我在业余时间开发了一个仿照谷歌的搜索引擎。
我使用位于http://infolab.stanford.edu/~backrub/google.html的原始谷歌研究论文作为我的指导方针。
由于我正在开发一个非常非常简化的谷歌版本,我现在根本没有使用 pagerank 算法。
到目前为止,我已经开发了一个简单的解析器和索引器,其结果是我有一个倒排索引,其中包含针对每个唯一单词的命中数、命中位置和文档哈希。
现在我正在尝试开发一个查询引擎。但是,我发现很难为多令牌查询识别最相关的文档。
具体来说,我很难计算文档中查询词彼此的接近程度。
我想到了一种算法,可以扫描每个文档中的查询词,并根据查询词彼此接近的程度计算邻近度分数,但是我怀疑这需要很长时间,我认为有更好的方法这样做我不知道,研究论文太笼统而无法得到答案。
我只是在寻找正确方向的指针。
任何形式的帮助将非常非常非常感激。