9.1 分类  　　9.1.1 朴素贝叶斯  　　9.1.2 支持向量机  　　9.1.3 评价  　　9.1.4 分类器和特征选择  　　9.1.5 垃圾、情感及在线广告  　9.2 聚类  　　9.2.1 层次聚类和K均值聚类  　　9.2.2 K近邻聚类  　　9.2.3 评价  　　9.2.4 如何选择K  　　9.2.5 聚类和搜索  　参考文献和深入阅读  　练习  第10章 社会化搜索  　10.1 什么是社会化搜索  　10.2 用户标签和人工索引  　　10.2.1 搜索标签  　　10.2.2 推测缺失的标签  　　10.2.3 浏览和标签云  　10.3 社区内搜索  　　10.3.1 什么是社区  　　10.3.2 社区发现  　　10.3.3 基于社区的问答  　　10.3.4 协同搜索  　10.4 过滤和推荐  　　10.4.1 文档过滤  　　10.4.2 协同过滤  　10.5 P2P搜索和元搜索  　　10.5.1 分布式搜索  　　10.5.2 P2P网络  　参考文献和深入阅读  　练习  第11章 超越词袋  　11.1 概述  　11.2 基于特征的检索模型  　11.3 词项依赖模型  　11.4 再谈结构化  　　11.4.1 XML检索  　　11.4.2 实体搜索  　11.5 问题越长，答案越好  　11.6 词语、图片和音乐  　11.7 搜索能否适用于所有情况  　参考文献和深入阅读  　练习  参考文献

章节摘录

插图：2.查询转换查询转换组件包括一系列的技术，这些技术用于在生成排好序的文档之前和之后改善初始查询。最简单的处理涉及一些对文档进行文本转换的技术。在查询文本上，需要进行词素切分、停用词去除和词干提取这些工作，以生成与文档词项具有可比性的索引词。拼写检查（spell checking）和查询建议（query suggestion）是查询转换中的技术，生成与用户初始查询相似的输出。在这两种情况下，向用户提供初始查询的一些候选查询，这些候选查询可能纠正了拼写错误或者是对用户所需信息的更规范的描述。这些技术通常会导致为网络应用搜集大量的查询日志（query log）。查询扩展（query expansion）技术是对查询进行推荐或者增加一些额外的词项，但通常都是在对文档中词项的出现情况分析的基础上进行的。该分析通常是用不同的信息源，如整个文档集合、检索到的文档或者用户计算机上的文档。相关反馈（relevance feedback）是一种查询扩展技术，利用用户认为相关的文档中出现的词项对查询进行扩展。3.结果输出结果输出组件负责对相关组件得到的排好序的文档的结果进行显示。可能包含的任务有生成网页摘要（snippets）来对检索到的文档内容进行概括；强调（highlighting）文档中重要的词和段落；对输出结果聚类以找到文档相关的类别；以及将相应的广告增加到结果显示中。在涉及多种语言的应用系统中，结果可能会被翻译成同一种的语言。

编辑推荐

《搜索引擎:信息检索实践》：计算机科学丛书

用户评论 (总计100条)

•   作为信息检索新人，这是一本非常好的入门书籍，详细介绍搜索引擎涉及的各个部分
•   本书很好，是搜索引擎学习很重要的一本书。内容非常实用。而且没有商业技术保密的感觉。但是没有现成的源代码。只有算法伪代码实现。比较适合有一定编程或算法基础的人使用
•   无论你是从事搜索引擎中某个模块的研究还是整个领域的研究，这本书都是不错的。但是不适合作为入门书籍，本书个人感觉适用于有一定文本处理、爬虫、索引处理、聚类分类的基础知识的人群。翻译的不错。
•   前辈推荐的～当作信息检索入门再好不过了～翻译水平也不错～
•   基本上把搜索引擎的各个方面都讲了一遍，虽不是很深入，但很适合入门...
•   可以作为对搜索引擎的广泛了解吧，但不够深入~
•   书中讲述了大量的理论，都是非常实用的，开发搜索引擎必须从原理上了解他
•   信息检索大牛写的书，实践性很强。
•   关于搜索引擎类的比较好的一本书
•   同学推荐的，关于搜索引擎讲的比较全面的书。就是书里有一页撕开了，懒得换，自己粘上了。
•   初步了解搜索引擎的好书！！！
•   很好的书，值得广大计算机人学习
•   计算机领域的黑宝书，值得一看
•   还行吧，不过好像太专业了，感觉回到了大学时期学数学理论。。。。全部都是数学知识。
•   介绍全面，但不够细致。可以当作入门读物。
•   书的质量不错，纸张也不错，入门级经典书籍！
•   这本书，我是中英文都买了的。专业。
•   推荐买的一本书，讲解很好，希望从中有所收获啊
•   不错的一本书，当当很给力！
•   这本书很值得一读，我很喜欢。
•   这本书内容非常的好，薄，但面面俱到，犹如“麻雀虽小，五脏俱全”！
  非常值得推荐！！！
•   书写得很好，翻译通顺，书后的习题设计很好。今天看了第一章，被丰富的内容吸引，不知不觉看了一章。很喜欢。
•   又有技术又讲理论，学信管的很合适
•   好很好的书。
•   书的质量很好，赞一下！
•   书还没看 应该不错 书太薄了 有点贵
•   书不厚，但是内容很丰富，值得细细研究
•   很基础的书，值得好好学习
•   送到的时候，书的外面还有层薄膜包着呢，内容也挺好的
•   好书，正在学习中.........
•   幫助我入門的好書！
•   自学起来有压力，但为了更好的提升，拼了
•   刚到，看段时间在说....
•   货刚到，这书评论挺不错的
•   值得慢慢品读
•   质量不错，送货很快。
•   先看了英文版的，感觉不太懂，买本中文的看
•   老师推荐看的，应该不错，数的质量也很好
•   帮同事买的他很喜欢
•   很好，真心推荐
•   虽然看的不多，但是内容很实用，适合初学者！
•   哎，内容太深奥，平时用不到，也不晓得实用性如何，一直放着，可惜了。
•   质量和印刷都很好
•   内容还行，看看至少知道是怎么回事了
  没看太多
•   虽然看不懂，但是在大师的面前，我必须装懂。
•   真的很经典！！！
•   学习～充实下自己。。。。
•   根据前三章的内容来看，这本书相当适合用于学习搜索引擎与智能检索方面的知识
•   内容相当全面，也较容易理解，不足的是由于是在英文搜索引擎的角度写的书，有些内容可能不太适用于中文搜索引擎，但是总体来说是一本非常值得阅读的书。
•   里面有好多的数学知识，都是些概念性的东西，不过可以让你去了解搜索引擎这方面
•   喜欢搜索的可以看看
•   内容比较宽泛，具体算法讲解较少，适合入门级别的娃娃
•   朋友推荐买的，很实用的一本教材，不过刚拿到这本书里面散发的味道不太喜欢
•   比较重视实践
•   这本书也不错。不过需要些基础。
•   书质量很好
  
  书的内容更好
  
  知识全面，简单易懂，适合初学者！
•   正在学习中，看了一半，感觉还行吧
•   好好的看，深入理解
•   内容不错，但与想象还有一定差距！
•   别人推荐的，好好读读
•   图书不错！
•   一个字，好；两个字；加强，四个字，还得努力
•   据说不错，还没拿到手
•   看了包装不错，挺精致
•   开阔一些思路
•   有用，不过也有点枯燥。
•   很好哈哈
•   期待啊啊啊,终于有中文版了
•   太专业，不适合做营销推广的同学
•   内容还可以吧，适合学习使用。
•   书的纸张很薄 质量一般
•   书还可以，可以读读
•   看看内容是啥，不知道是不是算法？
•   在看中，，，，，，感觉还行。。。。。
•   推荐看原版
•   刚刚收到，还没有看内容，但是印刷和纸张感觉不是特别好
•   看了两章，实质的内容还行，就是翻译得比较糟糕。感觉译者不够用心。
•   书还没看，书都压的破了，买来就是本破书，影响看书的心情，印刷纸张也不好，很怀疑这本书怎么会买这么高的价格，这样的包装，影响心情。
•   教科书，枯燥
•   好像从GOOGLE翻译上复制下来的，简直给原文造成障碍
•   内容通俗易懂，适合对搜索引擎零基础的读者看
•   翻译的不好，全篇是英文直译，让人看不懂，有些东西摸不着头脑，推荐买英文原版书。
•   概述型的书，只是对于搜索引擎做了一个总体概述，然后各个部分，模块怎么实现的，架构及的介绍，没有很详细的技术点的说明
•   正版书，很不错，可以好好学习了
•   特别适合计算机专业的学生进行学习。
•   不错的入门书，适合初学者，不错。
•   这翻译，真得很没有用心。
•   书不错比较全面，有些内容国内书上没有
•   信息量比较大，有很多引用文献。零基础的人学起来会吃力一些。
•   像盗版的，里面有几页挤在一起了，还有破洞
•   原理的东西真不是一般人看得懂的。。
•   算一本详细的手册。学习搜索引擎必看
•   不错。。很快就收到 了书，很新，值得一看的一本书
•   搜索引擎-信息检索实践
•   包装很好，很喜欢,是真品
•   不好，书本收到就已毁坏了
•   学习SEO,必先了解搜索引擎
•   同样的牛书一本
•   这本书书很薄
•   搜索引擎：信息检索实践