第五步:索引库更新。APP的页面信息是动态更新的,由网络爬虫抓取得到的藏文APP倒排索引库也需要更新。搜索引擎的倒排索引更新有多种方式,包括修改更新、覆盖更添加更新。鉴于目前上线的藏文APP数量少,网络爬虫工作周期短,藏文APP
藏文APP倒排索引。
第四步:对标题建索引。大部分的Web文档有文档标题TITLE,标题反映了文档的主要内容,是搜索和导航的重要依据。标题索引以词、短语或句子为索引单位,具体根据词表匹配情况确定,如果标题匹配词表中的规范词则使用规范词,如果没有则直接以标题建索引。藏文规范词表是动态更新的。检索时以匹配标题索引为优先策略,先查询标题索引库,再查询全文索引库。
第五步:索引库更新。APP的页面信息是动态更新的,由网络爬虫抓取得到的藏文APP倒排索引库也需要更新。搜索引擎的倒排索引更新有多种方式,包括修改更新、覆盖更添加更新。鉴于目前上线的藏文APP数量少,网络爬虫工作周期短,藏文APP的倒排索引库更新可以采取添加更新加覆盖更新的策略。每次爬虫工作完成后,建立新的索引库,将查询引擎链接指向新的索引库,同时保留近两期的索引库,将更早的索引库删除。每次添加新的索引库后,先将之前近两期的索引库保留一段时间备用。
