部署自己的搜索引擎實(shí)現(xiàn)關(guān)鍵詞優(yōu)化(3)

2010-03-22 10:48?來(lái)源 

 <str name=\"id\">5ed7054bf108454db2b0216fbc006934</str>
 <str name=\"keywords\">景陽(yáng)崗 三碗不過(guò)崗 小破孩 打虎</str>
<date name=\"modified\">2009-08-27T20:46:09Z</date>
 <int name=\"status\">1</int>
 <date name=\"timestamp\">2009-08-27T15:59:48.821Z</date>
 <str name=\"title\">三碗不過(guò)崗：小破孩景陽(yáng)崗打虎記</str>
</doc>
<doc>
 <str name=\"categoryId\">a8ea126f3128443fbb2d17e0d5e3c55f</str>
 <str name=\"categoryName\">小破孩</str>
 <str name=\"content\">&amp;lt;p&amp;gt;小破孩射下九個(gè)太陽(yáng)之后，遭到了報(bào)復(fù)，丫丫被烏鴉叼到了月亮上 面，整天哭泣。小破孩十分著急，這下該怎么辦呢？現(xiàn)在，你來(lái)幫小破孩去拯救丫丫吧，操作小破孩登上月球，看你的 了！&amp;lt;/p&amp;gt;</str>
 <date name=\"created\">2009-08-04T17:18:44Z</date>
 <str name=\"description\">小破孩射下九個(gè)太陽(yáng)之后，遭到了報(bào)復(fù)，丫丫被烏鴉叼到了月亮上面，整天哭泣。小破孩十分著急，這下該怎么辦呢？現(xiàn)在，你來(lái)幫小破孩去拯救丫丫吧，操作小破孩登上月球，看你的了！</str>
 <str name=\"id\">4c0cfeb8990c455da88aeaabd864bca8</str>
 <str name=\"keywords\">小破孩 奔月 小游戲</str>
 <date name=\"modified\">2009-08-27T16:48:39Z</date>
 <int name=\"status\">1</int>
 <date name=\"timestamp\">2009-08-27T15:59:43.021Z</date>
 <str name=\"title\">小破孩奔月小游戲，嫦娥我來(lái)啦！</str>
</doc>
<!-- 這里限于篇幅略去了其它結(jié)果 -->

</result>
</response>

    這時(shí)候其實(shí)還有一個(gè)問(wèn)題，就是關(guān)鍵詞有時(shí)候匹配的并不是一個(gè)詞。我們知道英文單詞是以空格分開的，但漢語(yǔ)詞匯卻復(fù)雜多了，甚至有些句字人閱讀起來(lái)都會(huì)有歧義。lucene是外國(guó)人的玩藝兒，沒(méi)有內(nèi)置的中文分詞系統(tǒng)，這樣一來(lái)你搜中文時(shí)，只要有相臨的字串匹配，都會(huì)命中。這樣會(huì)造成匹配度的下降，再來(lái)不良用 戶體驗(yàn)。也許你覺(jué)得這沒(méi)什么，挺好，一個(gè)結(jié)果不漏。但是你想想，各大搜索引擎都不是白癡，你的結(jié)果頁(yè)匹配度不高，會(huì)影響你關(guān)鍵字的權(quán)重的吧。

　　不多說(shuō)了，請(qǐng)出國(guó)人的開源分詞系統(tǒng)庖丁解牛(paoding)。sourceforge曾因嫌中國(guó)人只索取不貢獻(xiàn)而屏蔽掉中國(guó)的IP,看到庖丁解牛，作為中 國(guó)人我都感到驕傲了。誰(shuí)說(shuō)中國(guó)人不貢獻(xiàn)了?庖丁解牛跟商業(yè)中文分詞軟件相比應(yīng)該還有差距，但足夠我們做關(guān)鍵詞優(yōu)化用了。你需要在solr 的schema.xml 配置文件里加上相關(guān)配置，在庖丁的配置文件中也要配好字典路徑，這樣你的搜索引擎就大功告成了。

　　下面要做前端的優(yōu)化設(shè)計(jì)了。你可以做一些流行關(guān)鍵詞的標(biāo)簽放在主頁(yè)上，這些標(biāo)簽頁(yè)指向你的搜索結(jié)果頁(yè)面。效果可參考我部署的一個(gè)案例：http://www.kaoly.com/t-%E9%BB%84%E9%87%91%E7%9F%BF%E5%B7%A5.html 。說(shuō)明一下，一些免費(fèi)CMS系統(tǒng)也有標(biāo)簽功能，甚至也有搜索功能，但其搜索功能是沒(méi)法跟lucene比的，而其標(biāo)簽更多的是手動(dòng)或半自動(dòng)維護(hù)，相關(guān)度也難 以跟搜索引擎直接去搜相比。你想，如果你的搜索引擎算法好，能更接近大型搜索引擎，那你預(yù)先搜出來(lái)的結(jié)果肯定也是你所有內(nèi)容中最合大型搜索引擎胃口的。這 道理相信大家都明白。更不要說(shuō)標(biāo)簽建立的方便性，你發(fā)現(xiàn)好的關(guān)鍵詞，可以隨時(shí)加一個(gè)標(biāo)簽，簡(jiǎn)單到只需做個(gè)鏈接就可以了。相信常見(jiàn)的免費(fèi)CSM系統(tǒng)沒(méi)有這么 好的功能。即使它能自動(dòng)搜索創(chuàng)建標(biāo)簽，那它的標(biāo)簽的相關(guān)度也比不上搜索引擎，因?yàn)樗皇菍Ｗ鏊阉饕娴模皇菫槟闾峁┝艘恍?shí)用的附加的小功能。　　本文“”來(lái)源：http://www.coweal.com/keji/design/13568.html，轉(zhuǎn)載必須保留網(wǎng)址。

編輯：