封面
版权信息
前言
NOTE
倒排索引、检索模型和爬虫等常见内容，也要详细讲解链接分析、网页反作弊、用户搜索意图分析、云存储及网页去重，甚至是搜索引擎缓存等内容，这些都是一个完整搜索引擎的有机构成部分
2022-06-04 00:14:10
第1章 搜索引擎及其技术架构
1.1 搜索引擎为何重要
1.2 搜索引擎技术发展史
1.3 搜索引擎的3个目标
1.4 搜索引擎的3个核心问题
1.5 搜索引擎的技术架构
第2章 网络爬虫
2.1 通用爬虫框架
2.2 优秀爬虫的特性
2.3 爬虫质量的评价标准
2.4 抓取策略
2.5 网页更新策略
2.6 暗网抓取（Deep Web Crawling）
2.7 分布式爬虫
第3章 搜索引擎索引
3.1 索引基础
3.2 单词词典
3.3 倒排列表（Posting List）
3.4 建立索引
3.5 动态索引
3.6 索引更新策略
3.7 查询处理
3.8 多字段索引
3.9 短语查询
3.10 分布式索引（Parallel Indexing）
第4章 索引压缩
4.1 词典压缩
4.2 倒排列表压缩算法
4.3 文档编号重排序（DocID Reordering）
4.4 静态索引裁剪（Static Index Pruning）
第5章 检索模型与搜索排序
5.1 布尔模型（Boolean Model）
5.2 向量空间模型（Vector Space Model）
5.3 概率检索模型
5.4 语言模型方法
5.5 机器学习排序（Learning to Rank）
5.6 检索质量评价标准
第6章 链接分析
6.1 Web图
6.2 两个概念模型及算法之间的关系
6.3 PageRank算法
6.4 HITS算法（Hypertext Induced Topic Selection）
6.5 SALSA算法
6.6 主题敏感PageRank（Topic Sensitive PageRank）
6.7 Hilltop算法
6.8 其他改进算法
第7章 云存储与云计算
7.1 云存储与云计算概述
7.2 Google文件系统（GFS）
7.3 Chubby锁服务
7.4 BigTable
7.5 Megastore系统
7.6 Map/Reduce云计算模型
7.7 咖啡因系统——Percolator
7.8 Pregel图计算模型
7.9 Dynamo云存储系统
7.10 PNUTS云存储系统
7.11 HayStack存储系统
第8章 网页反作弊
8.1 内容作弊
8.2 链接作弊
8.3 页面隐藏作弊
8.4 Web2.0作弊方法
NOTE
TrackBack机制是博客作者之间相互引用通知的机制。比如博客A发表了一篇博文，之后博客B看到这篇文章后，发表了一篇主题类似的博文，并在文中使用链接引用博客A的博文，如果两者的博客系统都支持TrackBak协议，则博客系统会自动在博客A的文章后增加指向博客B新博文的链接。博客发布系统支持TrackBack协议的初衷是引导博客群体形成讨论氛围，不过很多作弊者利用这一点，使用自动TrackBack群发软件，向大量博文发出TrackBack链接，这样就增加了作弊页面被访问的机会
2022-06-15 09:47:15
NOTE
作弊者大量关注他人微博，很多人出于礼貌也会将其作为关注者（互粉行为），在吸引到一定量的关注者后，作弊者会发布广告信息，这些广告信息就会出现在其关注者的阅读列表中，以此达到营销的目的。
2022-06-15 09:47:54