博文
搜索引擎设计实用教程(3)-以百度为例 (2006-01-12 22:48:00)
摘要： /*版权声明：可以任意转载，转载时请务必标明文章原始出处和作者信息 .*/
搜索引擎设计实用教程(3)-以百度为例
之三:对百度分词算法的进一步分析
中科院软件所 malefactor
2005年11月
上面说过,经过分析得出百度的分词系统采用双向最大匹配分词,但是后来发现推理过程中存在一个漏洞,而且推导出来的百度分词算法步骤还是过于繁琐,所以进一步进行分析,看看是否......
搜索引擎设计实用教程(2)-以百度为例 (2006-01-12 22:42:00)
摘要：/*版权声明：可以任意转载，转载时请务必标明文章原始出处和作者信息 .*/
搜索引擎设计实用教程(2)-以百度为例
之二:Spelling Checker拼写检查错误提示(以及拼音提示功能)
中科院软件所 张俊林
2005年11月
拼写检查错误提示是搜索引擎都具备的一个功能,也就是说用户提交查询给搜索引擎,搜索引擎检查看是否用户输入的拼写有错误,对于中文用户来说一般造成的错误是输入法造成的错误.那么我们就来分析看看百度是怎么实现这一功能的.
我们分析拼写检查系统关注以下几个问题:
(1)系统如何判断用户的输入是有可能发生错误的查询呢?
(2)如果判断是可能错误的查询输入,如何提示正确的词汇呢?
那么百度是如何做的呢?百度判断用户输入是否错误的标准,我觉得应该是查字典,如果发现字典里面不包含这个词汇,那么很有可能是个错误的输入,此时启动错误提示功能,这个很好判断,因为如果是一个正常词汇的话,百度一般不会有错误提示,而你故意输入一个词典不可能包含的所谓词汇,此时百度一般会提示你正确的检索词汇.
那么百度是怎么提示正确词汇的呢?很明显是通过拼音的方式,比如我输入查询” 制才”,百度提供的提示词汇为: “:制裁 质材 纸材”,都是同音字.所以百度必然维持着一个同音词词典,里面保留着同音词信息,比如可能包含着下面这条词条: “ zhi cai à制裁,质材,纸材”,另外还有一个标注拼音程序,现在能够看到的基本流程是: 用户输入” 制才”,查词典,发现没有这个词汇,OK,启动标注拼音程序,将” 制才”标注为拼音”zhi cai”,然后查找同音词词典,发现同音词” 制裁,质材,纸材”,那么提示用户可能的正确拼写.
整体流程看起来很简单,但是还有一些遗留的小问题,比如是否将词表里面所有同音词都作为用户的提示信息呢?比如 某个拼音有10个同音词,是否都输出呢?百度并没有将所有同音词都输出而是选择一定筛选标准,选择其中几个输出.怎么证明这一点?我们看看拼音”liu li”的同音词,紫光输入法提示同音词汇有” 流丽 流离 琉璃 流利”4个,我们看看百度返回几个,输入”流厉”作为查询,这里是故意输入一个词典不包含的词汇,这样百度的拼写检查才开始工作......
搜索引擎设计实用教程(1)-以百度为例 (2006-01-12 22:40:00)
摘要：搜索引擎设计实用教程-以百度为例
之一:查询处理以及分词技术
中科院软件所 张俊林
2005年11月
随着搜索经济的崛起，人们开始越加关注全球各大搜索引擎的性能、技术和日流量。作为企业，会根据搜索引擎的知名度以及日流量来选择是否要投放广告等；作为普通网民，会根据搜索引擎的性能和技术来选择自己喜欢的引擎查找资料；作为技术人员，会把有代表性的搜索引擎作为研究对象. 搜索引擎经济的崛起，又一次向人们证明了网络所蕴藏的巨大商机。网络离开了搜索将只剩下空洞杂乱的数据，以及大量等待去费力挖掘的金矿。
但是,如何设计一个高效的搜索引擎?我们可以以百度所采取的技术手段来探讨如何设计一个实用的搜索引擎.搜索引擎涉及到许多技术点,比如查询处理,排序算法,页面抓取算法,CACHE机制,AN......
常见文件扩展名和它们的说明(2006-01-12 16:59:00)
摘要：
A
ACE：Ace压缩档案格式
ACT：Microsoft office助手文件
AIF，AIFF：音频互交换文件，Silicon Graphic and Macintosh应用程序的声音格式
ANI：Windows系统中的动画光标
ARC：LH ARC的压缩档案文件
ARJ：Robert Jung ARJ压缩包文件
ASD：Microsoft Word的自动保存文件；Microsoft高级流媒体格式（microsoft advanced streaming
format，ASF）的描述文件；可用NSREX打开 Velvet Studio例子文件
ASF：Microsoft高级流媒体格式文件
ASM：汇编语言源文件，Pro/E装配文件
ASP：动态网页文件；ProComm Plus安装与连接脚本文件；Astound介绍文件
AST：Astound多媒体文件；ClarisWorks“助手”文件
Axx：ARJ压缩文件的分包序号文件，用于将一个大文件压至几个小的压缩包中（xx取01-99的数字）
A3L：Authorware 3.x库文件
A4L：Authorware 4.x库文件
A5L：Authorware 5.x库文件
A3M，A4M：Authorware Macintosh未打包文件
A3W，A4W，A5W：未打包的Authorware Windows文件
B
BAK：备份文件
BAS：BASIC源文件
BAT：批处理文件
BIN：二进制文件
BINHex：苹果的一种编码格式
BMP：Windows或OS/2位图文件
BOOK：Adobe FrameMaker Book文件
BOX：Lotus Notes的邮箱文件
BPL：Borlard Delph 4打包库
BSP：Quake图形文件
BUN：CakeWalk 声音捆绑文件(一种MIDI程序)
C
C0l：台风波形文件
CAB：Microsoft压缩档案文件
CAD：Softdek的Drafix CAD文件
CAM：Cas......
XML入门(2006-01-11 00:13:00)
摘要：1、什么是XML?
XML是EXtensible Markup Language的缩写
XML是一种类似于HTML的标记语言
XML是用来描述数据的
XML的标记不是在XML中预定义的，你必须定义自己的标记
XML使用文档类型定义（DTD）或者模式（Schema）来描述数据
XML使用DTD或者Schema后就是自描述的语言
2、XML与HTML的区别：XML可以用来描述数据，重点是‘数据是什么’，HTML则是用来显示数据，重点是‘如何显示数据’。HTML是与显示信息相关的, XML则是与描述信息相关的。XML不是HTML的替代品，XML和HTML是两种不同用途的语言。
3、XML的特点
XML只是用来组织、存储和发送信息的，但事实上XML确实什么都不做。XML是自由的、可以扩展的，XML标记并不是预先规定好的，你必须创造你自己的标记。对于XML最好的形容可能是：XML是一种跨平台的，与软、硬件无关的，处理信息的工具。在未来的Web开发中，XML将和HTML一样受到重视，他们都是Web技术的基础。XML将成为最普遍的数据操纵和数据传输的工具。
4、XML的用途
首先要明确的是：XML是被设计用来存储数据、携带数据和交换数据的，它不是为了显示数据而设计的。
1、XML可以从HTML中分离数据，通过XML,你可以在HTML文件之外存储数据。在不使用XML时，HTML用于显示数据，数据必须存储在HTML文件之内；使用了XML，数据就可以存放在分离的XML文档中。这种方法可以让你集中精力去到使用HTML做好数据的显示和布局上，并确保数据改动时不会导致HTML文件也需要改动。这样可以方便维护页面。XML数据同样可以以“数据岛”的形式存储在HTML页面中。你仍然可以集中精力到使用HTML格式化和显示数据上去。
2、XML用于交换数据，通过XML,我们可以在不兼容的系统之间交换数据。在现实生活中，计算机系统和数据库系统所存储的数据有N^N种形式,对于开......
把你网页的滚动条做的最漂亮(2006-01-09 20:46:00)
摘要：
用Css控制IE5.5浏览器中滚动条
自从dhtml出现以来，微软对dhtml功能的加强就没有停止过，在微软最新的游览器internet explorer 5.5的的ie5.5增加了许多新的样式表内容，对滚动条的样式进行修改也是其中之一，下面我们简单地介绍一下涉及浏览器滚动条的样式表内容：
1．overflow内容溢出时的设置
overflow-x水平方向内容溢出时的设置
overflow-y垂直方向内容溢出时的设置
以上三个属性设置的值为visible(默认值)、scroll、hidden、auto。
2．scrollbar-3d-light-color立体滚动条亮边的颜色
scrollbar-arrow-color上下按钮上三角箭头的颜色
scrollbar-base-color ;SCROLLBAR-TRACK-COLOR: 滚动条的基本颜色
scrollbar-dark-shadow-color立体滚动条强阴影的颜色
scrollbar-face-color立体滚动条凸出部分的颜色
scrollbar-highlight-color滚动条空白部分的颜色
scrollbar-shadow-color立体滚动条阴影的颜色
以上七个属性设置的值都是颜色值，可以使用样式表定义的各种表达方式。
使用以上的样式定义内容，我们可以指定浏览器窗口、多行文本框的滚动条的显示与否和颜色样式，第一组样式属性用于设定被设定对象是否显示滚动条，第二组样式属性则用于设置滚动条的颜色，要注意的本文涉及的样式属性都是ie才能支持的，第二组的样式属性只有ie5.5版本才能支持，所以请大家在调试的时候注意。
我们通过几个实例来讲解上述的样式属性：
1.让浏览器窗口永远都不出现滚动条
没有水平滚动条
<body style="overflow-x:hidden">
没有垂直滚动条
<body style="overflow-y:hidden">
没有滚动条
<body style="overflow-x:hidden;overflow-y:hidden">或<body style="overflow:hidden">
2.设定多行文本框的滚动条
没有水平滚动条
<textarea......
学编程，请不要做浮躁的人(2006-01-05 11:59:00)
摘要：1.不要看到别人的回复第一句话就说：给个代码吧！你应该想想为什么。当你自己想
出来再参考别人的提示，你就知道自己和别人思路的差异。
2.初学者请不要看太多太多的书那会误人子弟的，先找本系统的学，很多人用了很久
都是只对部分功能熟悉而已，不系统还是不够的。
3.看帮助,不要因为很难而自己是初学者所以就不看；帮助永远是最好的参考手册，
虽然帮助的文字有时候很难看懂，总觉得不够直观。
4.不要被对象、属性、方法等词汇所迷惑；最根本的是先了解最基础知识。
5.不要放过任何一个看上去很简单的小问题--他们往往并不那么简单，或者可以引伸
出很多知识点；不会举一反三你就永远学不会。
6.知道一点东西，并不能说明你会写脚本，脚本是需要经验积累的。
7.学脚本并不难，JSP、ASP、PHP等等也不过如此--难的是长期坚持实践和不遗余力的博览
群书；
8.看再多的书是学不全脚本的，要多实践
9.把时髦的技术挂在嘴边，还不如把过时的技术记在心里；
10.学习脚本最好的方法之一就是多练习；
11.在任何时刻都不要认为自己手中的书已经足够了；
12.看得懂的书，请仔细看；看不懂的书，请硬着头皮看；
13.别指望看第一遍书就能记住和掌握什么——请看第二遍、第三遍；
14.请把书上的例子亲手到电脑上实践，即使配套光盘中有源文件；
15.把在书中看到的有意义的例子扩充；并将其切实的运用到自己的工作中；
16.不要漏掉书中任何一个练习——请全部做完并记录下思路；
17.当你用脚本到一半却发现自己用的方法很拙劣时，请不要马上停手；请尽快将余
下的部分粗略的完成以保证这个代码的完整性，然后分析自己的错误并重新编写和工
作。
18.别心急，写脚本确实不容易；水平是在不断的实践中完善和发展的；
19.每学到一个脚本难点的时候，尝试着对别人讲解这个知识点并让他理解----你能
讲清楚才说明你真的理解了；
20.记录下在和别人交流时发现的自己忽视或不理解的知识点；
21.保存好你做过的所有的源文件----那是你最好的积累之一；
22.对于网络，还是希望大家能多利用一下，很多问题不是非要到论坛来问的，首先
你要学会自己找答案，比如goo......
开始-运行-命令大全(2006-01-05 11:48:00)
摘要：1. gpedit.msc-----组策略
2. sndrec32-------录音机
3. Nslookup-------IP地址侦测器
4. explorer-------打开资源管理器
5. logoff---------注销命令
6. tsshutdn-------60秒倒计时关机命令
7. lusrmgr.msc----本机用户和组
8. services.msc---本地服务设置
9. oobe/msoobe /a----检查XP是否激活
10. notepad--------打开记事本
11. cleanmgr-------垃圾整理
12. net start messenger----开始信使服务
13. compmgmt.msc---计算机管理
14. net stop messenger-----停止信使服务
15. conf-----------启动netmeeting
16. dvdplay--------DVD播放器
17. charmap--------启动字符映射表
18. diskmgmt.msc---磁盘管理实用程序
19. calc-----------启动计算器
20. dfrg.msc-------磁盘碎片整理程序
21. chkdsk.exe-----Chkdsk磁盘检查
22. devmgmt.msc--- 设备管理器
23. regsvr32 /u *.dll----停止dll文件运行
24. drwtsn32------ 系统医生
25. rononce -p ----15秒关机
26. dxdiag---------检查DirectX信息
27. regedt32-------注册表编辑器
28. Msconfig.exe---系统配置实用程序
29. rsop.msc-------组策略结果集
30. mem.exe--------显示内存使用情况
31. regedit.exe----注册表
32. winchat--------XP自带局域网聊天
33. progman--------程序管理器
34. winms......