搜索引擎开发培训课程提纲 Find Real Matter

前导知识 Core Java 编译原理 概率论 数据结构 《 Java技术手册》 《 Modern compiler implementation in Java 》 概率论 《应用随机过程：概率模型导论》 数据结构 《 JAVA中文文本信息处理》 Find Real Matter

了解搜索引擎 Google神话. 体验搜索引擎 做自己的搜索（代码） 把搜索范围限定在网页标题中——intitle. 把搜索范围限定在特定站点中——site. 把搜索范围限定在url链接中——inurl. 做自己的搜索（代码） 实现制作索引的功能，实现搜索功能. Find Real Matter

遍历搜索引擎技术 30分钟实现的搜索引擎 . 准备工作环境（10分钟） . 编写代码（15分钟） 发布运行（5分钟） 实现一个基于WEB结构的搜索引擎。(代码) Find Real Matter

网络蜘蛛 全文索引结构 Nutch网络搜索软件 商业搜索引擎技术介绍 自己的网络蜘蛛（代码） 广度遍历 深度遍历 正则表达式 Find Real Matter

BerkeleyDB BerkeleyDB.原理与使用方法 B树讲解 基本API使用（代码） Find Real Matter

抓取技术 抓取网页 MP3 抓取 RSS 抓取 图片抓取 垂直行业抓取 抓取数据库中的内容 抓取本地硬盘上的文件 Find Real Matter

提取文档中的文本内容 从HTML文件中提取文本 htmlparser的基本使用（代码） 结构化信息提取 网页去噪 Find Real Matter

正文提取 DOM树原理 NekoHTML讲解 NekoHTML简单应用（代码） NekoHTML用法的深入了解（代码） Jsoup讲解 递归调用方法的使用 Jsoup讲解 Find Real Matter

从非HTML文件中提取文本 TEXT文件 PDF文件 Word文件 Excel文件 PowerPoint文件 流媒体内容提取 Find Real Matter

中文分词处理 Lucene 中的中文分词 Lietu中文分词的使用 中文分词的原理 正向最大匹配（代码） Find Real Matter

查找词典算法 语法解析树 数字搜索树 Tire树 最佳前驱匹配（代码） Trie树的生成过程（代码） 使用Trie树的常规的API（代码） Find Real Matter

隐码模型 发射概率概念 转移概率概念 统计一个词库中的发射概率和转移概（代码） 隐码模型的实际应用（代码） Find Real Matter

文档排重 语义指纹 语义指纹的概念 语义指纹的实际应用（代码） Find Real Matter

中文关键词提取 关键词提取的基本方法 关键词提取的设计 从网页提取关键词 关键词提取的实际应用（代码） Find Real Matter

拼写检查 英文拼写检查 中文拼写检查 英文拼写检查的实际应用（代码） Find Real Matter

自动摘要 自动摘要技术 自动摘要的设计 具体的应用（代码） Find Real Matter

自动分类 自动分类的接口定义 自动分类的SVM方法实现 多级分类 Find Real Matter

自动聚类 聚类的定义 K均值聚类方法 K均值实现 Find Real Matter

语义搜索 准备语义词库 把语义词库转换成同义词索引库 在SynonymAnalyzer中使用同义词索引库 具体的代码解析（代码） JUnit 介绍 Find Real Matter

跨语言搜索 简繁转换（代码） Find Real Matter

Lucene 的索引库 理解 Lucene 的索引库结构 设计一个简单的索引库（代码） Find Real Matter

创建和维护索引库 创建索引库 向索引库中添加索引文档 删除索引库中的索引文档 更新索引库中的索引文档 索引的合并 索引的定时更新 索引的备份和恢复 （以上部分均有实现代码） Find Real Matter

优化使用 Lucene 索引优化 查询优化 实现字词混合索引 定制Tokenizer 查询大容量索引 （以上部分均有实现代码） Find Real Matter

用户界面设计与实现 Lucene 搜索接口 搜索页面设计 实现一个日文搜索项目的页面设计（代码） 用于显示搜索结果的 taglib 设计一个简单的搜索页面 实现一个日文搜索项目的页面设计（代码） Find Real Matter

实现搜索接口 布尔搜索 指定范围搜索 设置过滤条件 搜索结果排序 搜索页面的索引缓存与更新 （以上部分均有实现代码） Find Real Matter

关键词高亮显示 结合以前学习的内容学会使用highlighter包（代码） 理解其包中基本类的使用 实际应用 Find Real Matter

实现多维视图及相关搜索 实现多维视图 MoreLikeThis的具体使用 bitsSet介绍 计算机中进制转换和位移介绍 （以上部分均有实现代码） Find Real Matter

实现AJAX自动完成 用AJAX技术设计搜索页面（代码） Find Real Matter

用Solr实现分布式搜索 Solr服务器端的配置与中文支持 把数据放进Solr 从Solr删除数据 SolrJ客户端搜索界面 Solr的.net客户端 Solr的PHP客户端 Find Real Matter

图像的OCR识别 调用OCR识别图像的过程 基于SVM的OCR识别代码 Find Real Matter

Web图分析 用BerkeleyDB存储Web图 WebGraph压缩存储Web图 Find Real Matter

Thank you Question? Find Real Matter