nguyen-duc-phu-search-engine
-
Upload
hazzaz -
Category
Technology
-
view
137 -
download
0
Transcript of nguyen-duc-phu-search-engine
SEARCH ENGINENEWS COLLECTION SYSTEM
Nguyen Duc Phu<[email protected]>
WHY WE DO?
1 2 3 4
sport relax business other
1 2
3 4
One channel?
1. Web crawling ( or spider, bot,
crawler, web worm, robot…)
2. Indexing
3. Searching
SIMPLE SEARCH ENGINE
keyword
Result
Spider Engine
News Sources
Vnexpress Dantri ...
Data Server
1. GATHER DATA
2. SEARCH
Data Server
End Users
FLOW
Spider Engine
DATABASE
FLOW ONE: GATHER DATA
SPIDER ENGINE
TEXT PARSER
DATA HANDLE
WHAT IS TEXT PARSER?
TEXT
PARSER
Domain: vnexpress.net
Subject: Giá xăng dầu giảm xuống còn 11 ngàn
Time: 10:30, 12-12-2008
Descripton: Một quan chức thuộc Bộ Tài chính
cho biết về khả năng tăng giá xăng dầu...
Images: Yes (no)
ImageURL: http://www.vnexpress.net/Files/Subject/3B/A0/96/61/a3.j
pg
SourceURL:http://www.vnexpress.net/GL/Kinh-
doanh/2008/12/3BA09661/
Other...
WHAT IS DATA HANDLE?
DATA
HANDLE
DATA RETURN
BY TEXT
PARSER
Tags: giá xăng dầu, giá xăng, giảm giá, xăng dầu, kinh tế, năng lượng...
Time: 10:30, 12-12-2008
Images: Yes (no)
ImageURL: http://www.vnexpress.net/Files/Subject/3B/A0/96/61/a3.jpg
SourceURL:http://www.vnexpress.net/GL/Kinh-doanh/2008/12/3BA09661/
Etc...
LAYOUT STRUCTURE
v
v
Block 1
Block 2
Block 3
Block 0
HOW IS TEXT PARSER WORK?
DATA
RETURN
BY TEXT
PARSERDUPLICATE DATA
DATA
HANDLED
INDEXING
TAGS MAKER
DICTIONARY
CUSTOME TAGS
TAGS PARSE
DATA HANDLE
DICTIONARY
Giá xăng dầu giảm xuống còn 11 ngàn
Giá xăng, giá dầu, xăng dầu, 11
ngàn, giảm xuống, xuống còn, giá
xăng dầu,...
Giá xăng, xăng dầu, giá xăng dầu,
giảm xuống...
CUSTOME TAGS
Giá xăng, xăng dầu, giá xăng dầu,
kinh tế, năng lượng,...
TAGS MAKER
TAGS PARSE
WHAT’S TAGS
MAKER?
TAGS PARSERVietnamese Rule
Giá xăng dầu giảm ...
1 2 3 4 - Maximum length: 3-5
- Minimum: 2 (1?)
Giá+xăng Giá+dầu Giá+giảm xăng+dầu dầu+giảm
giá+xăng+dầu?
1 2 3 41 3 3241
1 2 3
a+b+c
a<b<c
MORE
EXAMPLE
Thị trường chứng khoán
Họp quốc hội
3 : odd number
tag-name,
tag-name..
4: even number
tag-name,
tag-name..
FLOW 2:
SEARCHING
Keyword
Keyword
Analysis
Keyword
Filter
Tags
Parser
Ranking
Keyword
HOW WE DO?
RESULTS
Normal
Mai Phương Thúy
Mai Phuong Thuy
Wrong
MaiPhuong Thuy
.^Mai-Phuong*%Thuy
Site regular
dantri: mai phuong
thuy,
{today}mai phuong
thuy
mai phuong thuy, mai
phương thúy
Remove special character
Bad word
Type classification
KEYWORD FILTER
mai phuong thuy, mai
phương thúy
TAGS PARSER
Mai Phương Thúy, Mai
Phương, Phương ThúyRanking
Keyword
SEARCHING PROCESS
MADE IN VIETNAM
DO ANYTHING YOU
WANT TO
THANKSHave Question?