學習下百度的原創內容的搜索方法及搜索服務器
, [2 } |/ O8 n& x
9 Q, G+ `) v8 m$ e$ k1.搜索服務器接收客戶端發送的搜索詞。
5 Q0 c; o8 O4 x: Z! ]% m! \$ Y4 I/ k- b- ?: ?
2.搜索服務器根據搜索詞獲得N 個搜索結果，N 為大於1 的正整數。
$ z/ Q& ~/ I# D( z' l
5 I6 n! M3 x0 f3.搜索服務器對N 個搜索結果進行文本相似度分析。: `( U& |; M# D1 [! a
4 g, m: G" O% \5 z7 V! x+ {4.通過深度學習技術計算搜索結果的文本相似度，並可認為文本相似度
: k* M; v* ?: I+ l3 `& C* ^滿足預設閾值的搜索結果的主題內容一致，進而可根據主題內容對N 個搜索結果進行分組。2 G5 [& ?; ?& {* T/ c7 R; H
- j4 ]7 c) z4 W" g: ?9 }5.獲得相似度滿足預設閾值的搜索結果的數量Q，並進一步判斷搜 索數量Q是否大於預設數量。
* J' f7 y7 [0 k. v+ R3 B, E7 `1 d! Q2 Z4 i4 [3 H4 M, L. H, @
6.相似度滿足預設閾值的搜索結果組，可獲取其中搜索結果的數量Q，並進一步判斷每組中搜索結果的數量Q 是否大於預設數量。, n- s$ I+ J6 W2 |
. y- p. e; [. _9 Y: e
7.如果判斷大於預設數量，則搜索服務器從Q 個搜索結果中抽取M 個原創內容發佈源中的一個，其中，M 為正整數且小於N。其中，原創內容發佈源可以是具有原創內容的搜索結果的URL，具體地，如果有M組的搜索結果的數量Q大於預設數量，則可在這M組中每組分別抽取一個遠程內容發佈源。
) U- l9 K2 U6 U' ^7 O5 i7 K6 x" u例如，可設定預設數量為10，對於搜索到的40 個搜索結果，如果文本相似度滿足
" k, }; S# O4 y6 \( W& W3 I; F4 Y預設閾值的搜索結果有A、B、C 三組，搜索結果數量分別8、12、14，則可在B 組合C 組中分別
* U' A5 d. M& a: E# p/ m抽取一個原創內容發佈源。4 i0 k% H* c1 S1 p: S% F( |, D
6 @) F- B! H+ V" Y" A6 ]8.根據權威網站獲取的原創數據對M 個原創內容發佈源進行修正。
. [2 Q& E# O: }2 k9 N
; V \7 u' ], K) O' c5 L5 t |
發表於 2014-4-27 22:51:21