相关性搜索 利用Solr与Elasticsearch创建智能应用 完整pdf_服务器教程

资源名称：相关性搜索 利用Solr与Elasticsearch创建智能应用 完整pdf

第1章 搜索的相关性问题
1.1 我们的目标：掌握相关性技术研发的技能
1.2 为什么搜索的相关性如此之难
1.2.1 什么是具备“相关性”的搜索结果
1.2.2 搜索：没有银弹
1.3 来自相关性研究的启示
1.3.1 信息检索
1.3.2 能否利用信息检索解决相关性问题
1.4 如何解决相关性
1.5 不只是技术：管理、协作与反馈
1.6 本章小结
第２章 搜索—幕后揭秘
2.1 搜索101
2.1.1 什么是搜索文档
2.1.2 对内容进行搜索
2.1.3 通过搜索来探索内容
2.1.4 获取进入搜索引擎的内容
2.2 搜索引擎的数据结构
2.2.1 倒排索引
2.2.2 倒排索引的其他内容
2.3 对内容进行索引：提取、充实、分析和索引
2.3.1 将内容提取为文档
2.3.2 充实文档以清理、强化与合并数据
2.3.3 执行分析
2.3.4 索引
2.4 文档的搜索和获取
2.4.1 布尔搜索： AND/OR/NOT
2.4.2 基于 Lucene搜索的布尔查询（MUST/MUST_NOT/SHOULD）
2.4.3 位置和短语匹配
2.4.4 助力用户浏览：过滤、切面和聚合
2.4.5 排序、结果排名，以及相关性
2.5 本章小结
第3章 调试我们的第一个相关性问题
3.1 Solr和Elasticsearch的应用：基于Elasticsearch的例子
3.2 最了不起的数据集：TMDB
3.3 用Python语言编写的例子
3.4 第一个搜索应用
3.4.1 针对 TMDB Elasticsearch索引的第一次搜索
3.5 调试查询匹配
3.5.1 检查底层查询策略
3.5.2 剖析查询解析
3.5.3 调试分析，解决匹配问题
3.5.4 比较查询条件和倒排索引
3.5.5 通过修改分析器来修正我们的匹配
3.6 调试排名
3.6.1 利用 Lucene的解释功能来剖析相关性评价
3.6.2 向量空间模型、相关性解释信息和我们
3.6.3 向量空间模型在实践中的注意事项
3.6.4 通过对匹配的评价来度量相关性
3.6.5 用 TF×IDF计算权重
3.6.6 谎言、该死的谎言和相似度
3.6.7 决定搜索词重要性的因素
3.6.8 解决 Space Jam和 alien的排名问题
3.7 问题解决了？工作永远做不完！
3.8 本章小结

……..

资源截图：