zoukankan      html  css  js  c++  java
  • 初步研究全文搜索的解决方案

    首先科普 目前主流的搜索引擎技术

    它们从互联网(使用爬虫技术)提取各个网站的信息(以网页文字为主),建立起数据库,并能检索与用户查询条件相匹配的记录,按一定的排列顺序返回结果。

    分两种:

    第一种 有自己的搜索引擎程序,俗称“蜘蛛spider”:如 百度 、谷歌

    第二种 租用第三方引擎技术,费用高

    其次针对我们项目,可行性方案初步探究

    第一种 多表 join 或者创建view,进行 like 匹配查询,效率较低但查询结果准确.

     

    第二种 使用sql server 2008 自身 全文检索技术,查询的效率很高中文分词没有问题但缺点竟然是在英文查询上例如:

     select * from table where contains(ProductDesc, '*cad*')

    它能查出abc cad , cad def, 或者cad, 它不能查出autocad这种字母连在一起的数据也就是说, sql server的全文检索的英文分词是空格.

    此外,微软msdn 官方声明,下一版本sql 不在支持全文检索技术

    http://msdn.microsoft.com/zh-tw/library/cc646010(v=SQL.100).aspx

    第三种 第三方开源项目  Lucene.net

    仿照博客园搜索功能的简易网站中,需要用到Lucene.net进行查询

    两种类型的数据:结构化数据和非结构化数据 

    结构化数据很容易进行搜索,比如数据库包含的就是结构化数据,可以利用sql进行查询。对于非结构化数据,比如wordtxt文件中包含的内容则属于非结构化数据。要对这些数据进行查找,只能采用顺序扫描的方式,但是顺序扫描的方式速度很慢

    Lucene搜索过程通常分为三步:创建、索引、搜索

    http://www.xue5.com/WebDev/NET/659575.html

     

    最后个人建议

    从技术的可行性角度出发,使用第一种或者第三种。

  • 相关阅读:
    hdu 1203 I NEED A OFFER!
    数据表示范围
    1936 哪一瓶是毒药?
    注册会计师带你用Python进行探索性风险分析(一)
    网络编程1 初识网络编程
    优秀技术网站汇总:
    DNS(域名系统)
    如何查看电脑网页的源码以及编码方式的位置?
    推荐一款播放器
    我的北大之路(贺舒婷)
  • 原文地址:https://www.cnblogs.com/lei2007/p/3258374.html
Copyright © 2011-2022 走看看