Boost库文档搜索引擎
文章目录
- 综述
- 效果展示
- 去标签化，清理数据
- 构建索引
- 用户查询
综述
该项目使用了BS架构，实现了用户对Boost库进行站内搜索的功能，
用户输入关键字使用http协议通过ajax将数据发送给后端服务器，后端进行分词，
通过倒排索引和正排索引获得若干个文档，
每个文档按照一定权重进行排序，拼接成一个网页反馈给用户，
每个搜索结果包括文档标题，简介，URL，并可以通过点击标题跳转到特定的网址中
效果展示
去标签化，清理数据
将爬虫和下载的boost库的文件，进行提炼，去标签化，保留里面的有效数据
- 提取html文件
- 将提取到的html文件进行提炼有效数据
- 将有效数据的集合写入到一个文件中
构建索引
- 根据将去标签化后构建的内容集合在内存中
构建正排索引，形成对应的文档结构体 - 将形成的文档结构体在内存中
构建倒排索引，根据关键词找到对应的倒排拉链（一系列和该关键字相光的文档集合)- 根据
Jieba分词对title和content进行分词同时划定权重，构建倒排拉链 - 每个倒排索引中都包含权重，之后我们就能够使用权重对文档优先级进行排序
- 根据
用户查询
- 用户输入搜索关键字后，先进行
JieBa分词 - 通过
倒排索引获得对应的倒排拉链 - 在
倒排拉链中通过正排索引获得对应一系列的文档内容 - 根据索引中的权重按高到低进行排序，组合成一个网页反馈给用户
相关文章：
Boost库文档搜索引擎
文章目录综述效果展示去标签化，清理数据构建索引用户查询综述 该项目使用了BS架构，实现了用户对Boost库进行站内搜索的功能， 用户输入关键字使用http协议通过ajax将数据发送给后端服务器，后端进行分词， 通过倒排索引…...
Linux中安装JDK
Linux中安装JDK一 、下载JDK包1、下载网址2、往下翻，找到 java83、继续往下翻找到要下载的版本 64位linux版本二 上传jdk安装包三 开始安装整体过程1、解压文件2、查看解压文件3、进入解压文件夹确认4、配置环境变量5、重新加载环境变量6、确认安装成功一 、下载JDK…...
宝塔面板公网ip非80端口非443端口部署ssl
有不少人使用家用宽带，虽然申请下来了公网ip，但是运营商封了80与443端口，但仍想使用ssl证书 一、仅封80端口 1、先在宝塔面板里创建网站，域名为test.xxx.cn:8085 2、再到域名运营商做A记录解析，此时可以通过http://…...
手撕八大排序（上）
排序的概念及其引用： 排序的概念： 排序：所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。 稳定性：假定在待排序的记录序列中，存在多个具有…...
clickhouse 怎么统计每天0点到10点的某个字段的数据量
比喻：统计最近一周0点到10点期间每天id的数量 日期：2023-03-23 09:02:22 日期全是这种格式 第一步先把日期转小时：先把小于10小时的查出来 toHour(card_time)<10 select toDate(t.dates) as dates,sum(t.count) as count from ( se…...
[qiankun]-图片加载问题
[qiankun]-图片加载问题开发版本图片加载报错现象描述分析解决方案base64的展示格式静态资源的展示方式取消hash的取值方式，并在主应用中添加图片设置图片的绝对路径根据环境动态设置图片的绝对路径nginx转发方式开发版本 "vue": "^3.2.45", &…...
关于upstream的八种回调方法
1 creat_request调用背景：用于创建自己模板与第三方服务器的第一次连接步骤1） 在Nginx主循环（ngx_worker_process_cycle方法） 中，会定期地调用事件模块， 以检查是否有网络事件发生。2） 事件模块…...
0303泰勒公式-微分中值定理与导数的应用
文章目录1 引入2 泰勒中值定理2.1 泰勒多项式3.2 泰勒中值定理13.3 泰勒中值定理22.4 误差估计4 麦克劳林公式5 常见麦克劳林公式6 泰勒公式相关例题6.1 将函数展成指定的泰勒公式6.1.1 公式法6.1.2 间接展法（变量替换）6.2 利用泰勒公式求极限6.3 确定无…...
日常运维基础命令
commandexplainps -f -u user_name显示指定用户的进程ps aux --sort-pcpu,pmem先以cpu使用量进行排序，cpu使 用一样，以内存使用率排序ps -ef --forest显示ACLII进程数ps --ppid 28208显示父进程的子进程ps -p 14447 -L显示进程的线程ps -e -o pid&#x…...
人员行为识别系统 TensorFlow
人员行为识别系统人员行为识别系统通过TensorFlow深度学习技术，人员行为识别算法对画面中区域人员不按要求穿戴、违规抽烟打电话、睡岗离岗以及作业流程不规范实时分析预警，发现违规行为立即抓拍告警。深度学习应用到实际问题中，一个非常棘手…...
ES-倒排索引BKD原理skiplist
1.Elasticsearch数据存储结构FST、skiplist、BKD-tree、LSM-tree Elasticsearch数据结构存储流程_善思的博客-CSDN博客_elasticsearch 数据结构 number?keyword?傻傻分不清楚 - Elastic 中文社区 ElasticSearch实战（六）-Skip List 跳表算法…...
每天一道大厂SQL题【Day12】微众银行真题实战(二)
每天一道大厂SQL题【Day12】微众银行真题实战(二) 大家好，我是Maynor。相信大家和我一样，都有一个大厂梦，作为一名资深大数据选手，深知SQL重要性，接下来我准备用100天时间，基于大数据岗面试中的经典SQL题&…...
带您了解TiDB MySQL数据库中关于日期、时间的坑
带您了解TiDB & MySQL数据库中关于日期、时间的坑时间的基础知识什么是时间计算时间的几种方法世界时（UT）协调世界时（UTC）国际原子时（TAI）时区的概念中国所在的时区操作系统的时区datetimedatectl数据库…...
【华为OD机试模拟题】用 C++ 实现 - 求字符串中所有整数的最小和
最近更新的博客 华为OD机试 - 入栈出栈（C++） | 附带编码思路 【2023】 华为OD机试 - 箱子之形摆放（C++） | 附带编码思路 【2023】 华为OD机试 - 简易内存池 2（C++） | 附带编码思路 【2023】 华为OD机试 - 第 N 个排列（C++） | 附带编码思路 【2023】 华为OD机试 - 考古…...
harbor 仓库迁移升级
harbor 仓库迁移升级 harbor仓库安装数据传输仓库切换版本 v1.8.0 v2.3.5 harbor仓库安装 环境准备：安装docker详见：docker 的介绍和部署，并下载docker-compose详见：docker 三剑客compose。 现有支持的安装harbor仓库的方式有两…...
评论功能设计思路~
文章目录 评论功能设计框架1、定义2、目标3、动机4、评论类别**5、评论互动****6、评论区展示结构****6.1 主题式****6.2 平铺式****6.3 盖楼式****7、评论排序机制****8、评论加载形式****9、其他**结语评论功能设计框架 1、定义 评论是指针对于事物进行主观或客观的自我印象…...
算法训练营 day52 动态规划 买卖股票的最佳时机系列1
算法训练营 day52 动态规划 买卖股票的最佳时机系列1 买卖股票的最佳时机 121. 买卖股票的最佳时机 - 力扣（LeetCode） 给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票…...
3.基于分割的文本检测算法--DBNet++
文章目录1.概况2.DBNet中的主要方法2.1 网络结构2.2 适应特征图融合模块(Adaptive Scale Fusion Module, ASF)3.ASF模块的源码实现参考资料欢迎访问个人网络日志🌹🌹知行空间🌹🌹 1.概况 2022年02月份论文：Real-Time S…...
IOS打包、SDK接入记录等
IOS打包、SDK接入记录等 Mac上安装HCLR路径 /Applications/Unity/Hub/Editor/2019.4.40f1c1/Unity.app/Contents/il2cpp HCLR 指定4.40是要Unity启动打开的il2cpp，否则HCLR Installer他会报找不到MonoBleedingEdge Mac删除证书 只能点击钥匙串做上角的登录后&…...
【C++】类与对象（引入）
目录 前言 类的引入 类的定义 封装与访问限定符 封装 访问限定符 类的实例化 类的大小 this指针 特性 前言 🎶我们都知道，C语言是面向过程的编程，而C是面向对象的编程，更多体现在编程的关注点上。 🎶就拿洗…...
Redis 高级数据类型
文章目录一、Bitmaps：属性状态统计二、HyperLogLog：基数统计三、GEO：地理位置信息计算提示：以下是本篇文章正文内容，Redis系列学习将会持续更新 一、Bitmaps：属性状态统计 Bitmaps类型： 统计一…...
Java8 新特性-函数式接口
什么是函数式接口 先来看看传统的创建线程是怎么写的 Thread t1 new Thread(new Runnable() {Overridepublic void run() {System.out.println("t1");} }); t1.start();再来看看使用了函数式接口是怎么写的 Thread t2 new Thread(() -> System.out.println(&…...
这套软件测试试卷能打90分，直接入职字节吧
目录 一．填空 二、 判断题（正确的√，错误的╳）共10分，每小题1分 三、数据库部分：（共15分） 四、设计题。本题共 1 小题，满分 20分 一．填空 1、 系…...
GUI可视化应用开发及Python实现
0 建议学时 4学时，在机房进行 1 开发环境安装及配置 1.1 编程环境 安装PyCharm-community-2019.3.3 安装PyQt5 pip install PyQt5-tools -i https://pypi.douban.com/simple pip3 install PyQt5designer -i https://pypi.douban.com/simple1.2 环境配置 选择“…...
【论文简述】GMFlow: Learning Optical Flow via Global Matching（CVPR 2022）
一、论文简述 1. 第一作者：Haofei Xu 2. 发表年份：2022 3. 发表期刊：CVPR oral 4. 关键词：光流、代价体、Transformers、全局匹配、注意力机制 5. 探索动机：过去几年中具有代表性的光流学习框架的核心估计方式没有…...
【Spark分布式内存计算框架——离线综合实战】5. 业务报表分析
第三章 业务报表分析 一般的系统需要使用报表来展示公司的运营情况、 数据情况等，本章节对数据进行一些常见报表的开发，广告数据业务报表数据流向图如下所示： 具体报表的需求如下： 相关报表开发说明如下： 第一、数据…...
力扣-删除重复的电子邮箱
大家好，我是空空star，本篇带大家了解一道简单的力扣sql练习题。 文章目录前言一、题目：196. 删除重复的电子邮箱二、解题1.正确示范①提交SQL运行结果2.正确示范②提交SQL运行结果3.正确示范③提交SQL运行结果4.正确示范④提交SQL运行结果5.其…...
git基础
git-note Github Manual | GitHub Cheat Sheet | Visual Git Cheat Sheet 安装配置工具分支创建仓库.gitignore文件同步更改进行更改重做提交术语表 安装 desktop.github.com | git-scm.com 配置工具 对所有本地仓库的用户信息进行配置 对你的commit操作设置关联的用户名…...
postgres 源码解析50 LWLock轻量锁--1
简介 postgres LWLock（轻量级锁）是由SpinLock实现，主要提供对共享存储器的数据结构的互斥访问。LWLock有两种锁模式，一种为排他模式，另一种是共享模式，如果想要读取共享内存中的内容，需要在读取…...
JVM优化常用命令
jps列出正在运行的虚拟机进程jpstop列出线程CPU或内存占用top top -Hp pid //列出pid全部线程jstat监视虚拟机运行状态信息jstat -gc pid 5000 //每隔5s打印gc情况jmapjmap -heap pid //输出jvm内存情况 jmap -histo:live pid | more //查看堆内存中的对象数量和大小 jma…...