这是一个创建于 4195 天前的主题，其中的信息可能已经有所发展或是发生改变。
搜索引擎按照关键词，能够找到匹配的n个结果，如何给这N个结果一个好的排序规则？
一般设计中要考虑的问题，或者算法有那些？
求思路
一般设计中要考虑的问题，或者算法有那些？
求思路
 |
1
xunyu 2013-06-05 15:21:12 +08:00
pagerank？
|
 |
2
taogogo 2013-06-05 17:54:03 +08:00
找影响规则呗，关键词在每个页面的权重；此关键词的此页面的点击次数；当前页面的权威性
|
 |
3
crazybubble 2013-06-06 09:44:29 +08:00
基本上有2种理论来给搜索结果排位。一种是Vector Space Model, 简单来说就是把搜索的关键词（query）当成一个vector，你搜索到的每一个doc也当成一个vector，然后计算query和每一个doc之间的similarity，最相似的排在最前面。另一种是statistic language model，简单来说，对于搜索到的每个doc，计算出这个doc里所包含的词，能组成query的可能性，这个可能性越高的话，就代表这个doc越可能和query是相关的，所以排在前面。
|
 |
4
ant_sz 2013-06-06 12:09:28 +08:00
搜索引擎的排序算法可不少，还不算上通过记录用户点击来进行反馈训练的各种机器学习的方法
pagerank只能算是入门级的了，目前在google搜索排序当中的权重已经不大，况且google已经冻结了pagerank值的改变。 如果想要有一个入门级的概览，《集体智慧编程》这本书的搜索一章提供了pagerank的实现+神经网络反馈评价的代码。也有一些对搜索技术进行概述的书籍可以参考。 |
 |
5
clippit 2013-06-06 12:16:55 +08:00
Lucene的排名是这样算的: http://lucene.apache.org/core/4_3_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html
Lucene结合了布尔模型和空间向量模型来计算相关性分数。权重方面还用到了TF-IDF的方法。 |
 |
6
martinbruce 2013-06-06 17:44:00 +08:00
参考google两位创始人的专利算法：
The Anatomy of a Large-Scale Hypertextual Web Search Engine http://infolab.stanford.edu/~backrub/google.html |
 |
7
alafeizai 2013-06-06 22:50:36 +08:00
网页相关性哈，分为文本相关性和非文本相关性，涉及到文本处理，query理解和重写，命中位置，时新性什么的，还有click model的影响，细节很多。
|
 |
8
darasion 2013-06-06 23:17:48 +08:00
撸主醒醒。
搜索引擎要都是只考一两个算法就做出来的话，那就不用那么多人费那么大劲还花那么多钱去建造了。 |
 |
9
Sunya 2013-06-06 23:54:26 +08:00
那 SEO 和黑帽都得失业了...
|
Select Language