Teahour #63: 与微搜索丁彦聊搜索引擎技术

[yedingding]

本期由玎玎主持，邀请到了微搜索的创始人丁彦来 Teahour 做客，聊聊构建搜索引擎的基本知识。

微搜索是一个站内（应用内）搜索云服务，大家在听这期节目前，可以尝试一下 Teahour 网站的搜索功能，使用的就是微搜索的服务。搜索引擎是我们用来查询信息的工具，简单说来，做一个搜索引擎，分成三步，即信息搜集、信息整理和支持查询。本期节目中，丁彦介绍了他做微搜索服务时对于搜索引擎实现的经验分享，抓取信息内容的实现、索引信息的实现和实际搜索的实现。

http://teahour.fm/2014/10/19/build-search-engine.html

[greatdk]

无法播放？

[omengye]

Teahour 终于肯更新了

[Linxing]

好久没更新了啊

[manoon]

玎玎...

[againstodds]

嘉宾似乎对搜索讲得不是很自信啊

[againstodds]

“我爱人”也是一个名词啊，怎么把“我”分出来，没说清楚啊

[luin]

终于更新啦～

[visualrun]

回家路上有东西听了

[yedingding]

@againstodds 中文分词效果很大程度上靠词库。对于词库(字典)来说，爱人是一个词，我爱人是两个词，比如我儿子，我妈妈这些不应该作为一个词单元。所以，当词库里我开头的最多只有两个字的时候，第三个字进来就不需要再判断了。如果场景有必要当成一个词的话，就需要更新词库，加入到常用词里。口水环境比较难讲，有纸笔画会更好一点。

[yedingding]

@greatdk 是移动端吗，我刚发现有这个问题，需要修复一下。

[yedingding]

@manoon 咋了，:p

[yedingding]

@omengye
@Linxing
@luin 我也觉得好久了... 出门一个半月。

[zeinimei]

这个微搜索很好

[yanyanlong]

终于。。。更新了。。 已经是tea2hour了， 要变成双月更么。。

[kofj]

分词是最让人头疼的了(＞﹏＜)7当遇到多语种混合分词的时候直接酷云在厕所了

[ChanneW]

怎么拿到邀请码?

[manoon]

@yedingding 一直以为是，“丁丁“

[yedingding]

@ChanneW 可以用我的，a8a383085b09

[yedingding]

@yanyanlong 希望不会...

[yedingding]

@kofj 实战肯定是各种坑，尤其是 CJK..