中文搜索引擎

摘要： 百度作为全球最大的中文搜索引擎,能够占据中国市场73.5%的市场份额,从上到下具有鲜明的工程师文化,这和李彦宏的工程师出身关系很大。百度工程师文化的特征之一就是“用科技让复杂世界更简单”,致力于为用户提供“简单可依赖”的互联网搜索产品及服务,这也是它的使命。因此百度狂热地追求更好的搜索技术,追求为用户带来极致的搜索体验。其二就是容忍失败,鼓励创新。没有错误就没有创新,百度给予了员工充分的自主权和犯错的空间,致力于为员工营造创新的氛围,这也是其“简单可依赖”的核心理念的题中之义。其三就是专注。

摘要： Lucene is a full-text search engine toolkit written in Java, an object-oriented, multi-tier package that provides a low-coupling, platform-independent and full-text search engine architecture. The network programming based on streaming Socket is an effective method to design the network communication program. Based on Lucene, this paper designs and implements the Chinese search engine by using Chinese word segmentation technology. At the same time, it uses Java and PHP Socket network programming technology to realize the function of using Lucene service through PHP website.%Lucene是一个用Java写的全文检索引擎工具包,面向对象多层封装,提供了一个低耦合、与平台无关的、可进行二次开发的全文检索引擎架构,是这几年最受欢迎的信息检索程序库;基于流式Socket的网络编程是设计网络通信程序的一种有效方法.本文基于Lucene,采用中文分词技术,设计并实现了中文搜索引擎,同时应用Java和PHP的Socket网络编程技术,实现了外网通过PHP网页使用Lucene服务的功能.

摘要： 李彦宏，最大的中文搜索引擎百度的创始人，第十二届全国政协委员，兼任第十一届中华全国工商业联合会副主席、第八届北京市科协副主席等职务，并获聘“国家特聘专家”。

摘要： 起始于知乎问答社区的“魏则西去世事件”,引发了网络热议。本文从专业角度对肿瘤免疫治疗进行较为全面的科普。了解并懂得,才能避免上当受骗。混乱的“肿瘤生物治疗”!说到肿瘤生物治疗,可真是让人爱恨纠结,一言难尽。作为肿瘤科医生,我已经不止一次接到这样的咨询,经常有患者或家属甚至是非肿瘤专科的医护同行向我咨询关于肿瘤生物治疗的问题,可见这类宣传很是深入人心。到某著名中文搜索引擎输入关键词“肿瘤生物治疗”或“免疫治疗”,

摘要： 中文分词是中文搜索引擎中的基本任务,本文总结和分析了常用的中文分词方法,并提出了一种基于统计的分词算法.算法的原理是在文档中抽取最长重复字串,进而得到索引项.这种分词方法使得分词更加简单准确.

摘要： 魏则西的死只是一个引爆点,在道德和伦理之外,百度的商业模式和公司治理,面临着更多的拷问。中国三家最强大的互联网公司之一的百度,为了维持股价只能纠结在主营业务搜索的利润指标上,犹如被困入囚笼的巨兽一个21岁年轻人的死亡,武警部队三甲医院、莆田系、央视……这些看似并无多少关系的元素,在短短的几天内却聚合成为一场飓风,扑向了全世界最大的中文搜索引擎,百度。西安电子科技大学计算机系学生魏则西,2014年罹患＂滑膜肉瘤＂晚期。

摘要： 2016年6月，中国领先的汽车互联网企业易车控股有限公司、中国领先的互联网增值服务提供商腾讯控股有限公司、全球最大的中文搜索引擎百度、国内最大的自营电商企业京东集团联合宣布已签订最终协议。根据协议，腾讯、百度与京东同意分别向易车投资5，000万美元。

摘要： 本文选取了百度、搜狗、中文Google,雅虎中国4种中文搜索引擎作为实验对象，以糖尿病的医学信息为检索方式，检索范围是万维网站点或页面，对这四种中文搜索引擎检索医学信息的效果进行评测分析，旨在为人们在搜索医学先关信息时选择搜索引擎。

摘要： 近几年中文搜索引擎的市场总量以年80％以上的速度增长。中文搜索引擎的市场格局2003年以前比较平稳，2004年以后竞争开始加剧，2005年则发生了剧烈的变化。未来的中文搜索引擎必将向着智能化、个性化、行业化、部落化发展，企业搜索、桌面搜索、多媒体搜索、手机搜索等服务模式也将流行。这些功能的实现和服务模式的推出，需要中文信息处理技术的支撑。中文搜索引擎对中文信息处理提出了新的要求和发展动力。中文信息处理中的分词、实体识别、分类、聚类、标引、摘要、知识挖掘等技术在未来几年内将得到长足的进步。

摘要： ＷＷＷ技术的广泛应用，互联网中文信息越来越丰富，因此对中文搜索引擎的要求就越来越高，该文根据上网体会对互联网中文搜索引擎基本性能作了对比，通过止网实验测试了各搜索引擎的实际检索性能，并通过分析实验数据得出了结论。希望对中文搜索引擎的建立，使用和完善有所启示。

摘要： 随着Ｉｎｔｅｒｎｅｔ网上中文信息的日益增多，以及以中文为母语的海峡两岸网民队伍的急剧扩大，用中何在这个浩翰的信息海海中，快速地查找和索取所需的中文信息？为了更好地利用网上的中文信息资源，也晚好地推动网上检索技术的向前发展，海峡两岸的科技信息工作者都在不懈地努力，研究和开发提供网上中文信息资源查询的系统即中文搜索引擎。该文较详细的分析了海峡两岸中文搜索引擎目前的发展状况，比较了其不同的优势和存在的问题，提出了两岸科技信息业共同携手发展高质量中文搜索引擎的建议。

摘要： 该文结合了天津信息港中文搜索引擎的实例，提示了中文引擎的内在机制、开发方法。并在结尾展望了中文搜索引擎的未来。

摘要： 在语义研究中,词语相似度是一个基本的概念,但是在研究文档内容的相关性时它具有较大的局限性.例如,“医院”和“医生”两个词语,医院是一个场所,而医生是一个人,分属于语义树两个不同的分支,因此它们的相似度必然很低.但是它们在语义上实际上又是两个密切相关的词语.为此,本文提出一种基于语义资源库HOWNET的词语相关度计算方法,本方法摒弃了常见的计算词语相似度时义原权值固定的方法,而是对不同的词语进行动态调整其义原的权值,采用该方法计算两个词语的语义相似性可以解决上面提到的局限性.并且将该方法应用到广泛使用的搜索引擎检索技术中,有利于提高检索的查准率和查全率.

摘要： 本文概括介绍了我国中文信息技术的发展历程及汉字输入技术、中文搜索引擎、汉语分词、中文平台的发展现状和发展状况,并对各种汉字输入方法进行了比较.

摘要： 本发明涉及搜索引擎的中文搜索词自动纠错方法，属于计算机应用技术领域。本发明包括数据模块、离线建库端及在线检索端，数据模块的主要作用是为后面的离线建库端和在线检索端提供数据。本发明使用搜索日志，爬虫系统等模块挖掘丰富的离线数据，用于多种纠错策略使用。针对不同的领域，使用专有领域词典用于系统纠错。本发明使用多种独立纠错策略相结合的方式，面对复杂的query错误，多种策略相互补充相互比较，最终取得较好的结果。加上二次纠错的使用，使得纠错范围更加广泛，成功率更高。本发明纠错策略可灵活独立配置，纠错场景更加广泛，能更好适应各种不同的垂直搜索领域。

摘要： 本实用新型公开了一种中文字典搜索引擎，用于从中文字典中快速定位输入的中文字，所述中文字典内的中文字采用GB2312/GBK编码；包括第一模块，用于建立和保存中文字典内中文字的GB2312/GBK编码与该中文字在中文字典中相对于中文字典起始位置的字典内偏移量之间的对应关系；第二模块，用于接收输入的中文字，并利用该中文字的GB2312/GBK编码从第一模块得到对应的字典内偏移量；第三模块，用于根据中文字典的起始存储位置和字典内偏移量，直接在该中文字典中定位所述输入的中文字并输出。本实用新型采用以中文字的GB2312/GBK编码排序方式从中文字典中定位输入的中文字，速度快，在定位过程中占用资源少。

摘要： 本发明涉及一种面向中文搜索引擎混杂语言的查询纠错方法及系统。本发明针对中文搜索引擎混杂语言查询的特点，采用面向混杂语言的异构字符树词典和基于高频或高点击次数用户查询日志构建的语言模型，对用户的查询进行同步切分和纠错尝试，利用状态之间的转移达到对查询进行切分的目的；采用双队列记录每一步编辑后最优的N个完成状态和M个未完成状态，在保障纠错速度的同时获取最佳的切分方式和对应的替代词条组合；利用最终纠错结果侯选集的特征进行判定，输出符合限定条件的纠错结果，有效地提高了准确率。

摘要： 本发明提供一种基于错误模式挖掘的中文搜索引擎查询纠错方法。该方法通过挖掘搜索引擎查询日志中的错误模式并建模，有效的改善了查询纠错系统中查询及其正确形式之间转换概率的预估精度；利用隐马尔科夫模型进行查询纠错，通过隐含状态的转移实现对查询的切分和纠错，提高了查询纠错的准确率和速度。

摘要： 本发明公开了一种基于广义后缀树的中文搜索引擎模糊自动补全方法，包括步骤一：建立词的广义后缀树索引，利用现有的建立后缀树的方法，对中文词库中的所有词建立广义后缀树索引；步骤二：计算字的相似度；步骤三：计算相似度接近的词的权重值；步骤四：模糊自动补全。本发明依据中文语境中以字为单位的特点，利用广义后缀树能够高效的保存词库中所有词的后缀，根据相似度权重，在计算机上实现了中文搜索引擎的模糊自动补全，从而增强了计算机中文自动补全的功能和适用性。本方法中的模糊自动补全，不仅可以支持传统的中文前缀补全，而且能够支持中文的任意中缀补全。

摘要： 本发明公开了一种中文搜索引擎中查询词的拼写校正方法，属于网络信息处理领域。该方法包括：判断输入中文搜索引擎的英文查询词是否为正确的英文查询词；对非正确的英文查询词，生成所述非正确的英文查询词的候选形式，按照预设规则将所述候选形式列入候选集合；对所述候选集合中的所有候选形式进行评分，将分值最高的候选形式作为校正后的形式返回给用户。本发明通过对错误的查询词的候选形式进行度量，选出分值最高的候选形式作为查询词的校正形式，有效地避免拼写错误对搜索引擎的误导，使得搜索引擎更加智能。

摘要： 本发明涉及一种面向中文搜索引擎混杂语言的查询纠错方法及系统。本发明针对中文搜索引擎混杂语言查询的特点，采用面向混杂语言的异构字符树词典和基于高频或高点击次数用户查询日志构建的语言模型，对用户的查询进行同步切分和纠错尝试，利用状态之间的转移达到对查询进行切分的目的；采用双队列记录每一步编辑后最优的N个完成状态和M个未完成状态，在保障纠错速度的同时获取最佳的切分方式和对应的替代词条组合；利用最终纠错结果侯选集的特征进行判定，输出符合限定条件的纠错结果，有效地提高了准确率。

摘要： 本发明提供一种基于错误模式挖掘的中文搜索引擎查询纠错方法。该方法通过挖掘搜索引擎查询日志中的错误模式并建模，有效的改善了查询纠错系统中查询及其正确形式之间转换概率的预估精度；利用隐马尔科夫模型进行查询纠错，通过隐含状态的转移实现对查询的切分和纠错，提高了查询纠错的准确率和速度。

摘要： 本发明公开了一种基于广义后缀树的中文搜索引擎模糊自动补全方法，包括步骤一：建立词的广义后缀树索引，利用现有的建立后缀树的方法，对中文词库中的所有词建立广义后缀树索引；步骤二：计算字的相似度；步骤三：计算相似度接近的词的权重值；步骤四：模糊自动补全。本发明依据中文语境中以字为单位的特点，利用广义后缀树能够高效的保存词库中所有词的后缀，根据相似度权重，在计算机上实现了中文搜索引擎的模糊自动补全，从而增强了计算机中文自动补全的功能和适用性。本方法中的模糊自动补全，不仅可以支持传统的中文前缀补全，而且能够支持中文的任意中缀补全。

摘要： 本发明公开了一种中文搜索引擎中查询词的拼写校正方法，属于网络信息处理领域。该方法包括：判断输入中文搜索引擎的英文查询词是否为正确的英文查询词；对非正确的英文查询词，生成所述非正确的英文查询词的候选形式，按照预设规则将所述候选形式列入候选集合；对所述候选集合中的所有候选形式进行评分，将分值最高的候选形式作为校正后的形式返回给用户。本发明通过对错误的查询词的候选形式进行度量，选出分值最高的候选形式作为查询词的校正形式，有效地避免拼写错误对搜索引擎的误导，使得搜索引擎更加智能。