CNDEV
CNDEV.ORG
当前在线
论坛
CBD
程序员情感CBD
程序员见面交流会
CBD开发区
Java/J2ME
.NET/C#
数据库
Delphi/BCB
Visual C
其它
修真养身
中国象棋
纪念日
谈钱太俗，还是投机吧
听音乐
iCosta
资源共享
一隅
好文共赏
看电影看美剧
待定
狗屎
雪域召唤
工作流
专业显摆区
语录
情感
批评与自我批评
爱情故事
发牢骚
看三点区
游戏
CNDEV-CS/WOW
浩宇长空
生活
家有XPH
我爱学英语
美食天地ORG
半调子体育迷
观澳园友邻
搞笑奇文
拍照片
我读书我存在
论坛系统
超级垃圾站
系统建议及BUG
系统测试
中国开发网
: 论坛:
程序员情感CBD
: 贴子 716691
Apache
： 中文和英文的分词算法思路有很大差异的。
[阅读: 655] 2009-04-21 05:08:24
海量是国内中文分词做的比较好的一个，你可以下载他的试用开发包，试一下效果
相关信息:
有人能给我推荐网络所搜引擎公司和产品吗？想购买现成可靠的产品用于内网搜索
(空) (
十方
[621]
2009-04-17 08:06
)
google和百度
(空) (
玉楼
[510]
2009-04-17 08:22
)
他们提供内网搜索那种企业产品吗？
(空) (
十方
[494]
2009-04-17 09:32
)
不知道
(空) (
玉楼
[534]
2009-04-17 09:50
)
Doug Cutting, Lucene, Nutch
(45字)
(
sealw
[651]
2009-04-17 08:36
)
全文检索？
(空) (
Apache
[592]
2009-04-17 09:03
)
TRS 我用过，还不错，
(20字)
(
Apache
[611]
2009-04-17 09:04
)
你真的用过trs吗？真用过没有说不错的...
(空) (
virushuo
[549]
2009-04-17 12:40
)
废话，我当然真用过
(空) (
Apache
[520]
2009-04-17 13:17
)
如果六间房的视频搜索是你们做的，我感觉trs 比你们搜的准
(空) (
Apache
[584]
2009-04-17 13:19
)
我们的涉及用户的用法和需求。搜索不仅仅是准就行了的。
(空) (
virushuo
[531]
2009-04-17 13:48
)
可能我的想法不是太专业，我觉得搜的快，搜的准就行了
(空) (
Apache
[544]
2009-04-17 13:55
)
不是全文检索，是搜索引擎，前者是具体技术，后者是整体解决方案
(空) (
十方
[547]
2009-04-17 09:36
)
没明白你的意思
(空) (
Apache
[519]
2009-04-17 09:41
)
找火炬，银杏搜索啊
(空) (
wzydf
[525]
2009-04-17 09:16
)
具体些的功能需求是？word/pdf等搜不搜？
(空) (
乌烟
[530]
2009-04-17 09:43
)
网页？数据库？
(空) (
乌烟
[476]
2009-04-17 09:49
)
要在内网搜什么？员工硬盘上的搜不搜？
(空) (
乌烟
[852]
2009-04-17 09:51
)
http://red-piranha.sourceforge.net/
(空) (
乌烟
[592]
2009-04-17 09:53
)
Last Update: Oct 28 2007
(空) (
newbee
[482]
2009-04-17 10:20
)
为什么你最近推荐的东西都系英文的。
(空) (
十方
[508]
2009-04-17 10:32
)
向sealw牛学习
(空) (
乌烟
[530]
2009-04-17 10:37
)
互相学习
(空) (
sealw
[539]
2009-04-17 13:40
)
谢谢你的热心和支持。我们有一个内网，上面有不少站点，想做一个搜索，你说的网页、word、pdf、数据库系统都有的，员工没有共享出来的东西就不搜索了
(空) (
十方
[591]
2009-04-17 10:29
)
咯咯，这样的啊，开源方案挺多的。
(空) (
乌烟
[570]
2009-04-17 10:37
)
开源的引擎和商业的还是有很大差距的
(空) (
Apache
[490]
2009-04-17 10:46
)
以我的经验是，引擎的质量直接决定搜索的质量，引擎最重要，周边的东西都可以自己搭，DIY个爬虫这些都不难
(空) (
Apache
[551]
2009-04-17 09:54
)
这个也是外行说的。除了效率，所有的引擎都是一样的。所有都是反向索引＋位运算。所有所有所有的引擎都是一样的，没有任何区别。
(空) (
virushuo
[636]
2009-04-17 13:51
)
个人认为搜索引擎的搜索结果是否准确在于分词算法，这直接决定了搜索引擎是否好用
(91字)
(
Apache
[624]
2009-04-17 14:02
)
您也别把一堆名词堆在一起吧。。。啥叫机械分词，啥叫统计分词啊？
(空) (
virushuo
[512]
2009-04-17 14:08
)
自己Google去吧
(空) (
Apache
[560]
2009-04-17 14:22
)
再补充一个语义分词，可以一并看一下
(空) (
Apache
[516]
2009-04-17 14:22
)
大牛外包吧
(空) (
Apache
[526]
2009-04-17 10:10
)
不是外包，是购买成熟产品
(空) (
十方
[827]
2009-04-17 10:30
)
卖引擎的公司都有很多方案供你选择，只是钱多钱少和需求符合度的问题了
(65字)
(
Apache
[631]
2009-04-17 10:49
)
别害人了。
(空) (
virushuo
[498]
2009-04-17 12:41
)
为什么说我害人？你用过这个产品？
(空) (
Apache
[461]
2009-04-17 13:05
)
我不仅用过，还找了他们一个bug，他们不肯改，我只好自己hack 了一下，打了个补丁。就他们那2下子，也就政府机关敢用，反正只是为花钱找个接口。
(空) (
virushuo
[572]
2009-04-17 13:48
)
可能我们用的版本不同吧，6.0以上还是不错的
(41字)
(
Apache
[606]
2009-04-17 13:58
)
拜托，几万个1秒还值得说嘛...几百万个也不应该超过1秒啊....
(空) (
virushuo
[532]
2009-04-17 14:06
)
哦，对了，trs没法在一个库放几百万文档
(空) (
virushuo
[516]
2009-04-17 14:07
)
这个资料不在手，不敢肯定，不过可以自动分库这一点是肯定的。
(空) (
Apache
[584]
2009-04-17 14:14
)
很遗憾，我没有那么大压力的应用场景作测试，也只能说说我实际测试过的性能
(空) (
Apache
[598]
2009-04-17 14:08
)
几万文档，用这种技术都可惜了，直接在数据库里面like都挺好的。。
(空) (
virushuo
[556]
2009-04-17 14:09
)
此言差矣了，难道全文检索就是数据库 like ％
(20字)
(
Apache
[548]
2009-04-17 14:12
)
几万文档用like足够了，体现不出来任何全文搜索的优点，太少了。
(空) (
virushuo
[596]
2009-04-17 14:17
)
。
(空) (
Apache
[496]
2009-04-17 14:18
)
doc,pdf什么的导入，那才真是没技术含量的事呢。跟搜索引擎没任何关系。
(空) (
virushuo
[584]
2009-04-17 14:18
)
是这样的，都没有技术难度，只要有时间都可以搞定
(14字)
(
Apache
[664]
2009-04-17 14:20
)
这东东我也写过一个，还真是个纯体力活
(空) (
pinxue
[516]
2009-04-17 17:55
)
1、有一个内网，上面有N个Web站点 2、个站点内容比较杂 3、能自动抓取和搜索这些网站上面的内容 4、具有一定的定制和改进能力
(空) (
十方
[503]
2009-04-17 10:34
)
如果只是抓取网站内容，那好办，页面相关的内容的内容呢？企业性质的搜索不要求共享出来的文档？
(空) (
乌烟
[446]
2009-04-17 10:40
)
在一个很大的区域内有一个网络（当然不是互联网），上面有Web网站
(空) (
十方
[532]
2009-04-17 10:59
)
区域指的是？
(空) (
乌烟
[476]
2009-04-17 11:05
)
看到了一个：Google Search Appliance
(空) (
十方
[520]
2009-04-17 10:57
)
昨天也看到了，mini 的价格似乎是3K 多 $
(空) (
Apache
[487]
2009-04-17 11:05
)
但是国内好像没有卖的
(空) (
十方
[497]
2009-04-17 11:10
)
ginkgotek.com 不过内网我们不做。呵呵。
(空) (
virushuo
[502]
2009-04-17 12:37
)
唉啊
(空) (
十方
[519]
2009-04-17 14:05
)
autonomy
(空) (
C007
[496]
2009-04-17 13:05
)
我准备下个月喊autonomy，ibm过来进行交流。主要就是搜索引擎、存储方面的。
(空) (
C007
[540]
2009-04-17 13:09
)
是在不行就忽悠这些公司了，不过有些不甘心
(空) (
十方
[410]
2009-04-17 14:05
)
乌烟说的没错，你这个需求，找几个开源项目堆一下就可以了。当然如果钱很富裕，另论。
(空) (
virushuo
[504]
2009-04-17 14:10
)
我不懂Java技术啊，看来要请乌烟吃饭了，给我启蒙一下
(空) (
十方
[521]
2009-04-17 14:35
)
有一个问题没有说清楚，所以导致大家都方向稍有偏差
(14字)
(
十方
[614]
2009-04-17 17:48
)
要是价钱合适，我们倒是可以考虑。不做内网的原因是维护成本太高了。
(空) (
virushuo
[562]
2009-04-17 18:02
)
那赶紧得外包得了
(16字)
(
pinxue
[554]
2009-04-17 18:05
)
丢我们吧,全方位一体化解决, 软硬件全包, 开发和后期维护服务全有....
(空) (
dead_lee
[467]
2009-04-17 19:20
)
不知道google的桌面搜索能不能扩展一下，符合你的需求。。。。。。。
(105字)
(
haitao
[593]
2009-04-17 20:01
)
盘符有个数上限的。
(空) (
zhong
[549]
2009-04-17 22:03
)
那就用一个samba客户端，把所有的机器的共享目录都作为它的一系列目录。。。。。
(108字)
(
haitao
[554]
2009-04-17 22:49
)
找virushuo牛的银杏吧。
(9字)
(
龙之吻
[465]
2009-04-20 20:46
)
最近找了些autonomy ，ominfind的资料。哪个大牛用过。说说
(空) (
C007
[558]
2009-04-21 11:06
)
autonomy还不如用海量呢，分词应该也是海量的。海量我倒是可以介绍给你。如果需要的话。
(空) (
virushuo
[675]
2009-04-21 11:29
)
CSDN用的好像也是海量？
(空) (
乌烟
[454]
2009-04-21 11:30
)
csdn是免费的，支持也不怎么样。海量的问题是，东西不错，但产品做的不好，但是让他们做项目，他们给支持还可以。
(64字)
(
virushuo
[614]
2009-04-21 11:32
)
海量？ 你说autonomy用的海量的分词算法吗？
(空) (
C007
[465]
2009-04-21 11:56
)
搜了一下。国内公司的产品就不用考虑了
(空) (
C007
[469]
2009-04-21 12:02
)
中文和英文的分词算法思路有很大差异的。
(36字)
(
Apache
[654]
2009-04-21 13:08
)
这个不是关键
(空) (
C007
[420]
2009-04-21 14:33
)
那关键是？
(空) (
Apache
[402]
2009-04-21 14:37
)
能忽悠住人的
(空) (
C007
[470]
2009-04-21 15:03
)
明白了
(空) (
Apache
[439]
2009-04-21 15:04
)
从技术角度，除了分词还有啥子需要重点关注的！
(空) (
C007
[444]
2009-04-21 15:12
)
全文检索
(空) (
龙之吻
[491]
2009-04-21 19:48
)
.
(空) (
Apache
[433]
2009-04-21 20:32
)
BS
(空) (
C007
[482]
2009-04-22 11:11
)
欢迎光临本社区，您还没有登录，不能发贴子。请在
这里登录
| -ICP -IDC -ISP |