测试 一个自制的 V2EX 搜索

[dbbbit]

先贴地址：

http://shixiz.com

用 elasticSearch 作为搜索引擎，数据来自 v2ex 的 api 接口

索引了全部主题和大部分回复（主题目前半小时更新一次，回复还未开始更新）

这几天刚刚加上了中文分词，可用性总算达到了及格线。

自己 YY 了一种简单的`综合排序`方法

log2（回复数）* 搜索引擎的匹配得分 * log2（发帖时间 - 建站时间）

同时还可以根据 `发布时间` `回复数` `匹配分` 对结果排序。

部署在 ec2 上，索引全部数据居然用了两天啊，妈蛋。是分词用的词库太大？

p.s. 回贴最好贴下`搜索关键词`和`结果评价`
感恩 ：）

[hoogle]

大赞。。 有考虑提供接口么？ 想在客户端提供搜索功能。 这个刚好～！！！

[dbbbit]

@hoogle
哈，接口可以有

[kisshere]

log2（回复数）* 搜索引擎的匹配得分 * log2（发帖时间 - 建站时间）能解释一下为什么要这样吗？

[dbbbit]

@kisshere
首先必须说明，这是YY出来的。

如果你有兴趣可以看看阮一峰翻译的几篇排序算法。
包括 hacknews reddit 等。
http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html

楼主在认真看了这几个算法后，发现还是没太多实际的想法
于是手动测试出这个综合评分的算法，结果怎么样也说不好。
不过 至少可以保证 排在前面的结果与那三个因素成正比
log2 是因为想要减低某种因素的影响

大概就是这样。

[Mihuwa]

酷。。。

[kchum]

被玩坏了？手机党打不来！

[freeze]

楼主能把搜索栏居中吗？看着难受

[qiayue]

赞!

[XerWandeRer]

关键字: http proxy
结果评价: Right on target.
Thanks!

[yetone]

大赞！

[ilovehoo]

不错哦~~

[dbbbit]

@kchum 我的可以打开。。
@freeze 本人前端渣 页面是乱来的，多谢意见

[jdqingm]

哎呦不错哦

[Akagi201]

lw-clogger 我前几天发的帖子, 没有搜到, google是有的

[dbbbit]

@Akagi201
确实是，中间数据断层了。回头补上，爬虫不够健壮

[jas0ndyq]

好喜欢忍者图标~~~有木有版权~~~

[dbbbit]

@jas0ndyq
我的头像和搜索的图标都是非法使用。。。

[jas0ndyq]

@dbbbit 好吧~~~

[kokdemo]

log2(回复)
这一项的权重太大了，会导致更容易搜出来的是那些经典长贴……

[zhiyongyici]

google 无法使用的前提下，这简直就是神器！