最近的一项调查显示，有三分之二的搜索网站访问用户对搜索结果比较满意。如果考虑到7年前这一比例只有五分之二，这已经相当不简单了。但并非都是好消息，菜鸟级用户仍然受到信息过载的困扰，指定站点搜索仍然需要大量帮助。
对于与特定站点相关的任务，非熟练用户和熟练用户的成功率分别为59%和72%，而完成与整个Web相关任务的成功率分别为52%和67%。总体...
网站站内搜索成盲点
WEB网页结构化信息抽取技术介绍(网页库级)
WEB结构化信息抽取就是将网页中的非结构化数据按照一定的需求抽取成结构化数据。是垂直搜索引擎和通用搜索引擎最大的差别。
如：比较购物搜索那就需要抓取网页后，对网页中的商品信息进行抽取，抽取出商品名称、价格、简介……甚至可以进一步将笔记本简介细分成“品牌、型号、CPU、内存、硬盘、显示屏、……”
房产信息搜索那就应该抽取出那应该抽取出：类型、地域、地址、房型、面积、装修情况、租金、联系...
搜索引擎antispam系统设计指南[转]
搜索引擎ANTI-SPAM是目前比较迫切需要解决的问题,本文通过如何构造一个有效的ANTI-SPAM系统这一主题在设计原则,系统整体结构,每个技术的实施细节以及实施步骤等方面进行了探讨,希望能够成为有效设计优秀ANTI-SPAM系统的技术指南和路线规划说明.
信息检索的核心支撑技术
从历史上看，信息检索经历了手工检索、计算机检索到目前网络化、智能化检索等多个发展阶段。
目前，信息检索已经发展到网络化和智能化的阶段。信息检索的对象从相对封闭、稳定一致、由独立数据库集中管理的信息内容扩展到开放、动态、更新快、分布广泛、管理松散的Web内容；信息检索的用户也由原来的情报专业人员扩展到包括商务人员、管理人员、教师学生、各专业人士等在内的普通大众，他们对信息检索从结果到方式提出了更高、更多样化的要求。适应网络化、智能化以及个性化的需要是目前信息检索技术发展的新趋势。
google等各个搜索引擎工作分析
本站自增加的statpress插件的统计功能以后发现最勤劳的是google
有道位居第二，看来大有后来居上之意，特意分析了一下有道的搜索情况
他的库量很大而且百科收集的也很公正，不肯定以后是否因收费学百度
而且通过搜索引擎查询访问来的几乎都是google，甚至包括了他的分布各个地点
而有道看来是闷声收集数据突然爆发的可能很大。而且数据很全
有意思的是soso通过关键词检索到访也很令我吃惊，因为在蜘蛛上没...
Google学术检索晋级要诀
关键词的选择在搜索中起到决定性的作用，所有搜索技巧中，关键词选择是最基本也是最有效的，用特定的词语一下子可以找到目标资料。关键词可以是主题词、作者、会议、刊物、书名或者作品标题等。但有时候关键字不易确定，则可以通过近义词、相关词等关键字缩小检索范围。
基于统计的无词典分词方法
通过分析词的结合模式, 提出无词典分词模型, 并对该模型进行实验测试。测试结果表明, 无词典分词模型能够满足快速分词的要求。
百度中文分词技术
[tags]分词方法,seo,中文分词技术,基于字符串匹配,分词算法,基于理解,基于统计[/tags]
中文分词技术
英文是以词为单位的, 词和词之间是靠空格隔开, 而中文是以字为单位, 句子中所有的字连起来才能描述一个意思。例如, 英文句子 “ I am a seoer” , 用中文则为: “ 我是一个搜索引擎优化师” 。 计算机可以很简单通过空格知道 seoer是一个单词。但是不能很容易明白“ 搜索引擎” 、 “ 优化师” 几个个字合起来才表...
用Java+MySQL+PHP构建搜索引擎
此搜索引擎适于在一个中等规模的局域网中使用，由于找到的网页存在数据库中，不仅可以索静态的HTML页面，可以搜索php、asp等动态页面。对于一个拥有5万个网页的系统(使用PII-400作为服务器)，搜索响应时间在2-10秒左右，完全可以满足要求，由于Java、MySQL、PHP都是跨平台的软件，所以此搜索引擎不仅可以工作在Windows服务器上，而且也可以工作在Linux等其他系统中。
一、建立搜索引擎需要的数据库和...
Apache下设置错误页面
HTTP状态码及含义:
404：服务器找不到指定的资源，请求的网页不存在(譬如浏览器请求的网页被删除或者移位，但不排除日后该链接有效的可能性)；
410：请求的网页不存在(注意：410表示永久性，而404表示临时性)；
200：服务器成功返回请求的网页；
301：网址永久性重定向
302：网址临时性重定向
对HTTP404状态码的理解
HTTP 404 错误意味着链接指向的网页不存在，即原始网页的URL失效，这种情况经常会发...