资源列表
Crawler
- simple multi threading spider
liuhui
- Algorithm Design and System Implementation of Search Engine Confederation
S130F-A
- example program SLIM for nachi ROBOT SA 130
Ncut
- 本文介绍了web文本聚类的流程，着重介绍了Normalized Cut谱聚类的原理和算法，提出以Minimum cut作为类内部的内聚强度作为衡量Normalized Cut的迭代停止条件
33753115ktdictseg_v1.0.01
- 中文分词算法,效率很高,使用词典树装搜索进行单词切割,并提供扩充词库的函数-It s an arithmetc of word segment,it has a very high efficiency!
search_for_substring
- 此程序用于搜索从ES:1000开始的长度为100H的区域，是否存在给定的子字符串，其中，子字符串存放在以DS:1100开始的区域中，分别用DI,SI,指向它们。如果搜索到，在DS:1111处填写44（“是”的谐音），找不到，则填写55（“无”的谐音）。在本程序中，DS与ES相同。在本程序中，我们假设要搜索的子字符串的长度为3，字符可以自行设定。当然，可以改变BX来改变搜索的子字符串的长度-This program used to search from ES: 1000 100H length
seqsearch
- This is a document file related to searching techniques in algorithms
TSE
- 天网袖珍版搜索引擎TSE(Tiny Search Engine)源码-Skynet pocket version of search engine TSE (Tiny Search Engine) Source
SharpICTCLAS
- ICTCLAS分词的总体流程包括：1）初步分词；2）词性标注；3）人名、地名识别；4）重新分词；5）重新词性标注这五步。就第一步分词而言，又细分成：1）原子切分；2）找出原子之间所有可能的组词方案；3）N-最短路径中文词语粗分三步。 在所有内容中，词典库的读取是最基本的功能。ICTCLAS中词典存放在Data目录中，常用的词典包括coreDict.dct（词典库）、BigramDict.dct（词与词间的关联库）、nr.dct（人名库）、ns.dct（地名库）、tr.dct（翻译人名库
google
- Sergey Brin and Lawrence Page 写的一篇关于搜索引擎原理的论文，值得一看。-Sergey Brin and Lawrence Page wrote a paper on the principles of search engines, worth a visit.
Modeling_the_Internets
- David Hand (Imperial College, UK) 评价这本书说：这本书太迷人了！ 值得一看-"This book is fascinating!"- David Hand (Imperial College, UK)
Lucene_in_Action
- lucene in action的中文版，但不是完全版，只是部分翻译，可以稍微看看。-lucene in action in the Chinese version, but not the full version, only part of the translation, you can see a little bit.